ความผันผวนที่เกิดขึ้นจริงแบบสองสเกล: ประมาณค่าความแปรปรวนเมื่อมีสัญญาณรบกวนจุลโครงสร้างตลาด

โดยทั่วไป ความแปรปรวนที่เกิดขึ้นจริงคำนวณจากผลรวมกำลังสองของผลตอบแทน หากราคาล็อกที่สังเกตได้เคลื่อนไหวตามราคาเชิงประสิทธิภาพอย่างสมบูรณ์ การมีข้อมูลเพิ่มขึ้นอาจช่วยจับเส้นทางราคาได้ครบกว่าเดิม แต่ราคาซื้อขายและราคาเสนอจริงยังสะท้อนการสลับของ bid–ask ความละเอียดเป็นขั้นของราคา ความล่าช้า และผลกระทบอื่นจากจุลโครงสร้างตลาด ในช่วงเวลาที่สั้นมาก ผลเหล่านี้อาจใหญ่กว่าการเคลื่อนไหวของราคาเชิงประสิทธิภาพระหว่างจุดสังเกตสองจุด

ดังนั้น เมื่อสุ่มตัวอย่างถี่ขึ้น ค่าความแปรปรวนที่เกิดขึ้นจริงแบบตรงไปตรงมาอาจสูงขึ้น แม้ความแปรปรวนสะสมของกระบวนการพื้นฐานตลอดช่วงซื้อขายจะไม่เปลี่ยน นี่ไม่ได้แปลว่าความผันผวนเชิงเศรษฐกิจของสินทรัพย์เพิ่มขึ้นเสมอไป แต่อาจเกิดจากการยกกำลังสองและบวกผลต่างราคาที่มีสัญญาณรบกวนซ้ำหลายครั้ง คู่มือคำนวณความผันผวนที่เกิดขึ้นจริง อธิบายผลรวมกำลังสองของผลตอบแทนทั่วไป ส่วนบทความนี้มุ่งแก้แหล่งอคติความถี่สูงชนิดหนึ่งโดยเฉพาะ

TSRV ซึ่ง Zhang, Mykland และ Aït-Sahalia เสนอในงานแรกว่าด้วยสเกลเวลาสองระดับ ใช้ความละเอียดการสุ่มตัวอย่างสองแบบเพื่อทำหน้าที่ต่างกัน กริดเบาบางลดจำนวนช่วงผลตอบแทนที่ปนเปื้อนด้วยสัญญาณรบกวน การเฉลี่ยกริดเบาบางที่เลื่อนจุดเริ่มต้นหลายชุดช่วยไม่ให้ผลขึ้นกับจุดเริ่มต้นตามอำเภอใจเพียงจุดเดียว ส่วนกริดถี่เต็มชุดให้ค่าประมาณสัญญาณรบกวนที่ปรับสเกลแล้วเพื่อนำไปหักออก ตรรกะนี้ขึ้นอยู่กับสมมติฐานและการเลือกในตัวอย่างจำกัด ผลลัพธ์จึงยังเป็นค่าประมาณที่มีความไม่แน่นอน ไม่ใช่เส้นทางราคาจริงที่ผ่านการล้างสัญญาณรบกวนแล้ว

ให้ \(X_t\) แทนราคาล็อกเชิงประสิทธิภาพที่สังเกตไม่ได้ ซึ่งจำลองในช่วงเวลาที่สนใจเป็นกระบวนการต่อเนื่องที่มีอัตราความแปรปรวนเฉพาะที่ \(\sigma_t^2\) เป้าหมายคือความแปรปรวนสะสมของราคา: \[ IV_T=\int_0^T\sigma_t^2\,dt. \]

