实际波动率

   度量波动率的方法，大体上可分为参数法和

   Andersen等(1998,2001)提出了一种度量波动率的新方法，称之为

   实际波动率的理论背景主要是基于

1、预测精度

   ABDL(2001b)提出了VAR—RV模型，即所谓的长记忆高斯向量自回归对数实际波动率模型，并且用第T日的实际波动率分别和VAR—RV及GARCH(1，1)利用直到T一1日的信息预测第T日的波动率的结果比较，发现VAR—RV的预测精度远优于GARCH(1，1)的预测精度。

因为GARCH(1，1)用到的是直到T一1日的日收益平方，而VAR—RV利用的却是直到T一1日的日内收益数据，它是基于长记忆的动态模型。这是它优于前者的关键。GARCH(1，1)模型在预测精度方面的不足并不是模型本身的错，而是在日收益中的噪声使得GARCH模型在预测方面显得力不从心，相反却体现了用日内数据来预测波动率的功效。正如ABDL(2001a)指出“二次变动理论揭示：在适当的条件下，RV不仅是日收益波动的无偏估计量，而且渐进地没有度量误差。”

2、在处理多变量方面

GARCH模型通常是针对单变量的，虽然多元的ARCH类模型和随机波动模型也被提出了，如[Bollerslv]、Engle、Nelson(1994)、Ghysels、Harvey、E.Renault(1996)和K.Kroner，Engle(Ng)(1998)，但这些模型由于受到维度限制问题(curse —of—di.mensionality)而严重影响了它们的实际应用。而RV在处理多元方面显得游刃有余。正如ABDL(2001b)指出“用多元分形求积高斯向量自回归来处理对数实际波动率，和由ARCH类及相关模型所得结果相比，发现前者有惊人的优势。”