跳到正文
← 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:摘要直接讨论利用高频价格估计已实现波动率,以及市场微观结构噪声的影响,因此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
Toru Yano

存在相关市场微观结构噪声时的已实现波动率状态空间模型

研究问题
当高频价格中的市场微观结构噪声既存在自相关,又与收益相关时,如何区分真实波动率与噪声对已实现波动率的影响?
方法与思路
作者扩展将已实现波动率分解为真实波动与噪声影响的状态空间模型,纳入两类噪声相关性,并开展模拟及实际数据比较。
材料陈述的贡献
摘要所述贡献是将已有状态空间分解方法拓展至相关微观结构噪声情形,并通过模拟和实际数据比较模型;未报告具体比较结果。
阅读关注点
应核对噪声自相关及其与收益相关的建模方式、潜在波动率的识别和估计,以及模拟与实证采用的比较指标和采样频率。
阅读边界
这是 arXiv 预印本,同行评审及接收状态未核实;摘要未说明噪声过程、估计条件或比较数值,不能判断扩展模型的改善幅度。

原文摘要

Volatility means the degree of variation of a stock price which is important in finance. Realized Volatility (RV) is an estimator of the volatility calculated using high-frequency observed prices. RV has lately attracted considerable attention of econometrics and mathematical finance. However, it is known that high-frequency data includes observation errors called market microstructure noise (MN). Nagakura and Watanabe[2015] proposed a state space model that resolves RV into true volatility and influence of MN. In this paper, we assume a dependent MN that autocorrelates and correlates with return as reported by Hansen and Lunde[2006] and extends the results of Nagakura and Watanabe[2015] and compare models by simulation and actual data.

笔记与分组
相关领域论文