When Frictions Are Fractional: Rough Noise in High-Frequency Data
当摩擦具有分数特征：高频数据中的粗糙噪声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：摘要明确研究高频金融数据的微观结构噪声，以及价格和噪声的积分波动率，直接对应高频计量与波动率。
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…
当摩擦具有分数特征：高频数据中的粗糙噪声
- 研究问题
- 当高频金融价格中的微观结构噪声局部呈分数布朗运动特征时，如何识别并估计其粗糙程度及价格与噪声的积分波动率？
- 方法与思路
- 作者假定有效价格为连续 Itô 半鞅，以连续时间粗糙过程刻画噪声，并在相关量可识别的情形推导一致估计和渐近置信区间。
- 材料陈述的贡献
- 摘要称模型容纳增量序列依赖、不同采样频率与日内效应，并可解释波动率签名图发散速率随时间和资产变化的现象。
- 阅读关注点
- 核对粗糙度取值与可识别区域、价格和噪声的联合条件、采样要求，以及置信区间推导和波动率签名图解释的依据。
- 阅读边界
- 依据 arXiv 2106.16149v4 预印本摘要；不能据此声称该版本已同行评审或期刊接收，也不能推断刊本变化。具体识别条件和实证数值未说明。
原文摘要
The analysis of high-frequency financial data is often impeded by the presence of noise. This article is motivated by intraday return data in which market microstructure noise appears to be rough, that is, best captured by a continuous-time stochastic process that locally behaves as fractional Brownian motion. Assuming that the underlying efficient price process follows a continuous Itô semimartingale, we derive consistent estimators and asymptotic confidence intervals for the roughness parameter of the noise and the integrated price and noise volatilities, in all cases where these quantities are identifiable. In addition to desirable features such as serial dependence of increments, compatibility between different sampling frequencies and diurnal effects, the rough noise model can further explain divergence rates in volatility signature plots that vary considerably over time and between assets.