"Sound and Fury": Nonlinear Functionals of Volatility Matrix in the Presence of Jump and Noise
“喧哗与骚动”：跳跃与噪声下波动率矩阵非线性泛函的推断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：摘要明确研究含噪声高频数据中的波动率矩阵泛函估计，直接对应高频计量与波动率。
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
“喧哗与骚动”：跳跃与噪声下波动率矩阵非线性泛函的推断
- 研究问题
- 当高频观测同时包含跳跃与噪声时，如何对波动率矩阵的一般非线性泛函进行非参数估计和可实施的统计推断？
- 方法与思路
- 作者结合预平均、跳跃截断和超越线性近似的非线性偏差修正，构造估计量，并建立稳定中心极限定理。
- 材料陈述的贡献
- 摘要称估计量在相应条件下可达最优收敛率，并支持可行推断，为已实现主成分分析等方法处理噪声高频数据提供基础。
- 阅读关注点
- 应核对泛函光滑性、跳跃和噪声条件、偏差修正阶数、调参规则，以及最优速率与稳定极限定理的具体适用范围。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未列出定理条件、收敛率数值或有限样本性能。
原文摘要
This paper resolves a pivotal open problem on nonparametric inference for nonlinear functionals of volatility matrix. Multiple prominent statistical tasks can be formulated as functionals of volatility matrix, yet a unified statistical theory of general nonlinear functionals based on noisy data remains challenging and elusive. Nonetheless, this paper shows it can be achieved by combining the strengths of pre-averaging, jump truncation and nonlinearity bias correction. In light of general nonlinearity, bias correction beyond linear approximation becomes necessary. Resultant estimators are nonparametric and robust over a wide spectrum of stochastic models. Moreover, the estimators can be rate-optimal and stable central limit theorems are obtained. The proposed framework lends itself conveniently to uncertainty quantification and permits fully feasible inference. With strong theoretical guarantees, this paper provides an inferential foundation for a wealth of statistical methods for noisy high-frequency data, such as realized principal component analysis, continuous-time linear regression, realized Laplace transform, generalized method of integrated moments and specification tests, hence extends current application scopes to noisy data which is more prevalent in practice.