雙冪變差：跳躍穩健的已實現波動率解析

高頻已實現方差會將日內對數回報逐一平方並加總。在合適的半鞅模型下，取樣間隔縮短時，RV 會收斂至二次變差。如果價格路徑同時包括連續擴散與跳躍，這個極限便包括積分方差及跳躍平方和。因此，RV 有助量度事後總變動，但單靠它不能指出當中多少來自連續走勢、多少來自不連續跳躍。

雙冪變差採用不同的計算單位：它不會將單一回報平方，而會將兩個相鄰回報的絕對值相乘。在極限模型中，孤立跳躍通常落在一個回報區間，而相鄰回報一般只是一個較小的擴散增量。取樣網格愈密，包含跳躍的回報與相鄰回報之乘積便愈小；相鄰擴散回報的乘積則繼續累積連續變動。Barndorff-Nielsen 和 Shephard 提出在指定模型下運用冪變差和雙冪變差，將積分方差與罕見跳躍造成的變差分開估算（Barndorff-Nielsen & Shephard, 2004）。

目標是歷史積分方差 \(\int_0^T \sigma_t^2\,dt\)，並非預測下一期波動率。已實現波動率計算指南介紹平方回報量度；本文則說明相鄰絕對回報乘積為何會對跳躍作出不同反應。

考慮固定時間區間內的對數價格過程：

\[ X_t=X_0+\int_0^t b_s\,ds+\int_0^t \sigma_s\,dW_s+J_t, \]

其中 \(X_0\) 之後的第一項是有限變差漂移，\(\sigma_t\) 是瞬時擴散波動率，\(J_t\) 則是跳躍部分。此過程的二次變差可分解為

\[ [X]_T=\int_0^T \sigma_t^2\,dt+\sum_{0<t\leq T}(\Delta X_t)^2, \]

其中 \(\Delta X_t=X_t-X_{t-}\)。第一部分是連續積分方差，第二部分是跳躍變差。無論跳躍向上或向下，其貢獻均為跳躍幅度的平方。金融二次變差指南說明為何這種路徑量與一組靜態價格的方差不同。

若有 \(n\) 個日內對數回報 \(r_i=X_{i\Delta}-X_{(i-1)\Delta}\)，而 \(\Delta=T/n\)，已實現方差為

\[ RV_n=\sum_{i=1}^{n}r_i^2. \]

在一般半鞅條件下，網格愈細，\(RV_n\) 便估算包括跳躍在內的完整二次變差。因此，若沒有假設價格路徑不存在跳躍，報告卻將 RV 稱為「連續波動率」，便混淆了兩個不同目標。

令 \(Z\) 服從標準常態分佈，並令 \(\mu_1=E|Z|=\sqrt{2/\pi}\)。一個常用的已實現雙冪變差定義如下：

\[ BV_n=\mu_1^{-2}\frac{n}{n-1}\sum_{i=2}^{n}|r_i||r_{i-1}| =\frac{\pi}{2}\frac{n}{n-1}\sum_{i=2}^{n}|r_i||r_{i-1}|. \]

\(\pi/2\) 會將兩個高斯增量絕對值的乘積標準化至連續方差的尺度。\(n/(n-1)\) 是一種常見慣例下的小樣本端點修正；部分定義會省略此項，因為 \(n\) 增大時它會趨近 1。比較結果時，請註明所用慣例。

總和採用互相重疊的相鄰配對：第 2 個回報與第 1 個配對，第 3 個與第 2 個配對，如此類推。它不會將每項觀察分類為「跳躍」或「沒有跳躍」。漸近結果的依據是：在有限活動跳躍下，取樣網格愈密，只有有限個小型相鄰區域會包含跳躍；一般相鄰擴散回報的乘積則會形成連續積分方差的極限。在相關假設下，極限理論容許廣泛的隨機波動率行為，包括槓桿效應類型的依存關係（Barndorff-Nielsen et al., 2006）。

<!-- learn:illustration -->

假設一個虛構交易時段有七個以基點為單位的對數回報：

假設第 4 個回報包含一次虛構的 \(+12\) bp 跳躍，而該區間的連續變動可以忽略。則

\[ RV_7=1+1+0.01+144+0.01+1+1=148.02\ \mathrm{bp}^2. \]

六個相鄰絕對回報乘積的總和為 \(4.60\ \mathrm{bp}^2\)。按照上述端點修正慣例：

\[ BV_7=\frac{\pi}{2}\frac{7}{6}(4.60)\approx 8.42994\ \mathrm{bp}^2, \qquad RV_7-BV_7\approx139.59006\ \mathrm{bp}^2. \]

加入的跳躍平方為 \(12^2=144\ \mathrm{bp}^2\)。兩者並非剛好相等：跳躍附近的乘積包含 \(12\times0.1\) 項，而且只有七個回報的小樣本亦有一般有限樣本變動。這個虛構小例子方便核對算術；它並非觀察所得的市場數據，也不代表短區間的差值能準確還原跳躍變差。

標準的一致性結果有其條件。在觀察區間內有有限次跳躍，並具連續隨機波動率的半鞅模型下，若在沒有市場微觀結構雜訊的情況下逐步加密觀察，BV 會收斂至連續積分方差。在相同設定下，\(RV_n-BV_n\) 會收斂至跳躍平方和。這是漸近分離，並非對每條回報序列或每個有限取樣網格的保證。

