双幂变差：跳跃稳健的已实现波动率详解

高频已实现方差将日内对数收益逐一平方后求和。在合适的半鞅模型下，随着采样间隔缩小，RV 收敛到二次变差。如果价格路径同时包含连续扩散和跳跃，这个极限就包括积分方差与跳跃平方和。因此，RV 可以衡量事后总变动，却不能单独说明其中多少来自连续变动、多少来自不连续跳跃。

双幂变差改变了计算的基本构件：它不平方单个收益，而是将两个相邻收益的绝对值相乘。在极限模型中，孤立跳跃通常落入一个收益区间，而相邻区间的收益通常只是较小的扩散增量。采样网格越细，包含跳跃的收益与其邻项之积越小；相邻扩散收益的乘积则继续累积连续变动。Barndorff-Nielsen 和 Shephard 提出在特定模型下使用幂变差和双幂变差，将积分方差与罕见跳跃产生的变差分开估计（Barndorff-Nielsen & Shephard, 2004）。

目标是历史积分方差 \(\int_0^T \sigma_t^2\,dt\)，不是下一期波动率预测。已实现波动率计算指南介绍了平方收益指标；本文重点说明相邻绝对收益乘积为何会对跳跃作出不同响应。

考虑固定时间窗口内的对数价格过程：

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

其中 \(X_0\) 后的第一项是有限变差漂移，\(\sigma_t\) 是瞬时扩散波动率，\(J_t\) 是跳跃部分。该过程的二次变差可分解为

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

其中 \(\Delta X_t=X_t-X_{t-}\)。第一项是连续积分方差，第二项是跳跃变差。无论跳跃向上还是向下，它的贡献都是跳跃幅度的平方。金融二次变差指南解释了为何这种路径量不同于一组静态价格的方差。

给定 \(n\) 个日内对数收益 \(r_i=X_{i\Delta}-X_{(i-1)\Delta}\)，其中 \(\Delta=T/n\)，已实现方差为

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

在通常的半鞅条件下，随着网格变细，\(RV_n\) 估计包括跳跃在内的完整二次变差。因此，若没有无跳跃假设，却把 RV 称为“连续波动率”，就混淆了两个目标。

令 \(Z\) 为标准正态变量，\(\mu_1=E|Z|=\sqrt{2/\pi}\)。一种常见的已实现双幂变差定义是

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

系数 \(\pi/2\) 将两个高斯增量绝对值的乘积标准化到连续方差的尺度。\(n/(n-1)\) 是一种常见约定中针对小样本端点的修正；有些定义会省略它，因为随着 \(n\) 增大，该因子趋近于 1。比较结果时应说明使用的约定。

求和采用重叠的相邻配对：第 2 个收益与第 1 个配对，第 3 个与第 2 个配对，依此类推。它不会把每条观测标记为“跳跃”或“非跳跃”。渐近结果依赖于以下事实：在有限活动跳跃下，网格变细时只有有限个小邻域包含跳跃；普通相邻扩散收益的乘积则形成连续积分方差的极限。在相应假设下，极限理论允许广泛的随机波动率行为，包括杠杆型依赖（Barndorff-Nielsen et al., 2006）。

<!-- learn:illustration -->

假设一个虚构交易时段包含 7 个对数收益，单位为基点：

假设第 4 个收益包含一次虚构的 \(+12\) bp 跳跃，该区间的连续变动可以忽略。那么

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

6 个相邻绝对收益乘积之和为 \(4.60\ \mathrm{bp}^2\)。按上述端点修正约定计算：

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

加入的跳跃平方为 \(12^2=144\ \mathrm{bp}^2\)。两者并不恰好相等：跳跃两侧的乘积包含 \(12\times0.1\) 项，而且只有 7 个收益的小样本也存在常规的有限样本波动。这个虚构的小例子便于核对算术；它不是观察到的市场数据，也不表示短窗口差值能准确还原跳跃变差。

标准的一致性结果是有条件的。在窗口内有有限次跳跃、具有连续随机波动率的半鞅模型中，如果在没有市场微观结构噪声的情况下逐渐加密观测，BV 会收敛到连续积分方差。在相同设定下，\(RV_n-BV_n\) 会收敛到跳跃平方和。这是渐近分离，不是对每条收益序列或每个有限采样网格的保证。

