A unified approach to volatility estimation in the presence of both rounding and random market microstructure noise
舍入误差与随机市场微观结构噪声并存时的统一波动率估计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：摘要直接研究市场微观结构噪声下的波动率估计，并使用股票与汇率数据，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…
关注这篇论文的作者
舍入误差与随机市场微观结构噪声并存时的统一波动率估计
- 研究问题
- 当价格舍入误差与随机加性噪声同时存在时，如何估计波动率，并改善只处理单一噪声的估计方法的偏差与收敛表现？
- 方法与思路
- 作者从两类噪声的共同特征出发，构造数据驱动的统一波动率估计方法，建立可实施的中心极限定理，并开展模拟与实证分析。
- 材料陈述的贡献
- 摘要称该方法在偏差和收敛速度方面具有优势，模拟支持其表现，股票与汇率数据应用也显示优势；具体比较结果未说明。
- 阅读关注点
- 应核对两类噪声的共同特征、并存时的模型限制、数据驱动步骤及方差估计，并检查模拟和实证中比较方法的设置。
- 阅读边界
- 仅依据所给出版社摘要，无法判断优势成立的具体条件及实际幅度；噪声依赖结构、证明细节与刊本变化均未说明。
原文摘要
Widely used volatility estimation methods mainly consider one of the following two simple microstructure noise models: random additive noise on log prices, or pure rounding errors. Apparently in real data these two types of noise co-exist. In this paper, we discover a common feature of these two types of noise and propose a unified volatility estimation approach in the presence of both rounding and random noise. Our data-driven method enjoys superior properties in terms of bias and convergence rate. We establish feasible central limit theorems and show their superior performance via simulations. Empirical studies show clear advantages of our method when applied to both stocks data and currency exchange data.