Rolling-Sample Volatility Estimators
滚动样本波动率估计量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：摘要明确讨论高频采样下的资产收益二次变差、积分波动率与即期波动率估计，直接对应高频计量和波动率两个方向。
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
滚动样本波动率估计量
- 研究问题
- 在高频观测下，如何利用滚动样本估计资产收益的二次变差或积分波动率？窗口长度与加权方式如何影响效率，并与即期波动率估计衔接？
- 方法与思路
- 作者扩展连续记录渐近分析，把积分波动率视为高频采样的连续时间随机过程，提出具有即期波动率估计特征的滚动样本方法。
- 材料陈述的贡献
- 摘要称讨论渐近有效的窗口长度与加权方案，并建立即期和积分波动率估计量之间的联系，辅以蒙特卡洛模拟及实证研究。
- 阅读关注点
- 核对滚动估计的目标量、窗口与权重的效率条件，以及即期和积分波动率之间的转换，并检查模拟设计及实证采样方式。
- 阅读边界
- 摘要未说明采样机制、窗口选择条件、微观结构噪声处理及实证数据，不能据此判断在实际高频交易数据中的稳健性。
原文摘要
We propose extensions of the continuous record asymptotic analysis for rolling sample variance estimators developed for estimating the quadratic variation of asset returns, referred to as integrated or realized volatility. We treat integrated volatility as a continuous time stochastic process sampled at high frequencies and suggest rolling sample estimators which share many features with spot volatility estimators. We discuss asymptotically efficient window lengths and weighting schemes for estimators of the quadratic variation and establish links between various spot and integrated volatility estimators. Theoretical results are complemented with extensive Monte Carlo simulations and an empirical investigation.