高频数据下已实现波动率的估计与预测模型.docxVIP

高频数据下已实现波动率的估计与预测模型

一、引言

金融市场中，波动率是衡量资产收益率波动程度的核心指标，在资产定价、风险管理、投资组合优化等领域都发挥着基础性作用。长期以来，学界和业界主要依赖低频日度数据，通过自回归条件异方差模型、广义自回归条件异方差模型等参数化方法拟合波动率，这类方法将波动率视为不可直接观测的潜变量，仅能利用有限的日度收益率信息，估计精度和时效性都存在明显局限（博勒斯莱文，1986）。随着电子交易技术的快速发展，逐笔、秒级、分钟级等高频交易数据的获取成本大幅降低，一种基于高频数据的非参数波动率度量方法——已实现波动率逐渐兴起。该方法直接利用日内高频价格数据计算波动率，能够充分挖掘市场交易中的丰富信息，估计精度远高于传统低频度量方式，很快成为金融计量领域的研究热点（安德森等，2001）。本文将从已实现波动率的核心内涵出发，系统梳理其估计模型的演进脉络与预测模型的体系构成，探讨实践应用场景与未来优化方向，为相关研究和市场实践提供参考。

二、已实现波动率的核心内涵与估计偏差来源

（一）已实现波动率的理论基础与核心特征

波动率的本质是资产收益率的不确定性，传统框架下它被视为无法直接观测的潜在变量，需要通过参数模型从低频收益率中拟合得到。而已实现波动率的核心思路，是通过累加特定时间段内所有高频小幅收益率的平方值，直接得到该时间段的波动率估计量。从理论层面看，当采样频率无限