A Nonparametric Test for Diurnal Variation in Spot Correlation Processes
即期相关过程日内变动的非参数检验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。
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：摘要以高频数据估计的即期相关过程、日内变动检验和宏观新闻条件信息为核心，直接对应高频计量与波动率方向，并涉及时间序列检验。
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
即期相关过程日内变动的非参数检验
- 研究问题
- 摘要关注交易所交易股票对数价格增量的即期相关在高频日内是否存在系统性变动，尤其是上午相关性是否低于下午，以及如何检验这种相关过程的日内变化。
- 方法与思路
- 作者提出一种非参数检验程序来检测相关过程的日内变动；摘要称检验统计量在原假设下具有已知分布，在备择假设下发散，并通过蒙特卡洛模拟考察有限样本性质。
- 材料陈述的贡献
- 摘要称该检验在模拟中即使小样本和现实日内变动水平下也接近大样本预测；在覆盖较长时期的高频数据应用中，检验多数时候拒绝原假设，并展示宏观新闻与公司盈余公告等条件信息如何影响日内相关曲线。
- 阅读关注点
- 应核对检验统计量的具体形式、原假设与备择假设的精确设定、已知分布的类型与推导条件、蒙特卡洛设计、高频数据范围与样本期，以及条件信息分析是否支持因果解释。
- 阅读边界
- 仅凭摘要无法判断检验的识别假设、渐近性质证明、数据来源与清洗细节、拒绝率的经济含义，也不能确认结果的外部有效性与稳健性。
原文摘要
The association between log-price increments of exchange-traded equities, as measured by their spot correlation estimated from high-frequency data, exhibits a pronounced upwardsloping and almost piecewise linear relationship at the intraday horizon. There is notably lower—on average less positive—correlation in the morning than in the afternoon. We develop a nonparametric testing procedure to detect such variation in a correlation process. The test statistic has a known distribution under the null hypothesis, whereas it diverges under the alternative. We run a Monte Carlo simulation to discover the finite sample properties of the test statistic, which are close to the large sample predictions, even for small sample sizes and realistic levels of diurnal variation. In an application, we implement the test on a high-frequency dataset covering the stock market over an extended period. The test leads to rejection of the null most of the time. This suggests diurnal variation in the correlation process is a nontrivial effect in practice. We show how conditioning information about macroeconomic news and corporate earnings announcements affect the intraday correlation curve.