高频数据波动率估计的已实现测度.docxVIP

高频数据波动率估计的已实现测度

一、引言

金融市场的波动率是衡量资产价格不确定性的核心指标，贯穿于资产定价、风险管理、投资组合构建、政策效果评估等金融活动的全流程。与可直接观测的资产价格、收益率不同，波动率本身是一个潜在的、无法直接观测的变量，如何准确估计波动率一直是金融计量领域长盛不衰的核心议题。在高频交易数据普及之前，学术界与实务界对波动率的估计大多依赖日度、周度甚至月度等低频交易数据，或是通过传统参数类波动模型刻画波动的动态演化特征，或是基于历史收益率的样本方差计算波动水平。这类方法虽然计算简便，但存在两个难以克服的缺陷：一是参数模型存在较强的设定偏误风险，一旦对波动演化路径的假设与现实不符，估计结果就会出现系统性偏差；二是低频数据丢弃了大量日内交易的信息，无法捕捉价格在短时间内的大幅变动，对极端风险的反应存在明显滞后。

随着电子交易系统的全面普及，逐笔成交、分钟级价格等高频数据的获取成本大幅降低，基于高频数据的波动率估计方法快速发展，其中已实现测度是目前应用最广泛、理论体系最完善的非参数波动率估计框架。早在数十年前，就有学者指出，当资产价格的采样频率足够高时，通过简单的收益率平方累加就可以得到任意高精度的波动率估计，这一思想为已实现测度的发展奠定了最初的理论基础（Merton，1980）。经过数十年的理论完善与实证检验，已实现测度已经从最初的朴素平方和估计，发展为能够处理价