高频数据下波动率预测的HAR模型扩展.docxVIP

高频数据下波动率预测的HAR模型扩展

一、引言

随着金融交易技术的快速迭代，全球金融市场已进入高频数据时代，毫秒级的交易报价、成交数据等高频信息持续涌现，为市场微观结构研究和波动率预测提供了更丰富的数据源。波动率作为衡量金融资产价格波动程度的核心指标，是风险计量、资产定价、期权交易等金融活动的关键基础参数（Andersen等，2001）。传统的波动率预测模型如GARCH类模型，因依赖低频数据且难以捕捉波动率的长记忆性，在处理高频数据时存在明显局限。

异质性自回归（HAR）模型由Corsi（2009）提出，其基于异质性市场假说，将波动率分解为短期、中期、长期三个期限的滞后成分，通过简单的线性回归