日内模式是否足以解释波动率的日内变化？一种非参数评估

本文提出了一种非参数方法，用于检验“日内波动率的时间变化完全由确定性的、周期性的日内模式引起”这一假设。我们假设可获得来自离散采样跳扩散过程的含噪高频数据。该检验基于经季节成分调整后的资产收益率，在原假设下这些收益率是齐方差的。为构造检验统计量，我们通过截断装置将预平均双幂次变差的概念推广到一般的伊藤半鞅设定。我们证明了该统计量的中心极限定理，并构造了渐近协方差矩阵的半正定估计量。t统计量（经预平均和跳截断后）在存在随机波动率时发散，否则服从标准正态分布。我们证明，用无模型的、对跳和噪声稳健的估计量替代真实的日内因子不会影响渐近理论。蒙特卡洛模拟也表明，这种替代在有限样本中没有明显影响。然而，该检验会受到小无限活动价格跳的扭曲。为改进推断，我们提出了一种新的自助法，该方法能对原假设进行几乎正确尺寸的检验。我们将所开发的框架应用于大截面股票高频数据，发现日内模式解释了波动率日内变化的相当大一部分，但数据中仍存在重要的异方差来源。