注意，证明V（T）的中心极限定理归结为采用引理10.12中M（T）证明的推理替换¨ωi，jby¨eαi，j。仔细检查证明表明，计算仍然有效，但极限方差现在表示为limnηtnnnxi，i=0¨eαi，Nn/2¨eαi，Nn/2EWi（θ）θWi（θ）Tθ= 2？ηT（1-φ)φ + 31 - φ~ρ++∞Xk=12(1 - φ） φk1- φ- 4φk-1+（k- 1)(1 -φ） φk-2.~ρk！通过直接计算系数αi，Nn/2。当J 6=0时，我们立即看到在形式的U（T）中有一个附加项-Nn（t）Xj=1Nn（t）Xi=0˙eαi，jWi（θ）θJnj，twich，通过J的有限活度性质等于-PNJj=1nPNni=0˙eαi，i（τj）Wi（θ）θoJτjn非常大，其中nj是J在[0，T]上跳跃的随机次数，τ，····τJare是相关跳跃时间。现在，请注意，根据引理10.2的分部求和公式和˙eαi，j的定义，该项等于Bθ，φ，直到指数可忽略不计的项，我们完成了。定理3.1的证明。让我们首先推导N1/2n（￠νn）的极限- ν). 要做到这一点，请注意，我们有鞅表示，最多可指数忽略不计的项，ψn（ν）=2γ（1+φ）T（S（T）+2S（α）（T）+S（α）（T）+S（α）（T））|φ=0γ（1+φ）TS（T）|φ=02γ（1-φ） T（S（T）+2S（α）（T）+S（α）（T）+S（α）（T））|φ=φγ（1-φ） TS（T）|φ=φ-2γ(1-φ） T型2φ1-φnS（T）+2S（α）（T）+S（α）（T）+S（α）（T）o+2S（β）（T）+S（β）（T）+S（β）（T）|φ=φ.此外，ψnyields0=ψn（|νn）=ψn（ν）+Hn（|νn）（|νn）上的一阶条件- ν） ，（10.105），其中\'νn∈ [νn，ν]。我们将（10.105）重新表示为Γ（ν）-1Hn（(R)νn）N1/2n（￠νn）- ν) = -Γ(ν)-1N1/2nψn（ν）。

（10.106）因此，通过引理10.15，Slutsky稳定收敛引理，上述ψn（ν）的鞅表示以及引理（10.16），（10.17），（10.18），（10.19）和（10.20）（括号hSi，SjiTfori 6=j都可以忽略，因此我们得到族（Si）i=1··5）的联合GT稳定收敛，我们得出GT稳定在定律n1/2n中νn- ν- N-1/2neBθ→ MN（0，U），其中ebθ=（0，U-1θBθ，0，（1- φ)-1便士-1θBθ，0，0）T，U是矩阵U（Q，σ，～η，eK）0 U（Q，γ，φ，eK）0 U（Q，γ，φ，eK）RTσsds+3ηTU-1θ0 U（θ，γ，φ，P0<s≤TJs）0U（Q，γ，φ，eK）0 U（Q，γ，φ，eK）0 U（Q，γ，φ，eK）0 U（θ，γ，φ，P0<s≤TJs）0 U（θ，γ，φ，P0<s≤TJs）0U（Q，γ，φ，eK）0 U（Q，γ，φ，eK）0 U（Q，γ，φ，eK）,其中U（Q，σ，|η，eK）=2QT+4eK+12|η+8|ησ，U（Q，γ，φ，eK）=2Q（1- φ） T+eK1+φ+4γφ（φ- φ+2）1+φ，U（Q，γ，φ，eK）=-2φQγ（1- φ） T+2（1- φ） eK1- φ+4γφ(1 - φ)(φ+ 1)1 - φU（Q，γ，φ，eK）=2（1+φ）Q（1- φ） T+eK（1+φ）+4γφ（φ+φ+2）（1+φ），U（Q，γ，φ，eK）=-2（2+φ）Q（1- φ） γT+2（1- φ） eK（1+φ）γ+2γφ（1- φ） （φ+2）（1+φ）U（Q，γ，φ，eK）=（2φ+7φ+1）Q（1- φ） γT+（1- φ） eK（1+φ）γ+φ（4- φ)(1 - φ） （φ+1）（1+φ）和涉及θ，U（θ，γ，φ，X0<s）的项≤TJs）=2γT（1-φ)-1U-1θ(1 - φ)(φ- 4φ+ 5φ- φ+ 1)~ρ+ (φ- φ+ 3φ- 1)~ρ+ 2φ(1 - φ)~ρ+ (2 - φ)(1 - φ)+∞Xk=2φkρkP-1θ- 2(1 - φ)-1U-1θ((1 - φ)~ρ- (1 - φ)~ρ+ (1 - φ)+∞Xk=2φkρk）×P-1θX0<s≤TJs，U（θ，γ，φ，X0<s≤TJs）=γtp-1θ-2(1 - φ)(1 - φ） P-1θ~ρ1 - φ++∞Xk=12φk1- φ- kφk-1.~ρk！×P-1θX0<s≤TJs。最后，回顾bσn，exp，bθn，exp，bσn，err，bθn，exp，ban，err等于bσn，exp，θ+n-1/2nbun，exp，bγn，err（1-bφn，err），θ+n-1/2nbun，err，n-1T bγn，errbφn，err,delta方法的直接应用产生了定理3.1.10.7，与命题3.3的测试证明相关。我们首先展示我们在H下的主张。注意，CaseBv是定理3.1的结果。对于k 6=3，我们对bvkin进行了几个步骤的证明。第1步。

