Jump-robust volatility estimation using nearest neighbor truncation
利用最近邻截断进行跳跃稳健的波动率估计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：摘要明确以高频收益区块估计积分方差，处理跳跃和日内波动模式，直接对应波动率与高频计量方向。
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…
利用最近邻截断进行跳跃稳健的波动率估计
- 研究问题
- 如何在价格跳跃、小幅或零收益以及快速日内波动变化存在时，稳健估计积分方差并改善局部估计的偏差与效率？
- 方法与思路
- 作者提出两种基于最近邻截断的积分方差估计量，包括 MedRV，并强调利用短收益区块构造局部波动率度量。
- 材料陈述的贡献
- 摘要称，MedRV 相对三幂变差具有更好的效率及有限样本跳跃稳健性；短区块可缓解快速波动变化导致的向下偏差。
- 阅读关注点
- 应核对两种估计量的定义、跳跃下极限理论的条件、短区块长度选择，以及效率比较、零收益处理与股票实证设定。
- 阅读边界
- 仅据所给出版社摘要，不能认定其对所有跳跃或微观结构噪声均稳健；具体条件与比较数值未说明，不推断版本变化。
原文摘要
We propose two new jump-robust estimators of integrated variance that allow for an asymptotic limit theory in the presence of jumps. Specifically, our MedRV estimator has better efficiency properties than the tripower variation measure and displays better finite-sample robustness to jumps and small (“zero”) returns. We stress the benefits of local volatility measures using short return blocks, as this greatly alleviates the downward biases stemming from rapid fluctuations in volatility, including diurnal (intraday) U-shape patterns. An empirical investigation of the Dow Jones 30 stocks and extensive simulations corroborate the robustness and efficiency properties of our nearest neighbor truncation estimators.