ณ เวลาสังเกต \(t_i\) ราคาล็อกที่บันทึกได้คือ \[ Y_{t_i}=X_{t_i}+\epsilon_{t_i}, \] โดย \(\epsilon_{t_i}\) คือสัญญาณรบกวนจากการสังเกต การอนุมานแบบคลาสสิกใช้แบบจำลองพื้นฐานที่กำหนดให้สัญญาณรบกวนมีค่าเฉลี่ยเป็นศูนย์ เป็นอิสระระหว่างเวลาสังเกต เป็นอิสระจากกระบวนการราคาเชิงประสิทธิภาพ และมีความแปรปรวนคงที่ \(\omega^2\) นอกจากนี้ยังสมมติกริดสุ่มตัวอย่างสม่ำเสมอและแบบจำลองราคาเชิงประสิทธิภาพต่อเนื่องที่เหมาะสมในช่วงนั้น เงื่อนไขเหล่านี้เป็นสมมติฐานของแบบจำลอง ไม่ใช่คำอธิบายสากลของข้อมูลจากตลาดซื้อขาย

ผลต่างที่สังเกตได้คือ \(\Delta Y_i=\Delta X_i+\epsilon_i-\epsilon_{i-1}\) สัญญาณรบกวนเข้ามาในผลตอบแทนที่ติดกันด้วยเครื่องหมายตรงข้าม: ความคลาดเคลื่อนราคาที่เป็นบวก ณ จุดหนึ่งทำให้ผลตอบแทนช่วงนั้นสูงขึ้นและช่วงถัดไปต่ำลง นี่คือเหตุผลที่ผลตอบแทนจากราคาที่มีสัญญาณรบกวนไม่ได้ทำงานเหมือนข้อผิดพลาดการวัดที่เป็นอิสระ คู่มือความแปรผันกำลังสอง อธิบายว่าทำไมผลรวมกำลังสองของช่วงการเปลี่ยนแปลงจึงมุ่งวัดความแปรผันของเส้นทางในกรณีไม่มีสัญญาณรบกวน

เป้าหมายในที่นี้คือความแปรปรวนในช่วงเวลาที่กำหนด ไม่ใช่ค่าประมาณ bid–ask spread การพยากรณ์ หรือค่าใช้จ่ายการดำเนินการซื้อขายที่เกิดขึ้นจริง หากต้องการตอบคำถามอีกแบบเกี่ยวกับราคาซื้อขาย ดูค่าประมาณ bid–ask spread ของ Roll การระบุเป้าหมายให้ชัดสำคัญ เพราะวิธีจุลโครงสร้างตลาดหลายวิธีใช้ราคาความถี่สูงแต่ประมาณค่าคนละอย่าง

สำหรับผลตอบแทน \(n\) ช่วงบนกริดถี่ กำหนด \[ RV_{\mathrm{all}}=\sum_{i=1}^{n}(Y_{t_i}-Y_{t_{i-1}})^2. \] ภายใต้แบบจำลองพื้นฐาน ส่วนของสัญญาณรบกวนในผลตอบแทนที่สังเกตได้หนึ่งช่วงคือ \(\eta_i=\epsilon_i-\epsilon_{i-1}\) และมีความแปรปรวน \(\operatorname{Var}(\eta_i)=2\omega^2\) หากละพจน์ไขว้ที่มีค่าคาดหมายเป็นศูนย์ภายใต้สมมติฐานความเป็นอิสระ จะได้ \[ E[RV_{\mathrm{all}}]\approx IV_T+2n\omega^2. \]

พจน์แรกคือความแปรปรวนสะสมที่ต้องการ พจน์ที่สองสะสมส่วนของสัญญาณรบกวนหนึ่งหน่วยสำหรับผลตอบแทนทุกช่วงบนกริดถี่ เมื่อช่วงสุ่มตัวอย่างสั้นลงและ \(n\) เพิ่มขึ้น พจน์สัญญาณรบกวนอาจครอบงำ นี่คือเหตุผลว่าทำไมกฎ “สุ่มตัวอย่างให้ถี่ที่สุด” จึงไม่ปลอดภัยเมื่อไม่คำนึงถึงสัญญาณรบกวนจากการวัด Aït-Sahalia, Mykland และ Zhang วิเคราะห์ความถี่สุ่มตัวอย่างที่เหมาะสมในตัวอย่างจำกัดในงานศึกษาการสุ่มตัวอย่างเมื่อมีสัญญาณรบกวนจุลโครงสร้างตลาด