有限活动条件很重要。如果存在很多小跳跃或无限跳跃活动，跳跃变差可能对相邻绝对收益乘积产生不可忽略的贡献；标准 BV 结果未必只分离出布朗部分。此时可能需要扩展方法、截断或其他跳跃检验，每种方法都有自己的假设。Aït-Sahalia 和 Jacod 提出另一种适用范围更广的高频跳跃检验，涵盖更广泛的半鞅过程；这是另一种检验框架，并不能证明普通 BV 适用于所有跳跃过程（Aït-Sahalia & Jacod, 2009）。

观测设计同样重要。收益应对应同一时间窗口和有依据的价格序列。采样稀疏、报价陈旧、交易不同步、隔夜缺口、跳跃靠近交易时段边界，都会削弱细网格解释。只有当观测值更接近潜在有效价格，而不是带来更多微观结构噪声时，提高采样频率才有帮助。

在有限活动、无噪声的渐近模型下，RV 减 BV 估计跳跃变差。有限样本中差值可能为负，尽管跳跃平方和不可能为负。这是因为 RV 和 BV 是对不同极限量的含噪估计。不要默默将负值截为零：截断会改变估计量的抽样行为，应作为明确规则报告。

统计检验回答的是另一个问题：在无跳跃的零假设下，观测到的差值相对于抽样不确定性是否足够大？Barndorff-Nielsen 和 Shephard 推导了基于已实现幂变差和双幂变差的渐近检验；可行版本会估计相关的四次变差，通常使用多幂变差指标，而不是把原始差值当作显著性阈值（Barndorff-Nielsen & Shephard, 2006）。之后提出了阈值双幂变差，以减少有限样本中的跳跃失真，并支持在跳跃备择假设下进行推断（Corsi, Pirino & Reno, 2010）。

即便检出了跳跃，它仍然是在特定模型、采样频率和显著性水平下作出的统计分类。它不能识别新闻原因，不能证明交易者能以记录价格成交，也不能证明策略有利可图。

经典 BV 并不是抗噪的高频估计量。若观测价格为 \(Y_{t_i}=X_{t_i}+\epsilon_{t_i}\)，买卖价反弹、价格舍入和报价更新都会给每个收益增加噪声。由于 BV 将相邻绝对收益相乘，仅仅使用相邻乘积并不会消除噪声。采样极其密集时，噪声贡献反而可能更重要。

这与跳跃是不同的问题。已实现核和双尺度已实现方差通过不同构造处理微观结构噪声下的波动率估计；它们不能与普通 BV 互换使用，抗噪也不代表抗跳跃。已实现核指南介绍了一种针对噪声的方法。

如果研究问题要求同时处理噪声和跳跃，应使用针对两者设计的方法并说明其条件。Podolskij 和 Vetter 为含噪观测提出调制双幂变差，并构造了对有限活动跳跃稳健的版本；这是经过修改的估计量，不是上面的未调整公式（Podolskij & Vetter, 2009）。实际替代方案可能包括降低采样频率、预平均、阈值指标或抗噪估计量。每种选择都会改变估计目标、调参选择或不确定性计算。

在假设成立时，BV 估计历史连续积分方差部分。RV 估计含跳跃路径的总二次变差。两者之差可以渐近估计跳跃二次变差。但这些量都不会自动成为预测、风险限额或入场信号。预测模型可以将历史 RV 与 BV 作为不同预测变量，但应控制信息时间与交易成本，并在样本外评估其预测价值。

只有明确时间窗口和单位后，方差估计的平方根才是波动率指标。如果收益以基点计，方差单位为 bp²，平方根则是所采样窗口内的 bp。年化需要明确的时间缩放假设；乘以日历系数并不能消除跳跃、微观结构噪声或隔夜测量选择。跳跃风险指南说明不连续价格变化为何会影响对冲敞口，但不会把历史 BV 分解变成交易指令。

说明资产、价格输入来源（成交、报价或中间价）、收益定义、采样频率、交易时段边界，以及隔夜区间和缺失观测的处理方式。报告 RV 与 BV 公式、有限样本归一化约定、收益数量和单位。如果计算 \(RV-BV\)，请展示原始差值，并说明是否使用阈值、截断或非负裁剪。

解释支撑目标解读的模型：具有有限活动跳跃的连续随机波动率模型，还是使用不同估计量的更广义跳跃模型。披露微观结构噪声修正、跳跃检验统计量、四次变差估计、显著性水平和多重检验调整。分解结果也应附带不确定性指标。

双幂变差的价值在于，相邻绝对收益乘积保留了连续变差的极限，同时降低了孤立有限活动跳跃的渐近影响。其边界也必须明确：标准公式既不是通用跳跃过滤器，也不是显著性检验或微观结构噪声修正。将它用于风险分析或研究时，应同时说明这些限制。