有限活動條件十分重要。如果有大量細小跳躍，或跳躍活動無限，跳躍變差便可能對相鄰絕對回報乘積作出不可忽略的貢獻；標準 BV 結果未必能單獨分離布朗部分。可能需要擴展方法、截斷或其他跳躍檢定，而每種方法都有自己的假設。Aït-Sahalia 和 Jacod 建立另一種涵蓋較廣泛半鞅過程的高頻跳躍檢定；這是另一套檢定框架，並不能證明一般 BV 適用於所有跳躍過程（Aït-Sahalia & Jacod, 2009）。

觀察設計同樣重要。回報應來自同一時間區間及有根據的價格序列。取樣間隔稀疏、報價過時、交易不同步、隔夜缺口，以及接近交易時段邊界的跳躍，都會削弱細密網格的解讀。只有當觀察值更接近潛在有效價格，而非帶來更多微觀結構雜訊時，加密取樣才有幫助。

在無雜訊、有限活動跳躍的漸近模型下，RV 減 BV 可估算跳躍變差。在有限樣本中，差值可能為負，儘管跳躍平方和不可能為負。原因是 RV 和 BV 是不同極限量的含雜訊估算。不要默默將負值截為零：截斷會改變估算的抽樣行為，應作為明確規則披露。

統計檢定回答另一個問題：在沒有跳躍的零假設下，觀察到的差距相對於抽樣不確定性是否足夠大？Barndorff-Nielsen 和 Shephard 推導了基於已實現冪變差及雙冪變差的漸近檢定。可行版本會估算相關四次變差，通常使用多冪變差量度，而非將原始差值當成顯著性門檻（Barndorff-Nielsen & Shephard, 2006）。其後提出門檻雙冪變差，以減少有限樣本中的跳躍偏差，並支援在包含跳躍的備擇假設下作推斷（Corsi, Pirino & Reno, 2010）。

即使偵測到跳躍，仍只是根據指定模型、取樣頻率和顯著性水平作出的統計分類。它不會識別新聞原因、不會證明交易者能以記錄價格成交，也不會證明策略有利可圖。

傳統 BV 並非抗雜訊的高頻估算器。若觀察價格為 \(Y_{t_i}=X_{t_i}+\epsilon_{t_i}\)，買賣價反彈、價格四捨五入和報價更新都會令每個回報包含雜訊。由於 BV 將相鄰回報絕對值相乘，公式使用相鄰乘積並不會令雜訊消失。取樣極密時，雜訊的影響甚至可能更大。

這與跳躍是不同問題。已實現核和雙尺度已實現方差利用不同結構，針對市場微觀結構雜訊下的波動率估算；它們不能與一般 BV 互換使用，而抗雜訊亦不代表抗跳躍。已實現核指南介紹其中一種處理雜訊的方法。

若研究問題需要同時處理雜訊與跳躍，應使用為兩種特性推導的方法，並說明相關條件。Podolskij 和 Vetter 為含雜訊觀察提出調制雙冪變差，並建立對有限活動跳躍穩健的版本；這是經修改的估算器，並非上文未調整的公式（Podolskij & Vetter, 2009）。實際替代方案包括降低取樣頻率、預先平均、門檻量度或抗雜訊估算器。每種做法都會改變估算目標、調校選擇或不確定性計算。

在相關假設成立時，BV 估算歷史連續積分方差部分。RV 估算含跳躍價格路徑的總二次變差。兩者差值可漸近估算跳躍二次變差。這些量都不會自動成為預測、風險限額或入市訊號。預測模型可將過往 RV 和 BV 用作不同預測變數，但須控制資訊時點和交易成本，並以樣本外資料評估預測能力。

只有在時間區間和單位清楚時，方差估算的平方根才是波動率量度。若回報單位為基點，方差單位是 bp²，平方根則是所取樣區間的 bp。年化需要明確的時間縮放假設；乘上日曆因子不會消除跳躍、微觀結構雜訊或隔夜量度選擇。跳躍風險指南說明不連續價格變化為何影響對沖風險，但不會將歷史 BV 分解變成交易指示。

列明資產、價格輸入（成交、報價或中間價）、回報定義、取樣頻率、交易時段邊界，以及隔夜區間和缺失觀察的處理方法。報告 RV 和 BV 公式、有限樣本標準化慣例、回報數目和單位。若計算 \(RV-BV\)，請展示原始差值，並說明有否採用門檻、截斷或非負裁剪。

解釋支援此解讀的模型：含有限活動跳躍的連續隨機波動率，還是使用其他估算器的較廣泛跳躍模型。披露微觀結構雜訊修正、跳躍檢定統計量、四次變差估算、顯著性水平及多重檢定調整。除分解結果外，亦應報告不確定性量度。

雙冪變差的價值在於，相鄰絕對回報乘積保留連續變差的極限，同時減少孤立有限活動跳躍的漸近影響。其限制亦必須一併說明：標準公式並非通用跳躍篩選器、顯著性檢定或市場微觀結構雜訊修正。用於研究或風險分析時，應同時列明這些界限。