高频数据中的跳跃波动检测方法比较.docxVIP

高频数据中的跳跃波动检测方法比较

一、引言

随着金融市场、物联网、工业监测等领域数据采集技术的飞速发展，高频数据的应用场景日益广泛。以金融市场为例，逐笔交易数据的采样频率可达每秒数十次，相较于低频数据，它能更精准地捕捉市场的微观动态与瞬时变化。然而，高频数据中普遍存在的跳跃波动现象——即由突发信息、大额交易或外部冲击引发的变量值大幅离散变动——给数据分析与决策带来了挑战：忽略跳跃会导致波动率估计偏差，进而影响风险管控、投资策略制定的准确性（Andersen和Bollerslev，某年）。目前学界与业界已提出多种跳跃波动检测方法，但不同方法在性能、适用场景、抗干扰能力上存在显著差异。因此，系统梳理并比较各类检测方法的原理、特点与适用边界，对于提升高频数据分析的可靠性具有重要的现实意义。

二、高频数据跳跃波动的理论基础

（一）跳跃波动的定义与成因

在连续时间分析框架下，高频数据（如资产价格）的生成过程通常可分解为连续扩散与离散跳跃两部分：连续扩散部分反映变量的正常波动，由市场的渐进性信息驱动；跳跃部分则是由突发、非预期信息引发的离散式变动，具有幅度大、突发性强的特征（Cont和Tankov，某年）。

从成因来看，跳跃波动可分为三类：一是宏观层面的外部冲击，如突发政策发布、重大经济数据公布、地缘政治事件等，这类冲击往往引发市场整体的大幅跳跃；二是微观层面的个体事件，如上市公司财报超预期、