ARCH,GARCH等一大类模型或者SV类模型只适用于低频数据(日度,周度,月度,季度,年度等)的波动率建模和预测。后来发展起来的基于高频数据的已实现波动率(realized volatility,RV)或者与它类似的波动率测度(像什么已实现双幂次变差,已实现极差,已实现多幂次变差等等)。请注意这些波动率度量值的计算,虽然利用的是高频数据,但计算出来的还是日度波动率的估计,此时基于日度RV,以前的ARIMA,ARCH类模型又可以使用了,会见到像 RV-ARFIMA,RV-ARCH等等模型;有时候会利用RV的对数lnRV建立类似的模型;另一类是沿着HAR-RV模型发展起来的一大类模型。像考虑跳跃的HAR-RV-CJ模型,等等诸与此类吧。但我突然发现这些模型搞的那么复杂,利用的也是高频数据,然并卵预测的却都是日度波动率。那请问既然利用的是高频数据,大家更想知道的或者说更想要预测的应该是日内波动率吧。比如,我有沪深300指数5分钟间隔的高频收盘价数据;我如何预测 上午10:30,下午 2:30的波动率呢。请问各路金融、量化的大神们,怎么办呢???
根据查询资料,涉及的应该 高频瞬时(点)波动率的预测问题。