Variation-based tests for volatility misspecification
基于幂变差的波动率模型误设检验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。
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：摘要直接检验扩散模型的波动率函数误设，最相关的是波动率方向；具体观测频率未交代，不另列高频计量。
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
基于幂变差的波动率模型误设检验
- 研究问题
- 对离散观测的扩散过程，如何检验波动率函数是否误设，并在需要估计模型参数时获得便于使用的拟合优度检验？
- 方法与思路
- 作者以离散扩散观测构造幂变差统计量，并引入正交性条件，以稳定存在参数估计时的极限分布，避免依赖自助法程序。
- 材料陈述的贡献
- 摘要称提出了简便的波动率函数误设检验，正交性处理可免去自助法，并通过数值模拟展示了良好的有限样本表现。
- 阅读关注点
- 应核对正交性条件如何构造、观测频率与渐近方案、参数估计的影响，以及检验对不同误设形式的功效和临界值计算。
- 阅读边界
- 仅据所给出版社摘要，适用的扩散过程条件、具体极限分布及模拟设计未说明，不能据此判断所有波动率模型的检验表现。
原文摘要
We provide a simple and easy to use goodness-of-fit test for the misspecification of the volatility function in diffusion models. The test uses power variations constructed as functionals of discretely observed diffusion processes. We introduce an orthogonality condition which stabilizes the limit law in the presence of parameter estimation and avoids the necessity for a bootstrap procedure that reduces performance and leads to complications associated with the structure of the diffusion process. The test has good finite sample performance as we demonstrate in numerical simulations.