Asymptotic equivalence for inference on the volatility from noisy observations
含噪观测下波动率推断的渐近等价性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：摘要明确以金融高频价格的微观结构噪声为背景，研究波动率函数与积分波动率估计。
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
含噪观测下波动率推断的渐近等价性
- 研究问题
- 在含测量误差的连续鞅离散观测模型中，波动率推断能否转化为更简单的统计实验，并据此构造有效估计量？
- 方法与思路
- 作者用 Le Cam 渐近等价理论，将该非参数模型联系到涉及波动率函数平方根、具有非标准噪声水平的高斯位移实验。
- 材料陈述的贡献
- 摘要称证明两种实验渐近等价，并据此构造波动率函数的收敛率最优估计量和积分波动率的简单有效估计量。
- 阅读关注点
- 核对波动率符号的定义、测量误差与采样条件、函数光滑性要求，以及收敛率最优和效率结论所依据的界限。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明等价成立的正则条件、噪声设定或具体收敛率，不能判断有限样本表现。
原文摘要
We consider discrete-time observations of a continuous martingale under measurement error. This serves as a fundamental model for high-frequency data in finance, where an efficient price process is observed under microstructure noise. It is shown that this nonparametric model is in Le Cam’s sense asymptotically equivalent to a Gaussian shift experiment in terms of the square root of the volatility function σ and a nonstandard noise level. As an application, new rate-optimal estimators of the volatility function and simple efficient estimators of the integrated volatility are constructed.