Filtering without recursion and some of its uses in financial economics
非递归滤波及其在金融经济学中的应用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：摘要直接分析高频成交数据、微观结构噪声、价格预平均及波动率估计。
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
非递归滤波及其在金融经济学中的应用
- 研究问题
- 能否构造可按时间点并行计算的非递归滤波器，并在微观结构噪声方差无限时稳健恢复价格过程与估计波动率？
- 方法与思路
- 作者以观测损失与预期损失的折现凸组合最小化定义滤波器，用模拟估计各时间点结果，并应用于交易价格的稳健预平均。
- 材料陈述的贡献
- 摘要称，该滤波器可并行计算；单一资产单日交易应用中，波动率特征图平坦至一秒尺度，而所比较的线性方法未实现这一表现。
- 阅读关注点
- 应核对损失函数与期望项、固定精度下计算量的含义，以及模拟精度成本，并检查预平均与波动率估计的噪声假设。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未详述计算复杂度常数及比较设定，单资产单日结果不足以支持普遍优势。
原文摘要
We develop a filter for time series, defined at each time $t$ as the minimizer of a discounted convex combination of observed and expected losses. The filter can be estimated by simulation to an arbitrary level of accuracy in $O(1)$ flops at each time point $t$ and can be run for all values $t=1,...,T$ in parallel. These methods are applied to robustly compute a preaveraged price process from the more than 1.5 million trades made on a single financial asset in a single day where the noise's variance is infinite. It yields a flat "volatility signature" plot, down to the 1 second level, so the microstructure noise no longer biases the volatility estimate. This is not true when linear methods are employed.