นี่เป็นข้อความเกี่ยวกับค่าคาดหมายภายใต้แบบจำลอง ตัวอย่างจริงยังมีพจน์ไขว้แบบสุ่มระหว่างช่วงการเปลี่ยนแปลงของราคาเชิงประสิทธิภาพกับสัญญาณรบกวน ดังนั้นค่าที่เกิดขึ้นจริงไม่จำเป็นต้องเท่ากับค่าคาดหมาย หากความแปรปรวนของสัญญาณรบกวนเปลี่ยนระหว่างวัน ข้อผิดพลาดมีความสัมพันธ์ตามเวลา หรือสุ่มตัวอย่างไม่สม่ำเสมอ นิพจน์ง่าย ๆ \(2n\omega^2\) อาจอธิบายอคติไม่ได้ ในกรณีเหล่านั้น สูตรที่คุ้นเคยอาจให้ตัวเลขที่ดูแม่นยำ แต่กำลังปรับองค์ประกอบผิดตัว

เลือกจำนวนเต็มระยะห่าง \(K>1\) สำหรับการเลื่อนแต่ละค่า \(k=0,\ldots,K-1\) ให้คำนวณความแปรปรวนที่เกิดขึ้นจริงบนกริดเบาบางโดยใช้ราคาที่สังเกตทุก ๆ \(K\) จุด: \[ RV_{K,k}=\sum_j\left(Y_{t_{k+jK}}-Y_{t_{k+(j-1)K}}\right)^2. \] แต่ละช่วงของกริดเบาบางครอบคลุมเวลานานกว่า แต่กริดยังคงครอบคลุมหน้าต่างการสังเกตโดยรวมใกล้เคียงเดิม เฉลี่ยค่าจากการเลื่อนที่ใช้ได้: \[ \overline{RV}_K=\frac{1}{K}\sum_{k=0}^{K-1}RV_{K,k}. \]

จุดเริ่มต้นของการเลื่อนมีความสำคัญ กริดเบาบางชุดเดียวอาจเริ่มก่อนหรือหลังการเคลื่อนไหวขนาดใหญ่พอดี ทำให้ผลไวต่อจุดเริ่มนั้น การเฉลี่ยกริดที่เลื่อนกันช่วยลดการพึ่งพาจุดเริ่มต้น แต่ไม่ได้สร้างข้อมูลอิสระ \(K\) ชุด กริดเหล่านี้ใช้การสังเกตซ้ำกันและมีความสัมพันธ์กันทางสถิติ

เมื่อสัญญาณรบกวนจากการสังเกตเป็นอิสระและมีความแปรปรวนเท่ากัน ผลต่างระหว่างค่ารบกวนที่ปลายสองด้านของผลตอบแทนเบาบางยังมีความแปรปรวน \(2\omega^2\) เพราะเป็นคนละจุดสังเกต มีผลตอบแทนบนกริดเบาบางน้อยกว่ากริดถี่ ดังนั้นค่าเฉลี่ยของค่าประมาณเบาบางจึงสะสมอคติจากสัญญาณรบกวนน้อยกว่า ส่วนสัญญาณยังใกล้เคียงความแปรปรวนสะสมเดิม เพราะช่วงเบาบางครอบคลุมทั้งหน้าต่าง ไม่ใช่เพียงบางส่วน

ภาพประกอบเป็นภาพแนวคิด เปรียบเทียบเส้นทางราคาที่สังเกตได้ซึ่งขรุขระ กับมุมมองการสุ่มตัวอย่างที่เว้นช่วงและเลื่อนหลายชุดรอบเส้นทางแฝงที่เรียบกว่า ภาพนี้ไม่ใช่ข้อมูลตลาดหรือผลลัพธ์จากการประมาณจริง หากสนใจค่าประมาณที่ใช้ราคาสูงสุดและต่ำสุดแทนโครงสร้างสองกริด ดูคู่มือค่าประมาณความผันผวนจากช่วงราคา OHLC