我们证明，在方差估计量的表达式中，我们可以替换estimatereturnsbXniby有效的Xni。为了简洁起见，我们在k=1的情况下证明了这一点。请注意，k=2、4、5的情况可以按照相同的推理路线进行证明。简介gv：=4NnTPNn-1i=2(Xni）Xni公司-1., 我们必须证明BV- 五、→P0。由于定义Bxtni=Xtni+φ（Qni，θ）-φ（Qni，bθn，exp），如果我们引入bi（θ）=ui（θ）-ui（θ），我们有表示bXni=Xni+bi（bθn，exp）。（10.107）开发BV并使用（10.107），我们得到BV- V=Ani，i-1+Ani-1，i，whereni，i-1=4NnTNn-1Xi=22bi-1（bθn，exp）bi（bθn，exp）Xni公司-1.Xni+2bi（bθn，exp）bi-1（bθn，exp）Xni公司-1+2bi（bθn，exp）Xni公司-1.Xni+bi（bθn，exp）Xni公司-1.+bi公司-1（bθn，exp）bi（bθn，exp）,=Xj=1Ani，i-1【j】和Ani-1，ih与上面的表达式相同，颠倒了i和i的作用-现在，使用展开式bi（bθn，exp）=ui（θ）θbθn，exp- θ+ui（|θn）θbθn，exp- θ2，（10.108）对于某些|θn∈ [θ，bθn，exp]，以及bθn，exp- θ=OP（N-1n）根据定理3.1和thatEhsupθ∈Θjui（θ）θjpXi<∞ 独立于n和任何p≥ 1，j≤ 2，我们很容易通过直接计算推断出，每个Ani-1【j】=oP（1）。第2步。现在我们必须证明，对于任何k∈ {1，2，4，5}，我们有收敛性Vk→PAV AR（bσexp-bσerr），其中vkha是与bvkeexcept相同的表达式BxNI被高效返回取代Xni。在【A"it-Sahalia和Xiu，2016】中已经解决了k=4，5的情况，因此k=1，2的情况仍有待证明。在这一步中，我们展示了k=1的情况，即当价格过程中没有跳跃（J=0）时，以及当AV AR（bσexp- bσerr）=4T-2RTα-1sdsRTσsαsds。让我们引入￠V=4NnTPNni=2σtni-2.tni公司-1.tni。我们首先表明，V-V=oP（1）。请注意，V-V=P（1）n+P（2）n，其中P（1）n=4nntnxi=2Xni公司-1.n个(Xni）- σtni-2.tnio，和p（2）n=4NnTNnXi=2nXni公司-1.- σtni-2.tni公司-1oσtni-2.tni。我们证明了P（1）n→P0。

