Jumps and betas: A new framework for disentangling and estimating systematic risks
跳跃与贝塔：系统性风险的分离和估计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：摘要明确采用因子模型与高频股票收益估计系统性扩散和跳跃贝塔。
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
跳跃与贝塔：系统性风险的分离和估计
- 研究问题
- 在因子模型中，如何分别估计资产对系统性扩散风险与跳跃风险的敏感度，并判断两类贝塔是否存在差异？
- 方法与思路
- 作者在固定时间区间内逐步提高收益采样频率，构造扩散和跳跃贝塔估计量，推导一致性与渐近分布。
- 材料陈述的贡献
- 摘要提出风险分解框架，并称四十只股票的高频应用显示，部分股票相对市场组合的月度两类贝塔差异明显。
- 阅读关注点
- 应核对跳跃识别规则、采样条件及微观结构噪声处理，并检查贝塔差异的统计推断和市场因子的构造。
- 阅读边界
- 所列出版社摘要未交代样本时期、具体差异幅度或噪声处理条件，不能将部分股票的发现推广到所有资产。
原文摘要
We provide a new theoretical framework for disentangling and estimating the sensitivity towards systematic diffusive and jump risks in the context of factor models. Our estimates of the sensitivities towards systematic risks, or betas, are based on the notion of increasingly finer sampled returns over fixed time intervals. We show consistency and derive the asymptotic distributions of our estimators. In an empirical application of the new procedures involving high-frequency data for forty individual stocks, we find that the estimated monthly diffusive and jump betas with respect to an aggregate market portfolio differ substantially for some of the stocks in the sample.