Abstract：
现有的金融高频数据研究,并未充分考虑微观结构噪声对波动建模和预测的影响.以非参数化方法为理论框架,基于高频数据,采用适当方法分离出波动中的微观结构噪声成份,构建了新的跳跃方差和连续样本路径方差,将已实现波动分解为连续样本路径方差、跳跃方差和微观结构噪声方差.同时考虑微观结构噪声和跳跃对波动的影响,对HAR-RV-CJ模型进行改进,提出了HAR-RV-N-CJ模型和LHAR-RV-N-CJ模型.通过上证综指高频数据进行实证,结果表明新模型在模型拟合和预测方面均优于HAR-RV-CJ模型.
Keyword：
Reprint 's Address：
Email：
Source ：
Year： 2012
Page： 635-644
Language： Chinese
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
