Nonparametric Test for Rough Volatility
粗糙波动率的非参数检验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：摘要直接检验资产波动率的路径粗糙性，并使用高频收益估计瞬时波动率，同时处理市场微观结构噪声。
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
粗糙波动率的非参数检验
- 研究问题
- 如何利用高频资产收益数据，检验波动率属于具有有限二次变差的标准半鞅过程，还是具有无限二次变差的粗糙过程？
- 方法与思路
- 作者以瞬时波动率估计值增量的样本自协方差构造统计量，并利用半鞅原假设下的可行中心极限定理进行检验。
- 材料陈述的贡献
- 摘要称检验具有固定渐近显著性水平和趋于一的功效，对任意活动度跳跃及市场微观结构噪声稳健，并报告粗糙性证据。
- 阅读关注点
- 应核对粗糙性与高频负自相关等价关系的适用条件，以及波动率估计窗口、噪声处理和可行方差估计的要求。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要。数据生成条件、备择范围与有限样本误差未说明，负自相关判据不能脱离模型条件使用。
原文摘要
We develop a nonparametric test for deciding whether volatility of an asset follows a standard semimartingale process, with paths of finite quadratic variation, or a rough process with paths of infinite quadratic variation. The test uses the fact that volatility is rough if and only if volatility increments are negatively autocorrelated at high frequencies. It is based on the sample autocovariance of increments of spot volatility estimates computed from high-frequency asset return data. By showing a feasible CLT for this statistic under the null hypothesis of semimartingale volatility paths, we construct a test with fixed asymptotic size and an asymptotic power equal to one. The test is derived under very general conditions for the data-generating process. In particular, it is robust to jumps with arbitrary activity and to the presence of market microstructure noise. In an application of the test to high-frequency financial data, we find evidence for rough volatility. Supplementary materials for this article are available online, including a standardized description of the materials available for reproducing the work.