×
孔新兵;林金冠;刘广英

具有大维高频数据的系统性和特殊性波动的渐近性。 （英语） Zbl 1456.62172号

随机矩阵理论应用。 9，第3号，文章ID 2050007，23 p.（2020）.
小结：在本文中，我们将扩散过程的波动性分解为系统性和特质性成分，这些成分不能用单变量过程离散采样的观测值识别。利用大维高频数据并假设因子结构，我们获得了系统波动率过程和特殊波动率过程的拉普拉斯变换的一致估计。基于系统和非系统波动过程对的已实现的二元拉普拉斯变换与两个边际拉普拉斯转换的乘积之间的差异，我们提出了波动过程两个分量的Kolmogorov-Smirnov型独立性检验统计量。在系统波动率和特质波动率独立的零假设下，建立了差异的函数中心极限定理。极限高斯过程是通过模拟离散骨架过程实现的，该过程可用于定义独立性测试的近似临界区域。

理学硕士：

62米05 马尔可夫过程：估计；隐马尔可夫模型
6220国集团 非参数推理的渐近性质
62甲12 多元分析中的估计
60J76型 一般状态空间上的跳跃过程
6020万 广义随机过程

关键词：

高维Itóprocess;系统波动性;特殊波动性;实现的拉普拉斯变换
PDF格式BibTeX公司 XML格式引用
\textit{X.-B.Kong}等人，《随机矩阵理论应用》。9，第3号，文章ID 2050007，23 p.（2020；Zbl 1456.62172）
全文： 内政部

参考文献：

[1] Aít-Sahalia，Y.和Xiu，D.，高频数据的主成分分析，J.Amer。统计人员。协会114（2019）287-303·Zbl 1478.62150号
[2] Aít-Sahalia，Y.和Xiu，D.，《利用主成分分析估计高频数据的高维因子模型》，J.Econ.201（2017）384-399·Zbl 1377.62148号
[3] Bai，J.，《大维度因子模型的推理理论》，《计量经济学》71（2003）135-171·兹比尔1136.62354
[4] Bai，J.和Ng，S.，《确定近似因子模型中的因子数》，《计量经济学》70（2002）191-221·兹比尔1103.91399
[5] Barndorff-Nielsen，O.E.，Hansen，P.R.，Lunde，A.和Shephard，N.，《设计实现的核函数以测量噪声存在下股票价格的事后变化》，《计量经济学》76（2008）1481-1536·Zbl 1153.91416号
[6] Chamberlain，G.和Rothschild，M.，《大型资产市场的套利、因子结构和均值-方差分析》，《计量经济学》51（1983）1281-1304·Zbl 0523.90017号
[7] Fan，J.、Fan，Y.和Lv，J.，使用因子模型进行高维协方差矩阵估计，J.Econ.147（2008）186-197·Zbl 1429.62185号
[8] Fan，J.、Furger，A.和Xiu，D.，《将全球行业分类标准纳入投资组合配置：一种基于简单因子的高频数据大协方差矩阵估计器》，J.Business Econ。统计34（2016）489-503。
[9] Fan，J.，Han，X.和Gu，W.，任意协方差依赖下虚假发现率的控制，J.Amer。统计人员。协会107（2012）1019-1045·Zbl 1395.62219号
[10] Fan，J.，Liao，Y.和Mincheva，M.，通过阈值化主正交补码进行大协方差估计，J.Roy。统计人员。Soc.序列号。B75（2013）603-680·Zbl 1411.62138号
[11] Kong，X.B.，关于高频数据的常见因素数量，Biometrika104（2017）397-410·兹比尔1506.62325
[12] Kong，X.B.，《关于大面板高频数据的综合系统和特殊波动性》，《Ann.Statist.46（2018）1077-1108》·Zbl 1450.62103号
[13] Kong，X.B.和Liu，C.，用大面板高频数据对恒定因子载荷矩阵进行测试，J.Econ.204（2018）301-319·Zbl 1452.62312号
[14] Kong，X.B.，Liu，Z.和Jing，B.Y.，《高频数据纯跳跃过程的测试》，《统计年鉴》43（2015）847-877·Zbl 1312.62101号
[15] Kryzhniy，V.，实值拉普拉斯变换反演的直接正则化，《反问题》19（2003）573-583·Zbl 1024.65125号
[16] Li，J.，Todorov，V.和Tauchen，G.，通过正则化拉普拉斯反演估算波动率占用时间，经济学。Theory32（2016）1253-1288·Zbl 1441.62796号
[17] Liu，C.和Tang，C.Y.，用状态空间模型方法结合高频数据进行协方差矩阵估计，Statist。接口6（2013）463-475·Zbl 1326.62122号
[18] Liu，C.和Tang，C.Y.，《高频数据协方差矩阵的拟最大似然法》，J.Econ.180（2014）217-232·Zbl 1293.91196号
[19] Liu，Z.，Xia，X.和Zhou，G.，含噪声和异步高频数据的高维综合协方差矩阵的预平均估计，随机矩阵：理论应用7（2018）1850005·Zbl 1395.62324号
[20] Pelger，M.，《基于高频观察的大维度因子建模》，J.Econ.208（2019）23-42·Zbl 1452.62786号
[21] Todorov，V.和Tauchen，G.，用于跳跃扩散中非参数波动率密度估计的逆实现拉普拉斯变换，J.Amer。统计人员。协会107（2012）622-635·兹比尔1261.62032
[22] Todorov，V.和Tauchen，G.，实现的波动率拉普拉斯变换，《计量经济学》80（2012）1105-1127·Zbl 1274.91344号
[23] Wang，Y.和Zou，J.，高频金融数据的巨大波动矩阵估计，《统计年鉴》38（2010）943-978·Zbl 1183.62184号
[24] Xia，N.和Zheng，X.，《基于高频噪声观测的高维协方差矩阵谱分布推断》，《统计年鉴》46（2018）500-525·Zbl 1486.62166号
[25] Xiu，D.，《高频数据波动性的准最大似然估计》，J.Econ.159（2010）235-250·Zbl 1431.62485号
[26] Zheng，X.和Li，Y.，关于高维扩散过程的积分协方差矩阵的估计，《统计年鉴》39（2011）3121-3151·Zbl 1246.62182号
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不声称其完整性或完全匹配。