On-line detection of changes in the shape of intraday volatility curves
日内波动率曲线形状变化的在线检测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：摘要直接从日内价格观测估计波动率曲线并检测其变化，因此最贴近金融波动率与高频计量两个方向。
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…
日内波动率曲线形状变化的在线检测
- 研究问题
- 如何利用持续到来的日内价格观测，在线发现平均日内波动率曲线形状的不稳定，并控制检测的大小与功效？
- 方法与思路
- 作者在半鞅框架下用局部区块非参数估计波动率，再序贯追踪曲线估计的运行均值变化，并建立弱不变原理。
- 材料陈述的贡献
- 摘要称，强混合条件下的弱不变原理支持检测器的渐近大小与功效分析，模拟和实证显示良好的有限样本表现。
- 阅读关注点
- 应核对局部窗口缩小速率、强混合条件、监测阈值及变化备择，并考察形状变化与整体波动水平变化的区分。
- 阅读边界
- 摘要未说明阈值校准、检测延迟或实证市场，也未交代跳跃与观测噪声的处理；仅依据所给出版社摘要版本。
原文摘要
We devise an on-line detector for temporal instability in the shape of average intraday volatility curves under a general semimartingale setup for the price-volatility dynamics. We adopt a block-based strategy to estimate volatility nonparametrically from the intraday observations over local time windows with asymptotically shrinking size. Our detector then tracks sequential changes in running means of the intraday volatility curve estimates. Asymptotic size and power properties of the detector follow from a weak form invariance principle, which is established under the strong mixing condition aligned with our semimartingale setup. Simulation and empirical results demonstrate good finite-sample performance of the proposed detection method.