Econometric analysis of multivariate realised QML: Estimation of the covariation of equity prices under asynchronous trading
多变量已实现准极大似然：异步交易下股票价格协变动估计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：摘要直接研究高频股票协方差与随机波动，并提出用于多资产扩展的因子估计量，支持所选三个金融方向。
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
多变量已实现准极大似然：异步交易下股票价格协变动估计
- 研究问题
- 在高频数据受市场微观结构噪声和异步交易影响时，如何利用全部观测估计多资产协变动，并保证矩阵正定性？
- 方法与思路
- 作者按异步观测且含误差的向量缩放布朗模型构造准似然，用 Kalman 滤波和 EM 优化，并提出可扩展的因子替代估计量。
- 材料陈述的贡献
- 摘要称已实现 QML 估计量在随机波动下正定、一致且渐近混合正态，并称所提估计量达到有效收敛速率。
- 阅读关注点
- 应核对噪声、异步采样和随机波动条件，以及有效收敛速率的含义、因子版本的限制和不同流动性下的表现。
- 阅读边界
- 仅据所给出版社摘要，不能将有效收敛速率等同于所有意义的效率最优；理论条件、计算成本及应用数值未说明。
原文摘要
Estimating the covariance between assets using high frequency data is challenging due to market microstructure effects and asynchronous trading. In this paper we develop a multivariate realised quasi maximum likelihood (QML) approach, carrying out inference as if the observations arise from an asynchronously observed vector scaled Brownian model observed with error. Under stochastic volatility the resulting realised QML estimator is positive definite, uses all available data, is consistent and asymptotically mixed normal. The quasi-likelihood is computed using a Kalman filter and optimised using a relatively simple EM algorithm. We also propose an alternative estimator using a factor model, which scales well with the number of assets. We derive the theoretical properties of these estimators and prove that they achieve the efficient rate of convergence. Our estimators are also analysed using Monte Carlo methods and applied to equity data with varying levels of liquidity.