An Econometric Analysis of Volatility Discovery
波动率发现的计量分析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：摘要研究股票积分方差、波动率信息发现及加密采样渐近理论，直接对应波动率与高频计量。
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…
波动率发现的计量分析
- 研究问题
- 不同交易场所如何将新信息纳入股票的随机波动率过程，如何度量各场所的贡献，以及这种信息处理与价格发现有何关系？
- 方法与思路
- 作者利用分数协整，将各市场的积分方差估计分解为有效价格的共同积分方差与暂时成分，并以共同成分的市场权重度量波动率发现。
- 材料陈述的贡献
- 摘要称，论文明确波动率发现与价格发现在积分方差识别中的作用，建立长跨度及加密采样渐近分布，并展示二者刻画不同信息过程。
- 阅读关注点
- 应核对共同积分方差的识别条件、市场权重的定义与解释，以及长跨度和加密采样渐近理论如何衔接实际积分方差估计。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；采样机制、估计误差处理及实证细节未说明，不能外推至任意市场，也不能推断后续刊本变化。
原文摘要
We investigate information processing in the stochastic process driving stock's volatility (volatility discovery).We apply fractionally cointegration techniques to decompose the estimates of the market-specific integrated variances into an estimate of the common integrated variance of the efficient price and a transitory component.The market weights on the common integrated variance of the efficient price are the volatility discovery measures.We relate the volatility discovery measure to the price discovery framework and formally show their roles on the identification of the integrated variance of the efficient price.We establish the limiting distribution of the volatility discovery measures by resorting to both long span and in-fill asymptotics.The empirical application is in line with our theoretical results, as it reveals that trading venues incorporate new information into the stochastic volatility process in an individual manner and that the volatility discovery analysis identifies a distinct information process than that based on the price discovery analysis.