Functional conditional volatility modeling with missing data: inference and application to energy commodities
缺失数据下的函数型条件波动率建模及能源商品应用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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接估计条件波动率，并以天然气收益及汇率收益曲线开展金融应用。
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…
缺失数据下的函数型条件波动率建模及能源商品应用
- 研究问题
- 在满足遍历性且数据随机缺失的异方差标量对函数回归中，如何非参数估计回归与波动率成分，并评价插补对估计的影响？
- 方法与思路
- 作者先用观测数据构造简化估计量，分析一致性速率和渐近分布，再用其插补缺失数据并研究新估计量，最后开展模拟和天然气收益应用。
- 材料陈述的贡献
- 摘要称为简化与插补估计量提供渐近分析，并比较其数值表现；应用使用每小时汇率日内收益曲线解释天然气日收益的波动率。
- 阅读关注点
- 应核对随机缺失、遍历性及函数型回归的具体条件，插补误差如何传递到波动率估计，以及日内曲线与日收益的时间匹配方式。
- 阅读边界
- 这是arXiv预印本，不能据此认定已同行评审或期刊接收。摘要未说明具体一致性速率、带宽和比较结果，无法确定插补的实际收益。
原文摘要
This paper explores the nonparametric estimation of the volatility component in a heteroscedastic scalar-on-function regression model, where the underlying discrete-time process is ergodic and subject to a missing-at-random mechanism. We first propose a simplified estimator for the regression and volatility operators, constructed solely from the observed data. The asymptotic properties of these estimators, including the almost sure uniform consistency rate and asymptotic distribution, are rigorously analyzed. Subsequently, the simplified estimators are employed to impute the missing data in the original process, enhancing the estimation of the regression and volatility components. The asymptotic behavior of these imputed estimators is also thoroughly investigated. A numerical comparison of the simplified and imputed estimators is presented using simulated data. Finally, the methodology is applied to real-world data to model the volatility of daily natural gas returns, utilizing intraday EU/USD exchange rate return curves sampled at a 1-hour frequency.