Laplace Estimator of Integrated Volatility When Sampling Times Are Endogenous
抽样时点内生时积分波动率的拉普拉斯估计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：摘要明确讨论积分波动率、高频数据、内生观测时点及市场微观结构噪声，直接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
抽样时点内生时积分波动率的拉普拉斯估计
- 研究问题
- 高频观测时点具有内生性时，如何估计积分波动率并构造可实施的区间推断，且利用时点所含信息提高精度？
- 方法与思路
- 作者使用基于拉普拉斯变换的非参数波动率估计，提出偏差校正，并建立渐近性质与可实施中心极限定理。
- 材料陈述的贡献
- 摘要称，校正估计利用时点内生性的信息缩窄置信区间，并在含内生时点及微观结构噪声的预测比较中优于多数参照估计量。
- 阅读关注点
- 阅读全文时应核对内生抽样的允许机制、偏差校正和标准误计算，并区分微观结构噪声相关结论的理论与模拟依据。
- 阅读边界
- 摘要中含微观结构噪声模型的可用性来自模拟描述；噪声下的理论条件、数据细节及预测比较设置未说明。
原文摘要
We study a class of nonparametric volatility estimators based on the Laplace transform, which are robust to the presence of the endogeneity of observation times. Asymptotic properties and feasible central limit theorems are established. In the presence of time endogeneity, our bias-corrected Laplace estimator takes advantage of the informational content of time endogeneity, which leads to narrower confidence bounds. The finite sample properties of the estimator are studied through Monte Carlo simulations. Through the simulation study, we also find that due to the presence of the kernel, Laplace estimator could be adopted in a model with microstructure noise. The performance of the Laplace estimator is compared with other commonly used estimators through forecasting exercises by employing high frequency data. We conclude that the bias-corrected Laplace estimator performs better than most estimators in terms of forecasting equity return volatility in the presence of both time endogeneity and market microstructure noise.