Continuous Record Asymptotics for Rolling Sample Variance Estimators
滚动样本方差估计量的连续记录渐近理论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：摘要研究资产收益条件方差的滚动估计、窗口与权重选择，直接对应金融波动率估计，未说明高频数据应用。
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
滚动样本方差估计量的连续记录渐近理论
- 研究问题
- 资产收益的条件方差随时间变化时，滚动样本估计会产生怎样的测量误差，窗口长度与观测权重应如何选择？
- 方法与思路
- 作者用连续记录渐近分析近似滚动回归中的条件方差测量误差，并研究普通滚动窗口长度和加权滚动回归权重的选择。
- 材料陈述的贡献
- 摘要称，论文导出标准滚动回归的渐近最优窗口长度及加权滚动回归的最优权重，并以标普500作实证示例。
- 阅读关注点
- 阅读全文时应核对连续记录渐近框架、方差变化的条件、最优性的损失准则，以及窗口和权重在实证中的实施方式。
- 阅读边界
- 摘要未说明观测频率、窗口公式、模型假设及实证数值；仅凭摘要无法判断渐近近似的有限样本精度或适用范围。
原文摘要
It is widely known that conditional covariances of asset returns change over time. Researchers doing empirical work have adopted many strategies for accommodating conditional heteroskedasticity. One popular strategy is performing rolling regressions in which only data from, say, the preceding five year period is used to estimate the conditional covariance of returns at a given date. The authors develop continuous record asymptotic approximations for the measurement error in conditional variances when using these methods. They derive asymptotically optimal window lengths for the standard rolling regressions and optimal weights for weighted rolling regressions. The S&P 500 is used as an empirical example. Copyright 1996 by The Econometric Society.