Dependent microstructure noise and integrated volatility estimation from high-frequency data
相依微观结构噪声与高频数据的积分波动率估计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：摘要明确使用高频价格数据，研究微观结构噪声及有效价格的积分波动率估计。
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…
相依微观结构噪声与高频数据的积分波动率估计
- 研究问题
- 高频价格中的微观结构噪声存在相依性时，如何估计噪声动态与有效价格的积分波动率，并减少有限样本偏差？
- 方法与思路
- 作者用已实现波动率的变体估计噪声方差和自协方差，再调整预平均方法估计积分波动率，并采用多步偏差修正。
- 材料陈述的贡献
- 摘要称，积分波动率估计量以 n 的四分之一次方速度稳定收敛至混合高斯分布，且多步修正改善了模拟与应用表现。
- 阅读关注点
- 应核对噪声相依范围、有效价格与噪声的关系、预平均调节方式，以及偏差修正和混合高斯推断的实施条件。
- 阅读边界
- 仅据所给出版社摘要，不能认为方法允许任意噪声相依形式；最优速度的适用条件、修正细节和实证数值未说明。
原文摘要
In this paper, we develop econometric tools to analyze the integrated volatility (IV) of the efficient price and the dynamic properties of microstructure noise in high-frequency data under general dependent noise. We first develop consistent estimators of the variance and autocovariances of noise using a variant of realized volatility. Next, we employ these estimators to adapt the pre-averaging method and derive consistent estimators of the IV, which converge stably to a mixed Gaussian distribution at the optimal rate n1∕4. To improve the finite sample performance, we propose a multi-step approach that corrects the finite sample bias, which turns out to be crucial in applications. Our extensive simulation studies demonstrate the excellent performance of our multi-step estimators. In an empirical study, we analyze the dependence structures of microstructure noise and provide intuitive economic interpretations; we also illustrate the importance of accounting for both the serial dependence in noise and the finite sample bias when estimating IV.