Market microstructure noise, integrated variance estimators, and the accuracy of asymptotic approximations
市场微观结构噪声、积分方差估计与渐近近似的准确性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。
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：摘要直接讨论微观结构噪声下高频积分方差估计及其有限样本表现。
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…
关注这篇论文的作者
市场微观结构噪声、积分方差估计与渐近近似的准确性
- 研究问题
- 在实际可见的样本量下，含微观结构噪声的积分方差核估计，其渐近近似能否准确描述表现并指导实施？
- 方法与思路
- 作者考察核估计量的有限样本性质，提出优化其实际表现的方法，并将不同实施方案与经典已实现方差作经验比较。
- 材料陈述的贡献
- 摘要称，渐近近似与实施指导可能不足；欠佳实施可使收益很小，而所提有限样本方法能够恢复统计与经济收益。
- 阅读关注点
- 应核对有限样本优化的目标和调参方法、噪声结构，以及统计和经济收益如何定义并与经典估计量公平比较。
- 阅读边界
- 仅据所给出版社摘要，无法判断优化方法的具体形式、收益幅度与适用范围；摘要未给出数据细节或完整比较结果。
原文摘要
A growing literature has been advocating consistent kernel estimation of integrated variance in the presence of financial market microstructure noise. We find that, for realistic sample sizes encountered in practice, the asymptotic results derived for the proposed estimators may provide unsatisfactory representations of their finite sample properties. In addition, the existing asymptotic results might not offer sufficient guidance for practical implementations. We show how to optimize the finite sample properties of kernel-based integrated variance estimators. Empirically, we find that their suboptimal implementation can, in some cases, lead to little or no finite sample gains when compared to the classical realized variance estimator. Significant statistical and economic gains can, however, be recovered by using our proposed finite sample methods.