Least Squares Inference on Integrated Volatility and the Relationship Between Efficient Prices and Noise
积分波动率及有效价格与噪声关系的最小二乘推断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：摘要直接讨论日内收益、已实现方差、积分方差及市场微观结构噪声，对应波动率与高频计量。
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
积分波动率及有效价格与噪声关系的最小二乘推断
- 研究问题
- 如何利用日内收益平方和，同时估计积分方差、噪声矩及价格与噪声的关系，并刻画成交与报价数据的噪声特征？
- 方法与思路
- 作者从已实现方差的期望构造最小二乘回归，使其适应噪声过程的假设，并在独立同分布噪声下分析相关估计量的渐近性质。
- 材料陈述的贡献
- 摘要称，推导独立同分布噪声下相关估计量的渐近方差并证明一致性，同时发现成交与报价数据的噪声特征存在明显差异。
- 阅读关注点
- 应核对回归的构造、噪声与价格依赖的允许范围、一致性与渐近方差所需条件，以及成交和报价数据比较的样本与检验。
- 阅读边界
- 仅据出版社摘要，无法判断不同噪声设定下的适用范围与有限样本表现；部分数学符号缺失，具体参数与公式须核对全文。
原文摘要
The expected value of sums of squared intraday returns (realized variance) gives rise to a least squares regression which adapts itself to the assumptions of the noise process and allows for joint inference on integrated variance (), noise moments, and price-noise relations. In the iid noise case, we derive the asymptotic variance of the and noise variance estimators and show that they are consistent. The joint estimation approach is particularly attractive as it reveals important characteristics of the noise process which can be related to liquidity and market efficiency. The analysis of dependence between the price and noise processes provides an often missing link to market microstructure theory. We find substantial differences in the noise characteristics of trade and quote data arising from the effect of distinct market microstructure frictions. This article has supplementary material online.