日内波动率季节性：时段模式与局限

日内季节性指交易时段不同时间的收益尺度存在系统差异。交易所开盘附近的 30 分钟收益，其历史分布可能不同于正午附近同样长度的区间。这里讨论的是收益的大小和离散程度，而不是某个时刻价格更可能上涨还是下跌

研究者在股票和外汇数据中记录了反复出现的日内波动模式。Andersen 与 Bollerslev 指出，这种周期性会影响高频收益的动态特征；对其建模有助于将时段模式与更持久的波动率动态分开（199700004-2)）。这一结果支持进行调整，但不能证明所有资产、交易场所或时期都遵循同一条固定曲线

季节因子适合作为比较基准。它可以描述某个收益相对于该时段通常尺度有多异常，也可以避免波动率模型把常规时段模式误认为持续聚集。已实现波动率指南说明如何将日内收益平方相加，构成时段级指标；本文关注这些收益在一天中的分布

许多股票样本显示，常规时段开盘和收盘附近的平均波动率高于中段，因此曲线可能呈 U 形。开盘集合竞价、隔夜信息、市场参与者入场、日终组合活动以及收盘机制，都可能与波动变化同时出现。但数据中的模式本身不能识别具体成因

不同市场和时段定义会产生不同形状。外汇交易横跨全球时区，并不存在一个统一的开盘钟声。期货可能近乎全天交易，但仍有结算窗口、维护休市或集中于区域交易时段的流动性。加密市场 24 小时运作，除非分析者定义参考时段，否则没有单一的开盘或收盘。采用哪个时钟取决于工具、交易场所和抽样约定

Ederington 和 Lee 发现，在其外汇样本中，计入预定宏观经济公告及其他波动信息后，熟悉的 U 形模式消失了（2001）。这是针对其样本的发现，并不证明所有外汇市场都没有周期性；它说明描述性的平均曲线不应被当作不变规律

设 r₍d,j₎ 表示交易时段 d 中日内区间 j 的收益。一个有用的概念分解是

r₍d,j₎ = sⱼ ε₍d,j₎ Var(r₍d,j₎ | 区间开始前的信息) = sⱼ² h₍d,j₎

sⱼ 是正的时段尺度因子，h₍d,j₎ 表示随信息和市场状况变化的波动率。sⱼ 是对选定样本和日历的统计描述，不一定是时钟导致的因果效应。这个分解用于帮助建模，并不声称所有资产都有已知的确定性时刻表

忽略 sⱼ 时，在特定时段反复出现的高方差柱可能使收益平方看起来具有持续性。GARCH 模型因而可能把常规日内变化和真实波动聚集都归入动态参数。GARCH 指南解释后者。季节调整有助于区分二者，但不能替代对残差、参数稳定性或其他设定的检查

不要混淆尺度因子和方差因子。如果某时段收益的标准差是另一时段的两倍，在相同单位下其方差就是四倍。应说明因子针对的是标准差、方差还是绝对收益，并在标准化时保持定义一致

假设一组在评估月份之前结束的训练样本显示，开盘附近典型的 30 分钟收益尺度为 0.40%，正午附近为 0.20%。这些数字仅为演示计算的假设值。开盘与正午的标准差比为 2，相应的方差比为 4。这不是对某项具体资产或当前时段的估计

现在比较开盘时段的 0.40% 收益和正午时段的 0.20% 收益。用各自的历史尺度除以绝对收益，可得 0.40% / 0.40% = 1，以及 0.20% / 0.20% = 1。两者都等于各自时段尺度的一个单位。原始变动不同，但在这个示意性曲线下，标准化后的幅度相同

这个计算并不表示任何一个变动在统计上罕见、预期会反转或可以盈利交易。标准化数值必须结合分布模型、估计不确定性、事件背景和测量质量来解释。尺度比本身不是概率、预测或方向信号

先定义工具、交易场所、交易时段、柱宽、价格来源和收益约定。在历史时段之间匹配相同的时段相对区间。夏令时转换之后，不应把交易所当地时间 9:30–10:00 的柱子不加说明地与任意 UTC 柱比较。预先决定如何处理集合竞价、隔夜跳空、节假日、提前收盘、缺失报价和异常交易日

每个区间的典型尺度只能用预测日或评估日之前的数据估计。实用的起点是对每个时间桶使用稳健尺度，例如绝对收益中位数或截尾均方根。波动较大的日子可能主导合并平均值，因此分析者可以先按每日尺度标准化每个时段，再估计时段内曲线、平滑相邻时间桶，并将因子归一到选定参考水平。记录方法和归一规则

在历史回测中，每个预测起点都只能使用当时可得的训练数据来固定因子。如果符合预期的实盘流程，可以用滚动或扩展窗口重新估计。若用完整数据集一次性估计曲线，再应用于更早的观测，就会泄漏未来时段的信息，并可能让标准化收益显得比实时情况下更稳定

