Volatility Models for Stylized Facts of High-Frequency Financial Data
刻画高频金融数据典型事实的波动率模型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。
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：摘要明确针对高频金融数据构造波动率扩散模型，并研究 realized GARCH 结构，直接对应波动率和高频计量。
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
刻画高频金融数据典型事实的波动率模型
- 研究问题
- 如何通过波动率扩散模型同时刻画高频金融数据的波动聚集、日内 U 形和杠杆效应，并处理收益重尾下的估计？
- 方法与思路
- 作者构造日积分波动率具有非对称 realized GARCH 结构的扩散过程，并在有限 2b 阶矩下使用 Huber 回归。
- 材料陈述的贡献
- 摘要称估计量达到 n^{(1-b)/b} 的最优收敛率，其中 b∈(1,2]，并讨论 Huber 损失引起的偏差调整及渐近性质。
- 阅读关注点
- 应核对扩散模型与日积分波动率递推的联系、矩条件和“最优”的比较范围，以及 Huber 阈值与偏差修正方式。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未列完整正则条件，也未提供经验拟合或预测比较。
原文摘要
This paper introduces novel volatility diffusion models to account for the stylized facts of high-frequency financial data such as volatility clustering, intra-day U-shape, and leverage effect. For example, the daily integrated volatility of the proposed volatility process has a realized GARCH structure with an asymmetric effect on log-returns. To further explain the heavy-tailedness of the financial data, we assume that the log-returns have a finite $2b$-th moment for $b \in (1,2]$. Then, we propose a Huber regression estimator which has an optimal convergence rate of $n^{(1-b)/b}$. We also discuss how to adjust bias coming from Huber loss and show its asymptotic properties.