标签： #波动率估计

把日内价格采样越密，波动率估计越准？恰恰相反——朴素实现波动率（RV）会随采样加密而爆炸，因为它把买卖价差跳动、价格离散、报价错配这些微观结构噪声当成了真波动。本文用纯 numpy 从零实现实现核（Realized Kernel）与预平均（Pre-averaging）两套抗噪估计器，用波动率信号图展示 RV 如何从 21% 爆到 276%，再验证实现核如何把 60 天的 RMSE 从 21% 压到 2.6%，并诚实拆穿噪声结构假设/带宽选择/跳跃污染/流动性错配/端点效应五类真实陷阱（中阶）。

你的回测夏普被一个乌龙指撑高了？你的协方差矩阵被一次闪崩撑爆了？经典均值-方差模型在遇到极端值时像纸糊的。本文用真实合成数据证明:中位数+MAD 把被离群值撑大的波动率从 2.08× 拉回 0.95×,稳健相关把被摧毁的 0.24 拉回真实 0.60 附近,并给出可直接落地的 Python 实现与五类真实陷阱(中阶)。

高频已实现方差被买卖价差、离散撮合等微观结构噪声系统性高估。Zhang-Mykland-Aït-Sahalia(2005) 两尺度已实现方差(TSRV)用子采样把噪声方差线性分离出来、外推到 K→∞ 得到无偏的积分方差。合成里全样本 RV 高估 32.5%、TSRV(K=12) 修复到 −7.4%，噪声越大差距越夸张，附完整 Python 与六类真实陷阱（高阶）。