Efficient estimation of bid–ask spreads from open, high, low, and close prices
利用开盘、最高、最低与收盘价格高效估计买卖价差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：摘要研究价差测量与离散价格观察，未明确高频采样设定，所列细分中缺少直接对应的市场微观结构类别。
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…
利用开盘、最高、最低与收盘价格高效估计买卖价差
- 研究问题
- 在交易不频繁时，如何减轻常用买卖价差估计量的向下偏差，并充分利用开盘、最高、最低与收盘价格的信息？
- 方法与思路
- 作者考虑价格被离散观察的特点，推导有效买卖价差的渐近无偏估计量，再通过最小化估计方差进行最优组合。
- 材料陈述的贡献
- 摘要称，理论分析、数值模拟和实证评价支持组合估计量优于其他基于成交价的估计量，并为价差测量提供新认识。
- 阅读关注点
- 应核对离散价格观察模型、渐近无偏所需条件、最优组合权重的估计，以及优势比较覆盖的交易频率与评价指标。
- 阅读边界
- 摘要未说明采样频率、具体渐近框架和比较结果；作者所述优势需结合模型条件判断，不能直接推广到所有市场与交易机制。
原文摘要
Popular bid–ask spread estimators are downward biased when trading is infrequent. Moreover, they consider only a subset of open, high, low, and close prices and neglect potentially useful information to improve the spread estimate. By accounting for discretely observed prices, this paper derives asymptotically unbiased estimators of the effective bid–ask spread. Moreover, we combine them optimally to minimize the estimation variance and obtain an efficient estimator. Through theoretical analyses, numerical simulations, and empirical evaluations, we show that our efficient estimator dominates other estimators from transaction prices, yields novel insights for measuring bid–ask spreads, and has broad applicability in empirical finance.