高频数据下的已实现波动率测度与预测.docxVIP

高频数据下的已实现波动率测度与预测

一、引言

波动率是金融市场最核心的变量之一，无论是资产定价、投资组合构建、衍生品估值，还是市场风险监测与监管，都离不开对波动率的准确估计与预测。在高频数据普及之前，学界和业界主要依赖日度甚至更低频率的收益率数据，通过参数化模型估计波动率，其中最具代表性的就是广义自回归条件异方差类模型与随机波动率模型。这类模型基于特定的统计假设刻画波动率的动态变化，虽然在一定程度上能够反映波动率的聚集性特征，但由于低频数据包含的市场信息有限，无法捕捉日内交易中的波动细节，且模型估计结果高度依赖参数假设的合理性，在市场环境发生变化时容易出现较大偏差。

随着金融信息技术的快速发展，分钟级、逐笔级的高频交易数据逐渐可获得，基于高频数据的已实现波动率方法应运而生。与传统低频波动率估计不同，已实现波动率直接利用日内收益率的波动信息计算得到，不需要复杂的参数假设，能够更精准地刻画真实的波动水平，因此迅速成为金融计量领域的研究热点。过去二十余年间，围绕已实现波动率的测度优化与预测模型构建，学界已经积累了大量研究成果，相关方法也被广泛应用于风险管理、资产配置等实践领域。本文将系统梳理已实现波动率的理论内涵与测度方法演进，总结主流的波动率预测框架与实证进展，分析当前研究面临的现实挑战，并对未来的发展方向进行展望，以期为相关领域的研究与实践提供参考。

二、已实现波动率的核心内涵与测度