Modified weighted power variations of the Hermite process and applications to integrated volatility
Hermite 过程的修正加权幂变差及其在积分波动率估计中的应用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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确将幂变差极限定理用于积分波动率估计，直接对应波动率方向，但未说明具体金融市场或高频数据应用。
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…
Hermite 过程的修正加权幂变差及其在积分波动率估计中的应用
- 研究问题
- 任意阶 Hermite 过程的加权幂变差如何获得中心极限定理，并用于在非高斯驱动模型中构造渐近高斯的积分波动率估计量？
- 方法与思路
- 作者选择适当的“良好”增量，将其分解为占主导的独立成分，再用 Stein–Malliavin 方法研究加权幂变差，并推导波动率估计。
- 材料陈述的贡献
- 摘要称将修正二次变差及小波变差结果推广至一般幂次和加权情形，给出 Wasserstein 距离界，并构造渐近高斯的积分波动率估计量。
- 阅读关注点
- 应核对增量筛选规则、权重与幂次的允许范围、极限定理所需条件，以及波动率估计如何处理非高斯驱动和实际采样设计。
- 阅读边界
- 所据为 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明具体正则条件、收敛速度及模拟中的误差数值。
原文摘要
We study the asymptotic behaviour of modified weighted power variations of the Hermite process of arbitrary order. By selecting suitable "good" increments and exploiting their decomposition into dominant independent components, we establish a central limit theorem for weighted $p$-variations using tools from Stein-Malliavin calculus. Our results extend previous works on modified quadratic and wavelet-based variations to general powers and to weighted settings, with explicit bounds in Wasserstein distance. We further apply these limit theorems to construct asymptotically Gaussian estimators of integrated volatility in Hermite-driven models, thereby extending fBm-based methods to non-Gaussian settings. The last part of our work contains numerical simulations which illustrate the practical performance of the proposed estimators.