[英文文献] 高采样频率下的局部分布推断:Bootstrap方法 [推广有奖]

0关注
0粉丝

等待验证会员

学前班

还不是VIP/贵宾

威望: 0 级
论坛币: 0 个
通用积分: 0
学术水平: 0 点
热心指数: 0 点
信用等级: 0 点
经验: 10 点
帖子: 0
精华: 0
在线时间: 0 小时
注册时间: 2020-9-19
最后登录: 2020-9-19

楼主

企业品牌管理632 发表于 2004-12-11 20:40:05 |AI写论文

是否 +2 论坛币

k人参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文文献：高采样频率下的局部分布推断:Bootstrap方法
英文文献作者：Ulrich Hounyo,Rasmus T. Varneskov
英文文献摘要：
我们研究了半鞅局部创新的推理。具体地说，我们为高频创新的经验CDF构建了一个重采样程序，使用其随机尺度(波动率)的非参数估计进行标准化，并进行截断以消除“大”跳变的影响。我们的局部依赖野自举(LDWB)适应与随机尺度和跳跃相关的问题，并解释了一个特殊的块依赖结构的抽样误差。我们证明了LDWB分别从通常的经验过程和随机尺度估计复制了一阶和二阶极限理论，以及一个渐近偏差。此外，我们设计了足够普遍的LDWB，以建立它与非参数局部块自举之间的渐近等价，这里也介绍了，直到二阶分布理论。最后，我们介绍了在自举推理和不自举推理的情况下，利用ldw辅助的Kolmogorov-Smirnov检验局部高斯性和局部冯-米赛斯统计量，并利用二阶分布理论建立了它们的渐近有效性。在一个模拟研究和两个经验应用中，评估了CLT和ldwb辅助的局部高斯性测试的有限样本性能。尽管CLT测试是超大的，即使在大样本中，LDWB测试的大小是准确的，即使在小样本中。实证分析验证了这一模式，并对股票指数、商品、汇率和流行的宏观金融变量的分布特性提供了新的见解。