刘潭秋，刘再明

（1.中南大学 数学博士后流动站，湖南 长沙 410083；2.中南大学 数学科学与计算技术学院，湖南 长沙 410083）

很强的时变波动和尖峰分布是金融资产收益的两个最明显特征，也一直是研究者们试图用时间序列模型予以描述的重点.目前，广义自回归条件异方差（GARCH）模型和随机波动（SV）模型被认为是能够比较完全地抓住这两个基本实证特征最常用的模型，且后者大有替代前者的趋势.这不仅是因为SV类模型比GARCH类模型在结构上更具弹性，而且具有更好的实证表现［1－2］.为了更充分地描述高频金融资产收益序列的无条件分布明显厚尾特征，研究者们对基础SV模型进行了扩展，其中最直接的扩展是将收益的条件分布设定为具有厚尾特征的某种分布，以取代正态分布，其中最常见的选择是学生t分布.然而，这样的扩展被发现对于一些较大幅度的波动还是不能给予很好地描述，因此研究者们在SV模型中引入跳跃项来解释这些大幅度的过度运动.事实上，这种跳跃项的设定被认为源自广泛用于连续时间金融资产定价模型中的Lévy过程的一种离散化［3－4］.

国外有关跳跃SV模型的研究还没有获得一致性的实证研究结果，一个主要原因就是样本中对应于跳跃项的极端事件很少，造成相应参数的估计不准确.相对于发达国家的股票市场，我国股市是一个“政策市”，政策层面作为外生因素对股市的趋势有着最直接的影响，因此股市收益序列中可……