高频数据下的已实现波动率测度方法.docxVIP

高频数据下的已实现波动率测度方法

一、引言

波动率作为刻画金融资产价格波动程度的核心指标，是资产定价、风险管理、衍生品估值、投资策略构建等金融活动中不可或缺的基础变量。在金融市场运行过程中，波动率的变化直接反映了市场风险水平的高低，无论是机构投资者的组合风险计量，还是监管部门的市场风险监测，都需要依托准确可靠的波动率测度结果。在高频交易数据大规模可得之前，市场参与者和学界主要依托日度、周度甚至更低频率的收盘价数据开展波动率测度，或是通过参数化的时间序列模型对波动率进行估计，但这类方法受限于数据频率和模型假设的约束，普遍存在估计精度不足、反应滞后、参数设定偏误等问题，难以匹配金融市场对风险测度精准性、及时性的要求。

随着电子交易系统在全球金融市场的普及，逐笔成交、分钟级报价等高频交易数据的获取成本不断降低，基于高频数据的已实现波动率测度方法在过去二十余年间得到了快速发展。这类方法跳出了传统参数模型的约束，依托连续时间金融理论，直接通过日内高频价格变化对固定时间窗口内的波动率进行非参数估计，大幅提升了波动率测度的精度和时效性（Andersen等，2001）。本文将沿着已实现波动率方法的发展脉络，从理论基础、经典框架、现实局限、优化路径等层面系统梳理高频数据下的已实现波动率测度方法体系，厘清不同方法的适用场景与核心特征，为相关方法的实践应用提供参考。

二、已实现波动率测度的理论溯源与现实