Estimation of common factors for microstructure noise and efficient price in a high-frequency dual factor model
高频双因子模型中微观结构噪声与有效价格共同因子的估计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：摘要直接研究高频日内收益中的有效价格与微观结构噪声双因子结构，对应高频计量和金融因子。
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
高频双因子模型中微观结构噪声与有效价格共同因子的估计
- 研究问题
- 高频日内收益同时包含有效价格和具有共同结构的微观结构噪声时，如何分别恢复二者的因子及共同成分？
- 方法与思路
- 作者为有效对数价格与微观结构噪声分别设置因子结构，提出双重主成分分析 DPCA，并构造两类因子及共同成分估计量。
- 材料陈述的贡献
- 摘要称，资产数量与采样频率共同增长时估计量一致收敛；标普五百成分股应用提供了区别于潜在系统性因子的噪声共动证据。
- 阅读关注点
- 应核对两类因子的区分条件、资产数量与采样频率的增长要求，以及 DPCA 的实现步骤和与 PCA-VECM 的比较设计。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，不能判断一致性条件或模拟比较的具体结果；噪声共动证据的外推范围及后续版本变化均未说明。
原文摘要
We develop the Double Principal Component Analysis (DPCA) based on a dual factor structure for high-frequency intraday returns contaminated with microstructure noise. The dual factor structure allows a factor structure for microstructure noise in addition to the factor structure for efficient log-prices. We construct estimators of factors for both efficient log-prices and microstructure noise as well as their common components, and provide uniform consistency of these estimators when the number of assets and the sampling frequency go to infinity. In a Monte Carlo exercise, we compare our DPCA method to a PCA-VECM method. Finally, an empirical analysis of intraday returns of S&P 500 Index constituents provides evidence of co-movement of the microstructure noise that distinguishes from latent systematic risk factors.