Long-Horizon Return Predictability from Realized Volatility in Pure-Jump Point Processes
纯跳点过程下基于已实现波动率的长期收益可预测性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要围绕长期收益预测、已实现方差和交易层面价格过程建立方法，直接涉及收益预测、波动率及高频计量。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
纯跳点过程下基于已实现波动率的长期收益可预测性
- 研究问题
- 如何在交易层面的纯跳价格模型中，以已实现方差检验长期收益可预测性，并处理时间聚合和长记忆对预测回归的影响？
- 方法与思路
- 作者构造参数化交易层面纯跳点过程价格模型，推导收益与已实现方差的聚合性质，并在幂律聚合渐近框架下建立预测检验。
- 材料陈述的贡献
- 摘要称，长记忆参数从交易漂移传递到日历时间收益与已实现方差，内生形成平衡预测回归，并得到渐近尺寸正确且一致的检验。
- 阅读关注点
- 阅读时应核对点过程与漂移设定、长记忆传递的条件、幂律聚合的具体形式，以及检验零假设和渐近近似的适用范围。
- 阅读边界
- 所用版本为 arXiv 预印本，同行评审及期刊接收未核验；摘要未给出完整模型条件或实证结果，不能据此确认市场收益可预测。
原文摘要
We develop and justify methodology to consistently test for long-horizon return predictability based on realized variance. To accomplish this, we propose a parametric transaction-level model for the continuous-time log price process based on a pure jump point process. The model determines the returns and realized variance at any level of aggregation with properties shown to be consistent with the stylized facts in the empirical finance literature. Under our model, the long-memory parameter propagates unchanged from the transaction-level drift to the calendar-time returns and the realized variance, leading endogenously to a balanced predictive regression equation. We propose an asymptotic framework using power-law aggregation in the predictive regression. Within this framework, we propose a hypothesis test for long horizon return predictability which is asymptotically correctly sized and consistent.