<!-- learn:illustration -->

ให้ \(\bar n\) เป็นจำนวนผลตอบแทนเบาบางเฉลี่ยระหว่างกริดที่เลื่อนจุดเริ่มต้น และกำหนด \(\lambda=\bar n/n\) ภายใต้แบบจำลองพื้นฐาน อคติจากสัญญาณรบกวนของกริดเบาบางเฉลี่ยอยู่ที่ประมาณ \(2\bar n\omega^2\) ส่วนกริดถี่มีอคติประมาณ \(2n\omega^2\) ดังนั้น \(\lambda RV_{\mathrm{all}}\) จึงให้ค่าประมาณ \(2\bar n\omega^2\) การหักสองส่วนนี้ลบพจน์สัญญาณรบกวนหลักได้: \[ TSRV_{\mathrm{raw}}=\overline{RV}_K-\lambda RV_{\mathrm{all}}. \]

ผลต่างดิบนี้ยังหักส่วนสัญญาณของความแปรปรวนสะสมในสัดส่วน \(\lambda\) ด้วย เพราะทั้งสองค่าประมาณความแปรปรวนที่เกิดขึ้นจริงมีส่วนสัญญาณอยู่ การปรับมาตรฐานตัวอย่างจำกัดที่ใช้กันทั่วไปจึงเป็น \[ \widehat{IV}_{TSRV}=\frac{\overline{RV}_K-\lambda RV_{\mathrm{all}}}{1-\lambda}. \] ตัวส่วนช่วยคืนสัมประสิทธิ์ของสัญญาณในการคำนวณค่าคาดหมายอย่างง่าย วิธีปฏิบัติอาจใช้ข้อตกลงและการจัดการปลายช่วงต่างกัน จึงควรบันทึกนิยาม \(n\) ที่ใช้จริง ชุดการเลื่อน และวิธีคำนวณ \(\bar n\) การปรับนี้ไม่ลบความไม่แน่นอนจากการสุ่มตัวอย่าง และแก้แบบจำลองสัญญาณรบกวนที่ผิดไม่ได้ ในกรอบลิมิตคลาสสิก \(\lambda\) จะเล็กลงเมื่อจำนวนตัวอย่างเพิ่ม แต่ตัวคูณตัวอย่างจำกัดยังอาจสำคัญในหน้าต่างสั้น

ค่าประมาณอาจติดลบเมื่อ \(\overline{RV}_K<\lambda RV_{\mathrm{all}}\) ค่าติดลบไม่ได้หมายถึงความแปรผันทางกายภาพติดลบ แต่หมายถึงการหักสัญญาณรบกวนในตัวอย่างจำกัดมากกว่าค่าประมาณจากกริดเบาบาง การแทนด้วยศูนย์อาจสะดวกสำหรับหน้าจอแสดงผล แต่เปลี่ยนตัวประมาณและเพิ่มกฎการตัดค่า ในการวิเคราะห์ให้เก็บและรายงานค่าดิบ ตรวจสอบสเกลและสมมติฐานที่เลือก และระบุกฎการตัดค่าภายหลังอย่างชัดเจน

สมมติจุดราคาล็อกที่สังเกตได้เจ็ดจุดให้ผลตอบแทนบนกริดถี่หกช่วง หน่วยเป็นเบสิสพอยต์: \([1,1,-1,-1,1,1]\) bp ลำดับขนาดเล็กนี้ตั้งใจสร้างขึ้นเพื่อสาธิตเลขคณิตเท่านั้น ไม่ใช่ข้อมูลจากตลาดซื้อขาย ความแปรปรวนที่เกิดขึ้นจริงบนกริดถี่คือ \[ RV_{\mathrm{all}}=1^2+1^2+(-1)^2+(-1)^2+1^2+1^2=6\,\mathrm{bp}^2. \]

