Local Whittle Analysis of Stationary Fractional Cointegration and the Implied–Realized Volatility Relation
平稳分数协整的局部 Whittle 分析及隐含与已实现波动率的关系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：摘要研究平稳分数协整的频域估计，并应用于隐含与已实现波动率关系，直接对应时间序列和金融波动率方向。
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
平稳分数协整的局部 Whittle 分析及隐含与已实现波动率的关系
- 研究问题
- 在平稳分数协整模型中，如何联合估计各序列的积分阶数与协整向量，并据此考察隐含与已实现波动率关系中的无偏性？
- 方法与思路
- 作者提出半参数局部 Whittle 准极大似然法，对零频附近的联合谱密度作局部假设，联合估计回归量、误差的积分阶数及协整向量。
- 材料陈述的贡献
- 摘要称估计量在弱正则条件下一致，增加局部正交条件后在整个平稳区域渐近正态，并称其渐近方差优于窄频带频域最小二乘。
- 阅读关注点
- 阅读时应核对局部谱假设、正交条件及带宽选择，检查与窄频带估计的方差比较条件，以及波动率无偏性检验的具体设定。
- 阅读边界
- 摘要未列出具体正则条件、模拟设计或金融应用结果；其方差优势是特定条件下的渐近陈述，不能据此判断普遍的有限样本优越性。
原文摘要
I consider local Whittle analysis of a stationary fractionally cointegrated model. The local Whittle quasi maximum likelihood estimator is proposed to jointly estimate the integration orders of the regressors, the integration order of the errors, and the cointegration vector. The proposed estimator is semiparametric in the sense that it employs local assumptions on the joint spectral density matrix of the regressors and the errors near the zero frequency. I show that the estimator is consistent under weak regularity conditions, and, under an additional local orthogonality condition between the regressors and the cointegration errors, I show asymptotic normality. Indeed, the estimator is asymptotically normal for the entire stationary region of the integration orders, and, thus, for a wider range of integration orders than the narrow-band frequency domain least squares estimator of the cointegration vector, and it is superior to the latter estimator with respect to asymptotic variance. Monte Carlo evidence documenting the finite-sample feasibility of the new methodology is presented. In an application to financial volatility series, I examine the unbiasedness hypothesis in the implied–realized volatility relation.