When Frictions are Fractional: Rough Noise in High-Frequency Data
当市场摩擦具有分数性：高频数据中的粗糙噪声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：摘要直接研究高频金融数据的微观结构噪声及价格和噪声波动率估计。
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…
当市场摩擦具有分数性：高频数据中的粗糙噪声
- 研究问题
- 高频收益中的微观结构噪声若呈现分数布朗运动式的局部粗糙性，何时能够分别估计噪声粗糙度与价格、噪声的积分波动率？
- 方法与思路
- 作者假定有效价格为连续 Itô 半鞅，以局部类似分数布朗运动的过程描述噪声，在可识别情形下构造一致估计量和渐近置信区间。
- 材料陈述的贡献
- 摘要称，方法覆盖相关参数可识别的情形；粗糙噪声模型还可解释波动率特征图发散速率随时间和资产变化的现象。
- 阅读关注点
- 应核对各参数的可识别范围、价格与噪声的关系假设、采样频率要求，以及置信区间与日内效应处理的具体条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未列出可识别区间和渐近条件，连续有效价格假定也限制适用范围。
原文摘要
The analysis of high-frequency financial data is often impeded by the presence of noise. This article is motivated by intraday return data in which market microstructure noise appears to be rough, that is, best captured by a continuous-time stochastic process that locally behaves as fractional Brownian motion. Assuming that the underlying efficient price process follows a continuous Itô semimartingale, we derive consistent estimators and asymptotic confidence intervals for the roughness parameter of the noise and the integrated price and noise volatilities, in all cases where these quantities are identifiable. In addition to desirable features such as serial dependence of increments, compatibility between different sampling frequencies and diurnal effects, the rough noise model can further explain divergence rates in volatility signature plots that vary considerably over time and between assets.