Nonparametric Estimation of Large Spot Volatility Matrices for High-Frequency Financial Data
高频金融数据大维瞬时波动率矩阵的非参数估计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。
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：摘要直接研究高频多资产的瞬时波动率矩阵与微观结构噪声，并明确扩展至含可观测风险因子的时变因子模型。
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…
高频金融数据大维瞬时波动率矩阵的非参数估计
- 研究问题
- 如何利用多资产高频数据估计随时间变化的大维瞬时波动率矩阵，并兼顾矩阵稀疏性、微观结构噪声和可观测风险因子？
- 方法与思路
- 作者结合核平滑与广义收缩处理无噪声数据，以局部预平均降低噪声影响，并扩展到噪声协方差及时变因子模型。
- 材料陈述的贡献
- 摘要称在一致稀疏性等设定下获得一致收敛及相应速率，无噪声情形速率可比最优极小极大速率，并提供数值研究。
- 阅读关注点
- 应核对一致稀疏性的定义、维度与采样频率的增长要求、局部预平均参数选择，以及因子模型中风险因子的处理方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核验。摘要未列出完整速率或数值结果，不能据此判断实际估计误差及方法优势。
原文摘要
In this paper, we consider estimating spot/instantaneous volatility matrices of high-frequency data collected for a large number of assets. We first combine classic nonparametric kernel-based smoothing with a generalised shrinkage technique in the matrix estimation for noise-free data under a uniform sparsity assumption, a natural extension of the approximate sparsity commonly used in the literature. The uniform consistency property is derived for the proposed spot volatility matrix estimator with convergence rates comparable to the optimal minimax one. For the high-frequency data contaminated by microstructure noise, we introduce a localised pre-averaging estimation method that reduces the effective magnitude of the noise. We then use the estimation tool developed in the noise-free scenario, and derive the uniform convergence rates for the developed spot volatility matrix estimator. We further combine the kernel smoothing with the shrinkage technique to estimate the time-varying volatility matrix of the high-dimensional noise vector. In addition, we consider large spot volatility matrix estimation in time-varying factor models with observable risk factors and derive the uniform convergence property. We provide numerical studies including simulation and empirical application to examine the performance of the proposed estimation methods in finite samples.