ESTIMATING THE PERSISTENCE AND THE AUTOCORRELATION FUNCTION OF A TIME SERIES THAT IS MEASURED WITH ERROR
含测量误差时间序列的持续性与自相关函数估计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：摘要研究含测量误差序列的持续性，并明确应用于潜在波动率及已实现波动率测量。
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
含测量误差时间序列的持续性与自相关函数估计
- 研究问题
- 当观测序列只是潜在经济变量的含噪代理时，如何恢复潜在过程的自相关函数和持续性，尤其识别真实波动率动态？
- 方法与思路
- 作者构造工具变量方法提取潜在过程的信息，并将其用于已实现波动率测量，比较常规与工具变量单位根检验。
- 材料陈述的贡献
- 摘要称，道琼斯工业平均指数成分股应用中的潜在波动率均接近单位根，工具变量检验在该环境下具有更好有限样本性质。
- 阅读关注点
- 应核对工具变量的构造与有效性、测量误差的动态限制，以及潜在自相关识别和两类单位根检验的比较设计。
- 阅读边界
- 仅依据所给 Crossref 版本摘要；工具变量条件、样本和数值结果未说明，应用中的近单位根发现不能推广至所有波动率序列。
原文摘要
An economic time series can often be viewed as a noisy proxy for an underlying economic variable. Measurement errors will influence the dynamic properties of the observed process and may conceal the persistence of the underlying time series. In this paper we develop instrumental variable (IV) methods for extracting information about the latent process. Our framework can be used to estimate the autocorrelation function of the latent volatility process and a key persistence parameter. Our analysis is motivated by the recent literature on realized volatility measures that are imperfect estimates of actual volatility. In an empirical analysis using realized measures for the Dow Jones industrial average stocks, we find the underlying volatility to be near unit root in all cases. Although standard unit root tests are asymptotically justified, we find them to be misleading in our application despite the large sample. Unit root tests that are based on the IV estimator have better finite sample properties in this context.