The realized copula of volatility
波动率的已实现 CopulaAI 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：摘要明确从高频资产收益估计随机波动率及其 Copula，并应用于股债期货交易数据。
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…
波动率的已实现 Copula
- 研究问题
- 如何利用高频资产收益估计不可观测随机波动率的依赖结构，并对波动率 Copula 的形状进行统计检验？
- 方法与思路
- 作者由高频收益构造局部波动率估计，再非参数估计潜在波动率的经验 Copula，研究固定及增长时间跨度下的填充渐近理论。
- 材料陈述的贡献
- 摘要称建立一致性、增长跨度下的测量误差经验过程函数中心极限定理及拟合优度检验，并在股债期货数据中报告 Gumbel 拟合。
- 阅读关注点
- 应核对局部波动率估计的窗口和采样条件、测量误差如何进入极限理论，以及经验 Copula 与时间不变边际 Copula 的区别。
- 阅读边界
- 仅据 arXiv 预印本摘要，不能确认同行评审或期刊接收；完整过程条件、微观结构噪声处理及数值未说明，拟合结论仅针对所用样本。
原文摘要
We study a new measure of codependency in the second moment of a continuous-time multivariate asset price process, which we name the realized copula of volatility. The statistic is based on local volatility estimates constructed from high-frequency asset returns and affords a nonparametric estimator of the empirical copula of the latent stochastic volatility. We show consistency of our estimator with in-fill asymptotic theory, either with a fixed or increasing time span. In the latter setting, we derive a functional central limit theorem for the empirical process associated with the measurement error of the time-invariant marginal copula of volatility. We also develop a goodness-of-fit test to evaluate hypotheses about the shape of the latter. In a simulation study, we demonstrate that our estimator is a good proxy of both the empirical and marginal copula of volatility, even with a moderate amount of high-frequency data recorded over a relatively short sample. The goodness-of-fit test is found to exhibit size control and excellent power. We implement our framework on high-frequency transaction data from futures contracts that track the U.S. equity and treasury bond market. A Gumbel copula is found to offer a near-perfect bind between the realized variance processes in these data.