李 航 何 枫

（北京科技大学 东凌经济管理学院 北京 100083）

一、引言

金融资产波动率的预测是现代金融理论的核心内容之一，其估计和预测的准确性对于衍生品定价、风险管理、最优投组合选择等具有重要的意义。由于金融资产内部真实的波动率无法准确的观察到[1]，因此，对于真实波动率的估计和预测吸引了越来越多学者和金融从业者的研究兴趣。在早期关于波动率的研究中，波动率的预测都是基于金融资产的低频数据，但低频数据无法捕捉金融市场稍纵即逝的交易信息的影响。随着计算机处理和存储技术的发展，使得基于高频数据估计金融资产的波动率成为可能。研究发现，相对于低频数据，高频数据能够迅速高效地捕捉交易信息，显著地提高波动率估计和预测的效率。基于此，Andersen和Bollerslev[2]提出了已实现波动率的概念，并指出相对于低频波动率而言，已实现波动率能够显著降低波动率估计过程中存在的误差和噪声。虽然，在实践过程中金融资产的价格由于报价机制等因素的影响并不是连续变化的，但 Mentro[3]、Andersen 等[4]、Barndorff-Nielsen[5]从理论方面证实了已实现波动率的极限在一定条件下为积分波动率，进而指出基于日内离散数据计算的已实现波动率是真实波动率的无偏一致估计。理论上而言，随着所选交易数据频率的提高，所估计的已实现波动率将越接近于真实波动率。但大量文献研究指出，由于买卖报价差、不同步交易、流动性效应及闭市效应等因素的存在导致高频数据受到微观结构噪声和季节效应的影响，进而导致日内高频收益率之间存在自相关。……