高频金融数据典型事实的波动率模型

本文引入新的波动率扩散模型，以解释高频金融数据的典型事实，如波动率聚集、日内U形以及杠杆效应。例如，所提波动率过程的日积分波动率具有已实现GARCH结构，并对对数收益存在非对称效应。为了进一步解释金融数据的重尾性，我们假设对数收益具有有限的$2b$阶矩，其中$b \in (1,2]$。随后，我们提出一种Huber回归估计量，其最优收敛速率为$n^{(1-b)/b}$。我们还讨论了如何调整由Huber损失带来的偏差，并给出了其渐近性质。