กำหนด \(K=2\) การเลื่อนครั้งแรกจับคู่ผลตอบแทนถี่ที่อยู่ติดกันเป็นผลตอบแทนเบาบาง \([2,-2,2]\) bp ซึ่งมีผลรวมกำลังสอง \(4+4+4=12\,\mathrm{bp}^2\) การเลื่อนอีกตำแหน่งให้ \([0,0]\) bp และผลรวมกำลังสองเท่ากับ 0 ค่าเฉลี่ยของค่าประมาณจากสองกริดคือ \(\overline{RV}_K=(12+0)/2=6\,\mathrm{bp}^2\).

เมื่อมีผลตอบแทนถี่หกช่วงและการเลื่อนสองตำแหน่ง จำนวนผลตอบแทนเบาบางเฉลี่ยคือ \(\bar n=(3+2)/2=2.5\) ดังนั้น \(\lambda=2.5/6=5/12\) และ \[ \widehat{IV}_{TSRV}=\frac{6-(5/12)6}{1-5/12}=\frac{3.5}{7/12}=6\,\mathrm{bp}^2. \]

ค่าประมาณความแปรปรวนคือ \(6\,\mathrm{bp}^2=6\times10^{-8}\) ในหน่วยกำลังสองของผลตอบแทนแบบทศนิยม รากที่สองประมาณ \(2.45\) bp สำหรับหน้าต่างสมมตินี้ และยังไม่ได้ปรับเป็นรายปี การที่ตัวเลขเท่ากับ RV ของกริดถี่ในลำดับที่สร้างขึ้นขนาดเล็กนี้เป็นเพียงลักษณะของตัวอย่าง ไม่ใช่อัตลักษณ์ของ TSRV เส้นทางราคาอื่นอาจให้ค่าประมาณสูงกว่า ต่ำกว่า หรือแม้แต่ติดลบ

เลขคณิตยังทำให้เห็นข้อจำกัดของแบบจำลองด้วย เนื่องจากไม่เห็นเส้นทางแฝงและสัญญาณรบกวนแยกจากกัน ตัวอย่างนี้เพียงอย่างเดียวจึงพิสูจน์ไม่ได้ว่า \(6\,\mathrm{bp}^2\) เท่ากับความแปรปรวนสะสมจริง เราตรวจสอบผลรวม สเกล และหน่วยได้ แต่อนุมานการแยกส่วนที่ซ่อนอยู่จากตัวอย่างไม่ได้ วรรณกรรมเชิงประจักษ์ยังกล่าวถึงวิธี realized-kernel ซึ่งเป็นกลุ่มการปรับสัญญาณรบกวนความถี่สูงอีกแบบ และมีสมมติฐานกับทางเลือกการนำไปใช้ของตนเอง

\(K\) กำหนดการแลกเปลี่ยนระหว่างจำนวนผลตอบแทนเบาบาง การเฉลี่ย และการปรับสัญญาณรบกวน \(K\) ที่เล็กมากยังเหลือช่วงสั้นจำนวนมากและอาจไวต่อสัญญาณรบกวน ส่วน \(K\) ที่ใหญ่มากเหลือผลตอบแทนหยาบเพียงไม่กี่ช่วง ทำให้ค่าประมาณเบาบางไม่เสถียรและอ่อนไหวต่อผลของหน้าต่างจำกัด การเฉลี่ยการเลื่อนช่วยเรื่องการจัดแนวกริด แต่สร้างข้อมูลที่ไม่มีในตัวอย่างสั้นหรือคุณภาพต่ำไม่ได้

