NONPARAMETRIC STOCHASTIC VOLATILITY
非参数随机波动率建模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：摘要直接研究价格与随机波动率动态，并使用高频加密观测估计瞬时波动率。
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
非参数随机波动率建模
- 研究问题
- 如何非参数地联合刻画收益与波动率动态，同时允许非线性漂移、扩散、杠杆效应，以及收益和波动率中的跳跃？
- 方法与思路
- 作者先通过对跳跃稳健的非参数方法估计瞬时波动率，再利用价格和估计波动率的二元过程无穷小矩，提取动态函数与参数。
- 材料陈述的贡献
- 摘要称，该方法可容纳依赖状态的跳跃强度等特征，并在高频加密与时间跨度增长的联合渐近框架下建立矩估计的一致性和弱收敛。
- 阅读关注点
- 应核对两阶段估计误差的传递、跳跃与杠杆效应的识别，以及采样频率和观察跨度的增长关系如何支撑无穷小矩估计。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断所谓温和假设的内容、带宽选择或市场微观结构噪声的处理；亦未提供有限样本表现。
原文摘要
We provide nonparametric methods for stochastic volatility modeling. Our methods allow for the joint evaluation of return and volatility dynamics with nonlinear drift and diffusion functions, nonlinear leverage effects, and jumps in returns and volatility with possibly state-dependent jump intensities, among other features. In the first stage, we identify spot volatility by virtue of jump-robust nonparametric estimates. Using observed prices and estimated spot volatilities, the second stage extracts the functions and parameters driving price and volatility dynamics from nonparametric estimates of the bivariate process’ infinitesimal moments . For these infinitesimal moment estimates, we report an asymptotic theory relying on joint in-fill and long-span arguments which yields consistency and weak convergence under mild assumptions.