首先假设波动性过程没有跳跃（J=0）。注意P（1）n=PNn-1i=2χniwithχni=4NnTXni公司-1.n个(Xni）- σtni-2.tnio，所以根据引理2.2.11in【Jacod和Shiryaev，2003】，我们只需要显示pnn-1i=2E[χni | Gni-1] →一方面为P0，另一方面为PNN-1i=2E[（χni）| Gni-1] →另一方面，P0。我们有Nn型-1Xi=2E[χni | Gni-1]≤4NnTNn-1Xi=2Xni公司-1.E“Ztnitni-1.σs- σti-2.ds公司国民总收入-1#≤ KNN公司-3/2+3/2γNn-1Xi=2Xni公司-1.| {z}OP（1）→P0，因为通过假设（H）和（10.11），对于连续It^o半鞅σ，我们有“Ztnitni-1.σs- σtni-2.ds公司国民总收入-1#≤ tniE“sups∈[tni-1，tni]σs- σtni-2.国民总收入-1#≤ 千牛-3/2+3/2γ.此外，EUhNn-1Xi=2E[（χni）| Gni-1] i=16NnTEUNn型-1Xi=2Xni公司-1.En个(Xni）- σtni-2.tnio公司国民总收入-1.≤ KNN公司-2+2γNn-1Xi=2EUXni公司-1.≤ KNN公司-4+4γ→P0，我们再次使用了（H）和（10.13）。最后，当J 6=0时，根据有限活动性质，上述总和中只影响有限数量的项，很容易看出，在这种情况下，收敛仍然成立。因此我们证明了P（1）n→P0和P（2）n→P0也得到了类似的证明。现在，回顾（2.4），我们分解V- 4吨-2ZTα-1sdsZTσsαsds=Q（1）n+Q（2）n，其中Q（1）n=4NnTnNn公司-1Xi=2σtni-2αtni-2.Uni公司-1.- 1.tni和Q（2）n=4NnTnNn公司-1Xi=2σtni-2αtni-2.tni公司- 4吨-2ZTα-1sdsZTσsαsds。利用假设（H）和Uni是i.i.d的事实，独立于其他量，例如e[Uni]=1，我们很容易推断出EUQ（1）n≤ KNN公司-2+2γ→此外，Q（2）n→P0是Nn的直接结果n→PRTα-1sds和Riemann-sumPNn的收敛性-1i=2σtni-2αtni-2.tni公司→PRTσsαsds。第3步。最后，我们给出了k=2的情况。

我们将显示两个收敛性a（1）n：=4NnTNn-1Xi=2(Xni）Xni公司-1.{|Xni公司|≤eui}{|Xni公司-1|≤eui公司-1}→P4T公司-2ZTα-1sdsZTσsαsdsandA（2）n：=TNn-1.-knXi=kn(Xni）{|Xni |>eui}\\σtiαti+\\σti-αti-→P4T公司-2ZTα-1sdsX0<s≤TJs（σsαs+σs-αs-).对于A（1）n，我们首先表明我们可以替换Xniby其连续部分xNI在公式的平方增量中。为此，定义（1）n=4NnTNn-1Xi=2XniXni公司-1.{|Xni公司|≤eui}{|Xni公司-1|≤eui公司-1} ，B（2）n=4NnTNn-1Xi=2XniXni-1.{|Xni公司|≤eui}{|Xni公司-1|≤eui公司-1}.让我们定义（τq）1≤q≤新泽西州<+∞ a、 sbe J的连续跳跃时间（即Jτq6=0 a.s），对于1≤ q≤NJ，IQI使tniq-1<τq≤ tniq。根据J的有限活度性质，对于n足够大的情况，我们有| A（1）n- B（1）n |=4NnTNJXq=1Jτq+ 2.JτqXniqXni公司-1.{|Xni公司|≤eui}{|Xni公司-1|≤eui公司-1},≤4NnTNJXq=1Jτq+ 2.JτqXniq| {z}OP（1）Xni公司-1.| {z}OP（n）-1+γ)~αtniq公司ω|{z}OP（n-ω+γω)|Xniq+Jτq|-1{z}OP（1），其中我们使用了假设（H），并且Jτq6=0，而Xniq=oP（1）用于估算|Xniq+Jτq|-1=OP（1）。由于总和几乎肯定是有限的，因此我们推断出| A（1）n- B（1）n |=OP（nγ-ω+γω）并且由于γ可以被视为接近0的任意值，我们推断A（1）n- B（1）n→同样，我们证明了B（1）n- B（2）n→P0。现在我们去掉了B（2）n中的指标函数。定义B（3）n=4NnTNn-1Xi=2XniXni-1..那么简单的计算给出seu | B（2）n- B（3）n |=4NnTEUNn-1Xi=2XniXni-1.{|Xni |>eui}∪{|Xni公司-1 |>eui-1}≤4NnTEUNn-1Xi=2XniXni-1.| Xni | |α(tni）ω+|Xni公司-1|~α (tni）ω≤ KNn×n-5/2+5/2γ+ω-ωγ→Psinceω<1/2。最后，请注意，在本证明的第2步中，B（3）n→P4T公司-2RTα-1sdsRTσsαsds与A（1）n结合- B（3）n→P0，这为A（1）nas井提供了所需的收敛性。对于A（2）n，通过上述类似技术，定义c（1）n=TNJXq=1Jτq\\σtiqαtiq+\\σtiq-αtiq-, （10.109）我们很容易推导出A（2）n=C（1）n+oP（1）。

