Bootstrapping realized multivariate volatility measures
多元已实现波动指标的自助法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：摘要直接以多元高频收益及已实现协方差、相关和波动指标为研究对象。
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…
多元已实现波动指标的自助法
- 研究问题
- 对于高频收益构造的已实现回归、协方差与相关系数，如何改善有限样本推断，自助法能否达到二阶精度？
- 方法与思路
- 作者提出适用于多元高频收益统计量的自助法，推导成对自助法的 Edgeworth 展开，并分析随机波动下的参数异质性。
- 材料陈述的贡献
- 摘要称自助法有限样本表现优于一阶渐近近似，但成对自助法不具二阶精度，并将原因联系到条件均值参数异质性。
- 阅读关注点
- 核对重抽样单位、统计量标准化及高频采样条件，以及 Edgeworth 展开中阻止二阶精度的项和异质性来源。
- 阅读边界
- 仅依据所给出版社摘要；有限样本改善与缺少二阶精度可以并存，摘要未说明完整条件、比较指标或改进幅度。
原文摘要
We propose a bootstrap method for statistics that are a function of multivariate high frequency returns such as realized regression, covariance and correlation coefficients. We show that the finite sample performance of the bootstrap is superior to the existing first-order asymptotic theory. Nevertheless, and contrary to the existing results in the bootstrap literature for regression models subject to error heteroskedasticity, the Edgeworth expansion for the pairs bootstrap that we develop here shows that this method is not second-order accurate. We argue that this is due to the fact that the conditional mean parameters of realized regression models are heterogeneous under stochastic volatility.