Efficient Volatility Estimation for Lévy Processes with Jumps of Unbounded Variation
具有无界变差跳跃的 Lévy 过程的有效波动率估计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。
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：摘要明确使用高频观测估计跳跃过程连续成分的二次变差，并构造截断已实现量，因此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…
具有无界变差跳跃的 Lévy 过程的有效波动率估计
- 研究问题
- 当高频观测中的跳跃具有无界变差时，如何估计连续成分的二次变差，并在相应模型范围内保持收敛速度与方差效率？
- 方法与思路
- 作者推导 Lévy 过程截断矩的高阶展开，对截断已实现二次变差实施两步去偏，处理小跳类似稳定过程且指数小于 8/5 的情形。
- 材料陈述的贡献
- 摘要称，所构造估计量在指定过程类中具有速度和方差效率，蒙特卡洛实验中优于理论框架覆盖范围内的其他有效方法。
- 阅读关注点
- 阅读时应核对小跳结构与指数限制、截断阈值选择、两步去偏的误差控制，以及效率基准和模拟所覆盖的参数区域。
- 阅读边界
- 所用版本为 arXiv 预印本，同行评审及期刊接收未核验；结论限于摘要所述过程类，未说明噪声等扩展情形或具体比较数值。
原文摘要
Statistical inference for stochastic processes based on high-frequency observations has been an active research area for more than a decade. One of the most well-known and widely studied problems is that of estimation of the quadratic variation of the continuous component of an Itô semimartingale with jumps. Several rate- and variance-efficient estimators have been proposed in the literature when the jump component is of bounded variation. However, to date, very few methods can deal with jumps of unbounded variation. By developing new high-order expansions of the truncated moments of a Lévy process, we construct a new rate- and variance-efficient estimator for a class of Lévy processes of unbounded variation, whose small jumps behave like those of a stable Lévy process with Blumenthal-Getoor index less than $8/5$. The proposed method is based on a two-step debiasing procedure for the truncated realized quadratic variation of the process. Our Monte Carlo experiments indicate that the method outperforms other efficient alternatives in the literature in the setting covered by our theoretical framework.