ในการวิเคราะห์ลิมิตดั้งเดิม ระยะห่างของกริดเบาบางที่เหมาะสมเพิ่มขึ้นตามขนาดตัวอย่าง ภายใต้สัญกรณ์และเงื่อนไขพื้นฐานในบทความนั้นมีอันดับ \(n^{2/3}\) นี่เป็นผลด้านการปรับสเกลเชิงทฤษฎี ไม่ใช่คำสั่งทั่วไปให้ใช้จำนวนวินาทีหรือจำนวนการสังเกตที่ตายตัว ค่าที่เหมาะสมขึ้นอยู่กับอัตราส่วนสัญญาณรบกวนต่อสัญญาณและสมมติฐาน งานในภายหลังและการใช้งานจริงอาจใช้กฎปรับค่าและข้อตกลงปลายช่วงต่างกัน ควรรายงานช่วงสุ่มตัวอย่าง \(K\) การเลื่อน ขอบเขตช่วงซื้อขาย และการปรับมาตรฐานตัวอย่างจำกัดเพื่อให้ผู้อื่นทำซ้ำได้

การวิเคราะห์ที่น่าเชื่อถืออาจเปรียบเทียบค่า \(K\) ที่สมเหตุสมผลและกำหนดไว้ล่วงหน้า พร้อมแสดงความไว แทนการเลือกค่าที่ให้ผลดูดีที่สุดหลังเห็นข้อมูล หากค่าประมาณเปลี่ยนมาก ความไม่เสถียรนั้นเป็นส่วนหนึ่งของผลลัพธ์ ควรเลือกสเกลตามการออกแบบข้อมูลและกฎที่บันทึกไว้ ไม่ใช่เลือกหลังเห็นค่าความผันผวนที่ต้องการ อาจเปรียบเทียบกับความแปรปรวนที่เกิดขึ้นจริงจากกริดหยาบกว่าหรือวิธีทนสัญญาณรบกวน แต่ต้องเรียกชื่อและแยกมาตรวัดเหล่านั้นให้ชัดเจน

การปรับแบบคลาสสิกอนุมานมาสำหรับโครงสร้างสัญญาณรบกวนเฉพาะ การสลับ bid–ask และผลจุลโครงสร้างตลาดอื่นอาจมีความสัมพันธ์ตามเวลา เปลี่ยนไปในแต่ละช่วงของวัน ขึ้นกับสภาพคล่อง หรือสัมพันธ์กับช่วงการเปลี่ยนแปลงของราคาเชิงประสิทธิภาพ Hansen และ Lunde แสดงในงานศึกษาความแปรปรวนที่เกิดขึ้นจริง ว่าปฏิสัมพันธ์ระหว่างความแปรปรวนที่เกิดขึ้นจริงกับสัญญาณรบกวนจุลโครงสร้างตลาดอาจมีทั้งความสัมพันธ์ตามเวลาและความสัมพันธ์กับการเปลี่ยนแปลงของราคาเชิงประสิทธิภาพ ต่อมา Aït-Sahalia, Mykland และ Zhang พัฒนาวิธีสองสเกลสำหรับสัญญาณรบกวนจุลโครงสร้างตลาดที่มีความสัมพันธ์ตามเวลา ส่วนขยายนี้เป็นเหตุผลให้แยกตัวประมาณที่ดัดแปลงจากสูตรเดิมที่สมมติสัญญาณรบกวนอิสระ ไม่ใช่สมมติว่าสูตรเดิมรองรับรูปแบบความสัมพันธ์ทุกชนิด

ปัญหาจริงอื่น ๆ ได้แก่ เวลาสังเกตไม่สม่ำเสมอ สินทรัพย์หลายตัวที่เวลาสังเกตไม่ตรงกัน ราคาเสนอที่ล้าสมัย ราคาที่เป็นขั้น การกระโดดของราคา ธุรกรรมผิดพลาด ผลกระทบช่วงเปิดและปิดตลาด และข้อมูลที่หายไป ปัญหาเหล่านี้อาจกระทบทั้งส่วนปรับบนกริดถี่และผลตอบแทนที่เข้าสู่กริดเบาบาง การกระโดดจะรวมอยู่ในความแปรผันกำลังสองเป้าหมายหรือควรแยกออก ขึ้นอยู่กับคำถามวิจัย TSRV ไม่ได้เลือกข้อสมมตินี้ให้ การกรองข้อมูลก็เปลี่ยนกริดและควรบันทึกไว้