季节曲线应与事件处理以及当日波动估计分开。如果模型允许使用当前时段较早观察到的波动率，只能用预测时间戳之前已可用的柱计算。记录曲线是否按星期、合约月份、交易场所或市场状态细分；细分更多可能减少偏差，但每个桶的观测也会变少

记录每个区间估计值所依据的观测数和交易时段数。节假日、记录缺失或特定时段交易清淡，可能让因子反映数据覆盖度而非市场变化。把时段切得太细会使估计不稳定；在比较结果前确定柱宽和训练长度。平滑可能减少噪声，也可能抹掉开盘或收盘峰值，因此要比较原始曲线与平滑曲线并记录规则

如果在历史评估过程中重新估计曲线，应保存每个预测起点当时可用的版本。记录训练截止日、每个时间桶的观测数、转换方法以及每个因子的使用日期。看过表现后才挑选最佳曲线，再应用到过去日期，也会通过选择过程引入前视偏差

<!-- learn:illustration -->

经济公告通常在固定时间发布。公告前后反复出现的波动尖峰可能看起来像常规时段季节性，但直接原因可能是预定新闻。Ederington 和 Lee 联合研究近期波动、预定公告和周期性；在其利率及外汇样本中，公告对极高波动时期尤为重要，计入这些信息会改变估计出的持续性（2001）

如果研究问题关注典型的时钟模式，可以单独处理公告区间、加入预先设定的事件指标，或同时报告纳入与排除事件的结果。合适做法取决于目标预测是否包括已知公告。删除所有事件柱，可能会低估实际在公告期间持仓的策略风险

不要用历史预测日当时尚不可得的信息来建立事件日历。在相关情况下保存发布时间和修订记录；数据允许时区分预定新闻与意外新闻，并说明覆盖了哪些市场和公告。时段因子本身无法解释意外消息或其影响

时间桶需要稳定的时钟定义。对有常规交易时段的交易所，当地交易时间通常最自然地对应开盘、正午和收盘。如果记录以 UTC 储存，应按每个日期当时有效的历史时区规则转换。固定 UTC 偏移在夏令时规则变化时可能使开盘柱偏移一小时，造成虚假的季节差异

交易所日历还包括节假日、缩短交易时段、集合竞价、停牌和合约特有的休市。提前收盘日的最后一根柱，在时段中的位置与普通收盘不同。应定义这些观测如何映射到曲线，或针对不同的时段类型分别估计。使用期货时记录时段模板与换月处理；使用加密资产时明确指定日期边界和参考时区

因子应描述可比较的观测。不要因为 UTC 小时标签相同，就将常规股票时段的柱与隔夜期货柱相比。保持时间戳、柱构造和价格来源一致，并检查陈旧报价、不同步交易和不同的集合竞价规则。时钟对齐是模型设定的一部分，不是表面上的数据预处理

固定季节因子假定相对波动模式稳定，但这一假设可能不成立。Andersen、Thyrsgaard 和 Todorov 检验了随时间变化的周期性，并报告 S&P 500 指数收益的证据：模式会部分随当前波动水平变化；高波动时期收盘前区间占日度积分波动率的比例，高于低波动状态（2019）

这并不表示每个市场在动荡时期都会变得临近收盘更波动。证据与其数据、方法和样本有关。但长期平均曲线可能抹平有意义的变化。比较不同子时期和波动状态下的估计曲线，检验因子是否稳定，并报告不确定性，而不是把一条曲线呈现为永久规律

滚动估计能够适应变化，但噪声更大，也可能追逐少数事件。按市场状态区分的曲线需要每种状态都有足够的历史观测，并且分类规则不能用未来数据。若不满足这些条件，较简单的稳定因子加明确的事件控制可能更容易解释。波动率锥指南另行介绍不同期限和样本间分布的比较

按时段标准化可以让不同时段间的波动比较更公平，有助于诊断残差模式，也能支持需要更可比创新项的预测模型。它还可以说明，开盘时看似极端的变动，相对于该区间的历史尺度可能很常见。但它不会揭示下一次收益是正是负

标准化也不能证明某个策略能够获利。策略需要完整定义信号和执行规则，再进行样本外测试，并计入买卖价差、费用、滑点、市场冲击、延迟和容量。历史时段曲线可以帮助建模风险或执行条件，但因子本身不是入场规则，也不是市场无效的证据。方差与波动率指南说明为什么平方单位与标准差单位必须区分

可复现的报告应列出工具和交易场所、时区、交易日历、抽样间隔、数据来源、估计量、训练窗口、公告和异常时段处理方法、归一规则、稳定性检查，以及每个预测起点的信息截止时间。展示曲线的不确定性和未参与估计的数据上的结果。这些细节让调整可审计，也避免把描述性模式变成缺乏依据的交易主张