Estimating the Jump Activity Index Under Noisy Observations Using High-Frequency Data
利用含噪高频观测估计跳跃活跃指数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：摘要明确研究微观结构噪声污染的高频数据及跳跃活跃指数估计。
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
利用含噪高频观测估计跳跃活跃指数
- 研究问题
- 离散采样的半鞅受到微观结构噪声污染时，如何估计跳跃活跃指数，并避免忽略噪声造成的严重估计失真？
- 方法与思路
- 作者提出两阶段估计程序，先通过局部平滑降低噪声影响，再从平滑后的数据估计跳跃活跃指数，并研究渐近性质。
- 材料陈述的贡献
- 摘要称给出估计量的一致性与渐近正态性，用模拟评价程序表现，并在真实数据中实施估计，拓展了含噪高频分析目标。
- 阅读关注点
- 应核对半鞅跳跃结构、噪声条件、局部平滑窗口与第二阶段调参，并检查渐近标准误、有限样本偏差及真实数据处理。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明。摘要未说明噪声分布、跳跃条件或真实数据结果，不能推断任意噪声下均能有效估计。
原文摘要
It is widely accepted that the high-frequency data are contaminated by microstructure noise, whose effect on the statistical inference has been of increasing interest in the literature. Much of it, however, has focused on the integrated volatility. In this article, we investigate another important characteristic, namely, the jump activity index (JAI) of a discretely sampled semi-martingale corrupted by microstructure noise. We point out that ignoring the microstructure noise can have a disastrous effect on the estimation of the JAI. Consequently, we propose a two-stage procedure to estimate the JAI. It first reduces the effect of noise by local smoothing and then estimates the index from the smoothed data. The asymptotic properties such as consistency and asymptotic normality are given. Simulations are conducted to evaluate the performance of the procedure. Finally, we implement our estimators to some real datasets.