A Hausman test for the presence of market microstructure noise in high frequency data
高频数据中市场微观结构噪声的Hausman检验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：摘要明确检验高频金融数据的微观结构噪声，并服务于波动率估计，直接支持高频计量与波动率分类。
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
高频数据中市场微观结构噪声的Hausman检验
- 研究问题
- 在给定采样频率下，如何判断高频样本的微观结构噪声是否足够小，使未校正的波动率及其他高频估计方法可合理使用？
- 方法与思路
- 作者依照Hausman原理比较高效但不抗噪声的估计量与抗噪声但效率较低的估计量，并分析非参数渐近性质及替代检验。
- 材料陈述的贡献
- 摘要称提出噪声诊断检验；实证发现股票市场流动性改善，提高了简单未校正波动率估计量可合理使用的采样频率。
- 阅读关注点
- 应核对无噪声原假设与可忽略噪声的实际关系、两个估计量的具体构造，以及渐近框架和采样频率选择的实施标准。
- 阅读边界
- 仅据所给出版社摘要，无法判断噪声类型、检验功效及可用频率的具体数值；未拒绝原假设也不能直接证明样本完全无噪声。
原文摘要
We develop tests that help assess whether a high frequency data sample can be treated as reasonably free of market microstructure noise at a given sampling frequency for the purpose of implementing high frequency volatility and other estimators. The tests are based on the Hausman principle of comparing two estimators, one that is efficient but not robust to the deviation being tested, and one that is robust but not as efficient. We investigate the asymptotic properties of the test statistic in a general nonparametric setting, and compare it with several alternatives that are also developed in the paper. Empirically, we find that improvements in stock market liquidity over the past decade have increased the frequency at which simple, uncorrected, volatility estimators can be safely employed.