Realized drift
已实现漂移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：摘要明确以高频资产价格研究漂移检测、已实现方差分解与波动率预测。
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…
已实现漂移
- 研究问题
- 在可能含微观结构噪声的高频资产价格中，如何检测漂移，并区分已实现方差中漂移与波动率的贡献？
- 方法与思路
- 作者在允许漂移和波动率爆发的 Itō 半鞅框架下，以高频已实现自协方差检测漂移，并提出方差分解。
- 材料陈述的贡献
- 摘要称，理论支持将已实现方差分解为漂移与波动率部分，并称这种分解能够显著改善波动率预测表现。
- 阅读关注点
- 应核对爆发过程的定义及其渐近尺度、漂移检测的识别依据、噪声处理方式，以及预测比较的基准和评估设计。
- 阅读边界
- 仅据 OpenAlex 所列摘要；爆发条件、预测样本和改善数值未说明，不能推广为一般价格过程中的漂移可估计性。
原文摘要
Drift and volatility are two mainsprings of asset price dynamics. While volatilities have been studied extensively in the literature, drifts are commonly believed to be impossible to estimate and largely ignored in the literature. This paper shows how to detect drift using realized autocovariance implemented on high-frequency data. We use a theoretical treatment in which the classical model for the efficient price, an Itō semimartingale possibly contaminated by microstructure noise, is enriched with drift and volatility explosions. Our theory advocates a novel decomposition for realized variance into a drift and a volatility component, which leads to significant improvements in volatility forecasting.