4. 高频波动率模型：Realized GARCH、HAR-RV模型
各位同学，欢迎来到第四章。前面我们聊了GARCH族模型，那些东西吧，说实话，在日频数据上挺好用。但一到了高频场景——比如5分钟K线——传统GARCH就有点力不从心了。为什么？因为信息量太大了，你一天有48个5分钟数据，传统GARCH根本吃不下这么多信息。
所以这一章，我们专门来解决一个问题：如何利用5分钟高频数据，构建更精准的波动率预测模型。我会重点讲两个模型：Realized GARCH和HAR-RV。这两个模型，我在做国债期货做市的时候，几乎天天用。
核心思想一句话：用高频数据计算已实现波动率（RV），再用RV去改进波动率建模。说白了，就是把“日内信息”塞进模型里。
4.1 已实现波动率（RV）——高频建模的基石
先说说RV是什么。很简单，假设一天有N个5分钟收益率，那么当天的已实现波动率就是这些收益率的平方和：
RV_t = sum(r_{t,i}^2) 其中 i = 1, 2, ..., N这个指标的好处是——它是波动率的无偏估计量。你想想看，传统GARCH用日收益率来估计波动率，一天只有一个数据点，信息损失太大了。而RV用了所有日内数据，信息利用率高得多。
我在项目中遇到过一个问题：国债期货的5分钟数据有时候会有跳空，比如开盘跳空高开。这时候RV会偏大。我的处理方式是——剔除开盘后前5分钟的数据，或者用中位数调整。嗯，这里要注意，跳空处理不好，模型预测会差很多。
| 采样频率 | 每日样本数 | RV的稳定性 | 适用场景 |
|---|---|---|---|
| 1分钟 | 240 | 较低（噪声大） | 高频做市 |
| 5分钟 | 48 | 适中 | 日内波动率预测 |
| 15分钟 | 16 | 较高 | 日频波动率预测 |
我个人习惯用5分钟数据。为什么？1分钟噪声太大，15分钟又损失了太多日内信息。5分钟是个不错的平衡点。
4.2 HAR-RV模型——简单但有效
HAR-RV模型，全称是Heterogeneous Autoregressive model for Realized Volatility。名字挺长，但模型结构其实很简单。它假设不同时间频率的投资者行为不同，所以用日、周、月三个时间尺度的RV来预测明天的RV。
模型公式长这样：
RV_{t+1} = β0 + β1 * RV_t + β2 * RV_{t-5:t} + β3 * RV_{t-22:t} + ε_t其中：
- RV_t：今天的已实现波动率
- RV_{t-5:t}：过去一周（5天）的平均RV
- RV_{t-22:t}：过去一个月（22天）的平均RV
你可能会问：就这么简单？对，就这么简单。但效果出奇的好。我在做国债期货做市的时候，HAR-RV模型在预测次日波动率方面，比很多复杂的深度学习模型都要稳定。
实战技巧：HAR-RV模型对异常值比较敏感。我建议在计算RV时，先做一下异常值处理——比如用3倍标准差剔除极端收益率。我曾经因为没做这一步，模型预测的波动率直接翻了两倍，差点把做市策略搞崩。
4.3 Realized GARCH——把RV塞进GARCH框架
HAR-RV虽然好，但它有个问题：它只预测RV本身，不预测条件方差。而Realized GARCH模型，把RV作为GARCH模型的额外信息变量，同时建模收益率和RV。
模型结构是这样的：
收益率方程：r_t = μ + ε_t, ε_t ~ N(0, h_t)
波动率方程：h_t = ω + α * ε_{t-1}^2 + β * h_{t-1} + γ * RV_{t-1}
测量方程：RV_t = ξ + φ * h_t + τ(z_t) + u_t看到没？这里多了一个“测量方程”。它把RV和条件方差h_t联系起来。τ(z_t)是一个杠杆函数，用来捕捉正负收益率对波动率的不对称影响。
我个人觉得，Realized GARCH最大的优势是——它同时利用了高频信息和GARCH的时序结构。你想想看，传统GARCH只用日收益率，HAR-RV只用RV，而Realized GARCH两者都用，信息利用率最高。
注意：Realized GARCH的估计比普通GARCH复杂很多。因为多了测量方程，似然函数也更复杂。我建议用专业的优化库，比如Python的arch包或者自己写PyTorch优化。别想着用Excel，那玩意儿算不动。
4.4 Python实战：5分钟数据构建HAR-RV模型
好了，理论讲完了，我们直接上代码。下面是一个完整的HAR-RV模型实现，用国债期货的5分钟数据。
import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
# 假设df是5分钟数据，包含'return'列
# 第一步：计算每日RV
df['return_sq'] = df['return'] ** 2
daily_rv = df.groupby(df.index.date)['return_sq'].sum()
daily_rv = daily_rv.rename('RV')
# 第二步：构建HAR特征
df_rv = pd.DataFrame(daily_rv)
df_rv['RV_lag1'] = df_rv['RV'].shift(1)
df_rv['RV_week'] = df_rv['RV'].rolling(5).mean().shift(1)
df_rv['RV_month'] = df_rv['RV'].rolling(22).mean().shift(1)
# 第三步：去掉缺失值，训练模型
df_model = df_rv.dropna()
X = df_model[['RV_lag1', 'RV_week', 'RV_month']]
y = df_model['RV']
model = LinearRegression()
model.fit(X, y)
# 输出系数
print('系数:', model.coef_)
print('截距:', model.intercept_)
print('R方:', model.score(X, y))这段代码跑完之后，你会得到三个系数。一般来说，β1（日度）最大，β2（周度）次之，β3（月度）最小。这说明——短期波动对预测影响最大。我在国债期货上跑出来的结果，β1大概在0.4左右，β2在0.3左右，β3在0.1左右。
关键点：HAR-RV模型的R方通常在0.3-0.5之间。别觉得低，波动率预测本身就是个很难的问题。能解释30%的方差，已经比很多模型强了。
4.5 两个模型的对比与选择
最后，我做个对比总结。你该用哪个模型？
- 如果你只需要预测明天的RV，用HAR-RV。简单、稳定、可解释性强。
- 如果你需要完整的波动率动态模型（比如用于期权定价），用Realized GARCH。它提供了条件方差，信息更丰富。
- 如果你数据量小（比如只有几个月），用HAR-RV。Realized GARCH参数多，需要更多数据。
- 如果你做高频做市，两个模型都用。HAR-RV用于日内波动率预测，Realized GARCH用于风险度量。
我个人习惯是：先用HAR-RV快速搭建一个基线模型，然后再用Realized GARCH做精细化调整。这样既能快速上线，又能保证精度。
好了，这一章的内容就到这里。记住一句话：高频数据是金矿，但要用对工具才能挖到宝。HAR-RV和Realized GARCH，就是两把最趁手的铲子。