ความทนทานต่อสัญญาณรบกวนไม่ได้หมายถึงภูมิคุ้มกันต่อปัญหาข้อมูลทุกอย่าง ก่อนตีความค่าประมาณเป็นความแปรปรวนแฝง ให้ระบุว่าข้อมูลเป็นราคาซื้อขาย ราคาเสนอ หรือราคากลาง ระบุการแปลงผลตอบแทนและนาฬิกา ตรวจว่าช่วงสังเกตห่างเท่ากันหรือไม่ บันทึกกฎทำความสะอาดและช่วงตลาด และตรวจความไวต่อ \(K\) หากกระบวนการสัญญาณรบกวนละเมิดสมมติฐานพื้นฐาน ให้ใช้วิธีที่ออกแบบมาสำหรับกรณีนั้นและอธิบายสมมติฐาน อย่าเรียกค่าประมาณติดลบว่าความผันผวนติดลบหรือเปลี่ยนเป็นค่าบวกโดยไม่กล่าวถึง

รายงานที่โปร่งใสระบุหน้าต่างเป้าหมาย ชุดราคาขาเข้า ช่วงสุ่มตัวอย่าง จำนวนผลตอบแทนถี่ ระยะเบาบาง \(K\) ชุดการเลื่อน กฎปลายช่วง สมมติฐานสัญญาณรบกวน การปรับมาตรฐาน หน่วย และการตัดค่าถ้ามี อาจแสดงทั้งผลต่างดิบ ค่าประมาณที่ปรับมาตรฐานแล้ว และช่วงความไวต่อสเกลที่กำหนดไว้ก่อน รายละเอียดเหล่านี้ทำให้ตรวจสอบการคำนวณได้ และป้องกันไม่ให้ค่าประมาณความแปรปรวนถูกเข้าใจผิดว่าเป็นราคาเสนอ การพยากรณ์อนาคต หรือหลักฐานว่ากฎซื้อขายทำกำไรได้

ความแปรปรวนสะสมวัดในหน้าต่างที่สังเกตได้ การแปลงเป็นรายปีต้องระบุหลักเกณฑ์ด้านเวลา และไม่ควรบดบังรูปแบบระหว่างวัน ช่วงข้ามคืน หรือการหยุดซื้อขาย การหารากที่สองเปลี่ยนหน่วยเป็นความผันผวนสำหรับหน้าต่างนั้น แต่ไม่ได้สร้างระยะพยากรณ์ขึ้นมาเอง ค่าที่เกิดขึ้นจริงในอดีตอาจเป็นข้อมูลเข้าของแบบจำลอง แต่ต้องประเมินความสามารถในการพยากรณ์แยกต่างหากด้วยข้อมูลที่ไม่ได้ใช้เลือกการตั้งค่าตัวประมาณ

คุณูปการหลักของ TSRV อยู่ที่วิธีวิทยา: ภายใต้แบบจำลองสัญญาณรบกวนแบบบวกที่ระบุชัดเจน การใช้สเกลสุ่มตัวอย่างสองแบบช่วยลดอคติสัญญาณรบกวนหลักที่ทำให้ความแปรปรวนที่เกิดขึ้นจริงความถี่สูงแบบง่ายไม่ลู่เข้าสู่เป้าหมาย วิธีนี้ไม่ได้ระบุแหล่งที่มาของความเคลื่อนไหวราคาทุกครั้ง ไม่กำจัดความเสี่ยงจากแบบจำลอง และไม่บอกความผันผวนรอบถัดไป ควรระบุขอบเขตเหล่านี้พร้อมค่าประมาณ