Estimating the degree of activity of jumps in high frequency data
高频数据中跳跃活动程度的估计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：摘要明确以高频股票收益中的跳跃活动指数估计为研究对象。
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
高频数据中跳跃活动程度的估计
- 研究问题
- 在离散观测且含布朗波动的过程中，如何估计跳跃活动程度，尤其识别难以从连续波动中分离的小幅无限活动跳跃？
- 方法与思路
- 作者定义广义跳跃活动指数，提出离散采样下的指数估计量并推导其性质，再将方法用于高频股票收益。
- 材料陈述的贡献
- 摘要称估计方法允许布朗波动存在；股票收益应用提供了无限活动跳跃的证据，并估计其活动指数。
- 阅读关注点
- 应核对广义指数的定义、估计量如何分离连续与跳跃成分，以及理论条件、推断方法和实证结果的采样敏感性。
- 阅读边界
- 以下限制对应原请求所用摘要版本：这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出指数估计值、收敛速度、具体条件或噪声处理方式。 经AI辅助核对旧与当前摘要内容等价；未另读刊稿全文，不能据此证明整个稿件版本等价。
原文摘要
We define a generalized index of jump activity, propose estimators of that index for a discretely sampled process and derive the estimators’ properties. These estimators are applicable despite the presence of Brownian volatility in the process, which makes it more challenging to infer the characteristics of the small, infinite activity jumps. When the method is applied to high frequency stock returns, we find evidence of infinitely active jumps in the data and estimate their index of activity.