BUMVU estimators
一致最小方差无偏分块估计量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：摘要明确推导高频波动率泛函的分块估计方差下界，并研究金融数据漂移，直接支持高频计量和波动率分类。
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…
一致最小方差无偏分块估计量
- 研究问题
- 无偏分块估计量何时具有一致最小方差，块间协方差如何影响其精度，并能否据此改进高频波动率估计与漂移检验？
- 方法与思路
- 作者围绕块间协方差建立必要充分条件，推导固定块大小下高频波动率泛函估计的方差下界，并构造金融漂移检验。
- 材料陈述的贡献
- 摘要称理论平行于传统一致最小方差无偏估计理论，同时适用于均值变化的同方差非参数回归，漂移检验发现广泛存在漂移。
- 阅读关注点
- 应核对分块估计量类别与无偏性的定义、固定块大小下的方差下界，以及漂移检验的零假设、适用条件和有限样本表现。
- 阅读边界
- 仅据所给出版社摘要，不能量化漂移的频率或经济重要性；最小方差结论的估计量范围和检验数据细节未说明。
原文摘要
We provide necessary and sufficient conditions for an (Unbiased) Block estimator to have Uniformly Minimum Variance. Our theory parallels the theory of UMVU estimation, the main novel insight being the focus on the covariance among blocks. We use this theory to derive lower variance bounds for block estimators of functionals of high-frequency volatility when the block size is fixed. We further show the relevance of the new theory for the classical problem of estimation of homoskedastic nonparametric regressions with varying mean. Finally, we introduce a new test for the presence of drift in financial data which exploits the precision of BUMVU estimators. The test shows abundant presence of drift in financial data.