Estimation of integrated quadratic covariation with endogenous sampling times
内生采样时点下积分二次协变动的估计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：摘要直接研究异步高频资产数据的积分协变动估计及内生采样引起的偏差。
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
内生采样时点下积分二次协变动的估计
- 研究问题
- 当两项资产异步观测且采样时点依赖价格过程时，如何刻画高频协方差估计的渐近偏差并进行校正与标准误估计？
- 方法与思路
- 作者用辅助观测时点过程触及边界来生成观测，在连续伊藤过程设定下研究 Hayashi–Yoshida 估计量的极限分布。
- 材料陈述的贡献
- 摘要称建立了该模型下的中心极限定理，给出渐近偏差估计、偏差校正的高频协方差估计及一致标准误估计。
- 阅读关注点
- 应核对边界与辅助过程如何描述采样内生性、连续过程的限制，以及偏差估计和标准误估计的可实施步骤。
- 阅读边界
- 仅依据所给出版社摘要；边界正则条件和调参细节未说明，摘要中的连续过程结果不能直接推广至价格跳跃或微观结构噪声。
原文摘要
When estimating high-frequency covariance (quadratic covariation) of two arbitrary assets observed asynchronously, simple assumptions, such as independence, are usually imposed on the relationship between the prices process and the observation times. In this paper, we introduce a general endogenous two-dimensional nonparametric model. Because an observation is generated whenever an auxiliary process called observation time process hits one of the two boundary processes, it is called the hitting boundary process with time process (HBT) model. We establish a central limit theorem for the Hayashi–Yoshida (HY) estimator under HBT in the case where the price process and the observation price process follow a continuous Itô process. We obtain an asymptotic bias. We provide an estimator of the latter as well as a bias-corrected HY estimator of the high-frequency covariance. In addition, we give a consistent estimator of the associated standard error.