滞后因素与高频波动性估计
统计理论
2026-04-07 v3 统计理论
摘要
本文提出一种价格滞后因素模型,以考虑资产之间普遍存在的市场摩擦并纳入相关协变量。使用大型面板高频数据,我们推导回归系数、非平稳因素及其载荷参数的最大似然估计。这些估计恢复时间变化的价格滞后概率。我们发展了当维数d和抽样频率n均趋于无穷时的渐近理论。通过局部主成分分析(LPCA)方法,我们发现有效价格共波动性(系统性和idiosyncratic)由于滞后因素的存在向下偏低。我们提供针对spot和integrated systematic以及idiosyncratic共波动性的偏差校正估计,并证明这些估计对数据滞后具有鲁棒性。有趣的是,除了与维数d的依赖外,integrated plug-in估计在无需校正项的情况下以n^{-1/2}的速率收敛,而局部PCA估计则以较慢的n^{-1/4}速率收敛。这验证了通过最大似然估计实现的非线性、非平稳因子分析所达到的聚合效率。数值实验证实了我们的理论发现。实证上,我们展示了滞后因素对横截面风险溢价具有独特的解释性,并且滞后校正减少了样本外投资组合风险。
引用
@article{arxiv.2410.07607,
title = {Staleness Factors and Volatility Estimation at High Frequencies},
author = {Xinbing Kong and Bin Wu and Wuyi Ye},
journal= {arXiv preprint arXiv:2410.07607},
year = {2026}
}