高频数据下的已实现波动率测度比较.docxVIP

高频数据下的已实现波动率测度比较

一、引言

随着金融市场交易技术的迭代升级与信息存储能力的大幅提升，高频数据的获取与应用逐渐成为金融计量研究的核心领域之一。高频数据通常指时间间隔在分钟级甚至秒级的交易数据，相较于传统日度、周度低频数据，它包含了更为丰富的市场微观结构信息与资产价格动态变化细节，为更精准测度金融资产波动率提供了可能。波动率作为衡量金融资产价格波动程度的核心指标，是风险管理、资产定价、投资组合优化等金融实践的重要基础，因此如何利用高频数据准确测度波动率一直是学界与业界关注的重点。

已实现波动率作为基于高频数据的波动率测度方法，由Andersen与Bollerslev在20世纪末正式提出，其核心思想是通过累加高频收益率的平方来估计资产的真实波动率，打破了传统GARCH类模型依赖低频数据与参数假设的局限（AndersenBollerslev,1998）。然而，随着研究深入，学者们发现基础已实现波动率在面对高频数据中的微结构噪声、市场跳跃等问题时存在明显缺陷，因此相继提出一系列改进的已实现波动率测度方法，如已实现极差波动率、已实现双幂次变差、已实现核估计波动率等。不同测度方法在理论假设、计算逻辑与适用场景上存在显著差异，对这些方法进行系统比较分析，不仅有助于深化对高频波动率测度理论的理解，更能为金融实践中选择合适的测度工具提供科学依据。本文将围绕高频数据下的已实现波动率