Integrated variance estimation for assets traded in multiple venues
多交易场所资产的积分方差估计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：摘要直接使用日内价格收益估计资产积分方差与已实现方差，明确对应高频计量和波动率方向。
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
多交易场所资产的积分方差估计
- 研究问题
- 同一资产在多个交易场所形成价格序列时，如何利用共同价格信息估计有效价格及积分方差，并改善单序列估计？
- 方法与思路
- 作者用向量误差修正模型及共同趋势表示估计有效价格，再累加其日内收益平方构造已实现方差，并推导渐近分布。
- 材料陈述的贡献
- 摘要称，估计有效价格具有鞅性质，所得方差估计无偏且有效；至少两个场所充分参与价格发现时，应用表现优于单变量方法。
- 阅读关注点
- 应核对共同趋势和鞅性质所需条件、价格同步及观测误差处理，以及场所价格发现贡献与效率比较的具体定义。
- 阅读边界
- 仅据所给 OpenAlex 摘要，未核对全文或其他版本；模型条件和比较数值未说明，性能优势取决于多场所的价格发现贡献。
原文摘要
In this paper, we show that the availability of multiple price series for the same asset can be exploited to estimate its integrated variance. We use a vector error correction model for those prices and its common trend representation to estimate the efficient price of the asset. Because the estimated efficient price satisfies the martingale property, we can then compute the sum of its squared intra-day returns to obtain an unbiased and efficient realized variance estimator. We derive the asymptotic distribution of the proposed estimator and provide extensive simulation experiments. An application to spot and futures prices as well as cross-listed stocks shows that this approach outperforms univariate estimators if at least two venues contribute substantially to the price discovery process.