We formulate a continuous-time price discovery model in which the price discovery measure varies (stochastically) at daily frequency. We estimate daily measures of price discovery using a kernel-based OLS estimator instead of running separate daily VECM regressions as standard in the literature. Our method outperforms the standard daily VECM in finite samples. We illustrate our theoretical findings with 10 actively traded stocks in the U.S. from 2007 to 2013.

中文翻译：

---

连续时间设置中的价格发现

我们制定了一个连续时间的价格发现模型，在该模型中，价格发现量每天都在（随机）变化。我们使用基于内核的OLS估算器估算价格发现的每日量度，而不是按照文献中的标准运行单独的每日VECM回归。在有限样本中，我们的方法优于标准的每日VECM。我们用2007年至2013年在美国的10只活跃交易的股票说明了我们的理论发现。