Nonparametric estimation for high-frequency data incorporating trading information
结合交易信息的高频数据非参数估计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：摘要直接研究高频价格中的微观结构噪声、跳跃与交易信息，并构造积分波动率估计量，明确对应高频计量和波动率。
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
结合交易信息的高频数据非参数估计
- 研究问题
- 当市场微观结构噪声由交易信息的未知函数及额外残余噪声组成时，如何估计可解释噪声部分，并据此改进积分波动率估计？
- 方法与思路
- 作者非参数估计交易信息解释的噪声部分，允许信息依赖和有效价格的无限变差跳跃，再以去除此部分噪声的价格构造两步 Laplace 估计。
- 材料陈述的贡献
- 摘要称，建立了所提估计量的收敛性与渐近正态性；模拟显示对函数形式误设较稳健，实证中表现优于所比较的常用参数方法。
- 阅读关注点
- 应核对噪声函数的识别条件、交易信息依赖及跳跃限制，以及第一步估计误差如何传递到两步积分波动率估计与推断。
- 阅读边界
- 仅据所给出版社摘要；非参数平滑条件、比较指标和实证设置未说明，作者报告的稳健性与优势不能推广到所有高频市场或其他版本。
原文摘要
We propose nonparametric estimators for the explicative part of the noise in a model where the market microstructure noise is an unknown function of the trading information while allowing for the presence of an additional residual noise component. Our method allows for dependence in the observable trading information and accommodates the presence of infinite variation jumps in the efficient price process. We establish the convergence and asymptotic normality of the proposed estimators. We also propose a two-step Laplace estimator of integrated volatility where we replace the observed price with the estimated price by removing the explicative part of the market microstructure noise. The finite sample properties of both the nonparametric estimators and the two-step Laplace estimator are examined through Monte Carlo simulations. We find that our method is robust to misspecification of the unknown functional form given finite sample size. Furthermore, an empirical application using high-frequency data demonstrates that our method outperforms commonly employed parametric methods.