Estimation of Integrated Volatility Functionals with Kernel Spot Volatility Estimators
利用核即期波动率估计量估计积分波动率泛函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：摘要直接研究积分波动率泛函、即期波动率核估计及不同采样频率下的表现，对应波动率与高频计量。
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…
利用核即期波动率估计量估计积分波动率泛函
- 研究问题
- 多维 Itô 半鞅的积分波动率泛函，如何利用一般核即期波动率估计降低偏差，并获得适当的极限推断？
- 方法与思路
- 作者以一般核即期波动率估计作插件，建立含偏差的中心极限定理，并在适当偏差修正和欠平滑下构造无偏极限。
- 材料陈述的贡献
- 摘要称，方法达到最优收敛速度，一般核可明显降低相对标准均匀核的偏差，修正估计量对带宽选择表现稳健。
- 阅读关注点
- 应核对观测机制、核函数和波动率泛函的正则条件，以及偏差修正项、最优带宽与欠平滑下的不同极限结果。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实；摘要未给出速度公式或噪声、跳跃处理条件，不能推断任意观测机制均适用。
原文摘要
For a multidimensional Itô semimartingale, we consider the problem of estimating integrated volatility functionals. Jacod and Rosenbaum (2013) studied a plug-in type of estimator based on a Riemann sum approximation of the integrated functional and a spot volatility estimator with a forward uniform kernel. Motivated by recent results that show that spot volatility estimators with general two-side kernels of unbounded support are more accurate, in this paper, an estimator using a general kernel spot volatility estimator as the plug-in is considered. A biased central limit theorem for estimating the integrated functional is established with an optimal convergence rate. Unbiased central limit theorems for estimators with proper de-biasing terms are also obtained both at the optimal convergence regime for the bandwidth and when applying undersmoothing. Our results show that one can significantly reduce the estimator's bias by adopting a general kernel instead of the standard uniform kernel. Our proposed bias-corrected estimators are found to maintain remarkable robustness against bandwidth selection in a variety of sampling frequencies and functions.