The Observed Asymptotic Variance: Hard edges, and a regression approach
The Observed Asymptotic Variance: Hard edges, and a regression approach
复制标题
观察到的渐近方差：硬边和回归方法
DOI：
10.1016/j.jeconom.2020.07.008
复制
发表时间：
2021
影响因子：
6.3
通讯作者：
Zhang, Lan
中科院分区：
文献类型：
--
作者：
Mykland, Per A.;Zhang, Lan
高频金融数据已成为数字经济的重要组成部分，产生了越来越多的估计者。然而，很难可靠地评估这些估计者的不确定性。观测渐近方差是高频数据标准差的非参数估计。在似然理论中，该设备与观测信息有关，但在这种情况下，它是非参数的，并使用高频数据结构。早些时候的一篇论文已经在边缘效应为小到中等的情况下开发了估计器。在实际数据中，假设边缘效应可能很大往往更现实，这是我们在当前论文中解决的问题。我们在这里找到了一种对观测到的AVAR进行回归的方法，该方法对大边缘具有高度的鲁棒性。这种方法覆盖了大多数高频估计器。
High frequency financial data has become an essential component of the digital economy, yielding an increasing number of estimators. However, it is hard to reliably assess the uncertainty of such estimators. The Observed Asymptotic Variance (observed AVAR) is a non-parametric estimator for (squared) standard error in high frequency data. The device is related to observed information in likelihood theory, but in this case it is non-parametric and uses the high-frequency data structure. An earlier paper has developed the estimator in the case where edge effects are small to moderate. In practical data, it is often more realistic to assume that edge effects can be large, and this is the problem that we tackle in the current paper. We here find a regression approach to observed AVAR which is highly robust to large edges. This approach covers most high frequency estimators.
登录
查看更多内容
DOI：
10.2139/ssrn.2475620
发表时间：
2016-09
期刊：
Capital Markets: Market Microstructure eJournal
影响因子：
--
作者：
P. Mykland;Lan Zhang
通讯作者：
P. Mykland;Lan Zhang
影响因子：
0.8
作者：
T. Andersen;Dobrislav Dobrev;E. Schaumburg
通讯作者：
E. Schaumburg
多维高频数据推理及其在条件独立性测试中的应用
DOI：
--
发表时间：
2016
期刊：
影响因子：
--
作者：
M. Bibinger;P. Mykland
通讯作者：
P. Mykland
桥下的五个巨魔：异步和噪声高频数据的主成分分析
影响因子：
3.7
作者：
Chen, Dachuan;Mykland, Per A.;Zhang, Lan
通讯作者：
Zhang, Lan