Reading the Candlesticks: An OK Estimator for Volatility
解读 K 线：即时波动率的 OK 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：摘要明确利用高频 K 线观测估计即时波动率，并研究资产日内波动动态。
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
解读 K 线：即时波动率的 OK 估计量
- 研究问题
- 高频 K 线观测能否提高即时波动率估计的精度，并在高频渐近框架下提供可用于统计推断的误差刻画？
- 方法与思路
- 作者提出最优 K 线估计量，在加密采样渐近框架下分析偏差与方差，并通过布朗泛函耦合估计误差以构造推断。
- 材料陈述的贡献
- 摘要称，该估计量渐近无偏，并在一类线性估计量中具有最小渐近方差；理论和数值结果还支持其相对传统收益率方法的精度优势。
- 阅读关注点
- 应核对最优性对应的线性估计量类别、高频观测与价格过程假设、误差耦合的使用方式，以及精度比较的具体设计。
- 阅读边界
- 摘要未说明市场微观结构噪声、跳跃等情形的处理或精度增益数值；最优性仅限所述类别，实证展示也不构成事件因果识别。
原文摘要
Abstract We propose an Optimal candlesticK (OK) estimator for the spot volatility using high-frequency candlestick observations. Under a standard infill asymptotic setting, we show that the OK estimator is asymptotically unbiased and has minimal asymptotic variance within a class of linear estimators. Its estimation error can be coupled by a Brownian functional, which permits valid inference. Our theoretical and numerical results suggest that the proposed candlestick-based estimator is much more accurate than the conventional spot volatility estimator based on high-frequency returns. An empirical illustration documents the intraday volatility dynamics of various assets during the Fed chairman’s recent congressional testimony.