Sharp adaptive nonparametric testing for constant volatility
波动率恒定性的尖锐自适应非参数检验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。
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：摘要直接研究波动率函数的恒定性检验，并以离散观测的加密采样渐近为理论框架。
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
波动率恒定性的尖锐自适应非参数检验
- 研究问题
- 对非参数高斯白噪声过程的离散观测，如何检验波动率函数是否恒定，并在加密采样下实现自适应的最优检测？
- 方法与思路
- 作者构造非参数恒定性检验，以波动率相对其 L² 平均量的比值衡量偏离，并用隐函数定理处理最优常数所需方程。
- 材料陈述的贡献
- 摘要称，检验在加密采样渐近下具有极小极大最优性和自适应性，并建立构造最优常数所需方程的可解性及定量界。
- 阅读关注点
- 应核对备择函数类、分离率和最优常数定义、自适应覆盖范围，以及检验统计量和临界值如何从离散数据实现。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未获核实；摘要未给出函数类及有限样本结果，结论限于所述白噪声模型。
原文摘要
Based on discrete observations, we develop a test to infer if the volatility function $σ(\cdot)$ within the nonparametric Gaussian white noise model $dY_t = σ(t)dW_t$ is constant. The testing procedure is shown to be minimax-optimal and adaptive for infill asymptotics and these results entail that a deviation from the null hypothesis of constancy is best measured in terms of the ratio of $σ(t)$ and its $L^2$-average. The derivation of optimal constants requires the construction of hypotheses with height $h(b)$, where the parameter $b$ solves $F_n(b)=0$ for given functions $F_n$. Proving this equation to be solvable for each $n\in\mathbb{N}$ and establishing quantitative bounds of the solutions is built upon the implicit function theorem.