此外，我们还可以通过假设（H）以及▄knn→ 0和￠kn→ ∞,\\σtiqαtiq=Nn▄knTiq+▄kn-1Xj=智商Xnj公司{|Xnj公司|≤euj}=Nn▄knTiq+▄kn-1Xj=智商Xnj+ oP（1）=NnknTiq+kn-1Xj=iqστqtnj+oP（1）=NnnTστqατqkniq+kn-1Xj=iqnj |{z}→PE【U】=1+oP（1）→PT公司-1ZTα-1sdsστqατq，其中我们使用了该Nnn→PRTα-1sds和i.i.d序列（Uni）i，n的大数定律。类似地，我们还有∑tiq-αtiq-→PT公司-1RTα-1sdsστq-ατq-. 最后，结合（10.109），我们推导出A（2）n的期望收敛性。在另一种情况下，类似的技术得出当η>0时，方差估计量sbvk，k∈ {1，···，5}仍然是OP（1）的顺序（尽管它们变得不一致）。我们在测试的一致性之后展示了什么。推论3.4的证明。在无效假设下，推论是定理3.1（η=K=0）和命题3.3的直接结果。在替代η>0的情况下，根据定理3.1，我们有bσn，err- bσn，exp→P2η>0 P- a、 所以这个屈服值snn（bσn，Er-bσn，exp）bVk→P+∞ （根据命题3.3，我们得到bvk=OP（1）），这完成了证明。最后，我们给出了推论3.5。推论3.5的证明。我们首先展示公式（3.17）以及bσn，exp等于（9）中介绍的[Li等人，2016]的最小二乘估计量这一事实。实际上，（3.17）是通过直接求解一阶条件得到的ln，expσ（bσn，exp，bθn，exp）=0，使用ln，exp的定义（3.2）。此外，bθn，exp的一阶条件为θu（bθn，exp）T（Y- u（bθn，exp））=0，这也是与【Li等人，2016年】中等式（9）中引入的二次损失相关的一阶条件。这证明了bθn，扩展了[Li等人，2016]的估计量（9）是一致的。现在，收敛性（3.16）是bθn的一致性的一个前瞻性结果，在哈龙下表示为有效价格X的右连续性。

因此，（3.19）和（3.20）中所述的收敛是第3.1款的特殊情况。命题3.6的证明。当噪声较大时（即a>0固定），类似于命题3.3 yieldsbV=4NnTNnXi=2的证明计算tni公司tni公司-1{z}OP（1）+OP（Nn）=OP（Nn）。同样，对于i=2，···，5，我们有bvi=OP（Nn）。推论3.7的证明。在大噪声替代方案下，将定理10.14的证明用于固定a>0很容易产生bσn，err- bσn，exp=2aT-1Nn+oP（Nn），即Nn（bσn，err- bσn，exp）=4aT-2Nn+oP（Nn），因此，根据命题3.6，对于任何i=1，····，5，我们有Si=Nn（bσn，err-bσn，exp）/英属维尔京群岛→P+∞ 自BVI=OP（Nn）。命题3.8的证明。当φ=0时，请注意，我们处于模型（1.3）与θ=eθ保持一致的情况。特别是，在小噪声假设下，我们仍然有bθexp-eθ=OP（1/Nn），因此命题3.3证明中的所有计算都是正确的。特别是对于i=1，2，Vi=OP（1）。在大噪声替代方案下，类似的论证得出了Vi=OP（Nn），如命题3.6的前提。推论3.9的证明。同样，当φ=0时，这相当于假设对数返回模型（1.3）在θ=eθ时保持为真。特别是，在小噪声假设下，定理10.14仍然有效，替换θbyeθ，特别是我们仍然有bσn，err- bσn，exp→P2eη。结合命题3.8，得出i=1，2，Si→P+∞. 对于大噪声情况，类似的参数yieldsbσn，err- bσn，exp=2T-正如命题3.6的证明一样，通过命题3.8，我们可以得出i=1的结论，2→P+∞.引理4.6的证明。在固定噪声a>0的情况下，bπV=πV+oP（1）这一事实是bθn、errand ban、errby定理4.1以及混合条件（2.11）一致性的直接结果。现在我们证明第二种说法。对于i∈ {1，…，Nn}，我们使用符号φi（θ）=φ（Qi，θ）。

根据中值定理，存在∈ 【ban、err、ηT/n】和Bn∈ [（Nn+1）-1pni=0φi（bθn，err），E[φ（θ）]]，使得bπV- πV=（An+Bn）-2(-Bn公司禁止，错误-ηTn+ AnPNni=0φi（bθn，err）Nn+1- E[φ（θ）]！），根据定理3.1，我们得到了baerr=ηT/n+OP（n-3/2）和bθn，err=θ+OP（n-1n），我们很容易推断，再次使用混合条件（2.11），（Nn+1）-1pni=0φi（bθn，err）=E[φ（θ）]+OP（n-1/2n），因此（An+Bn）-2=E[φ（θ）]-2+oP（1），Bn禁止，错误- η吨/吨= OP（N-3/2n），最终（N+1）-1pni=0φi（bθn，误差）- E[φ（θ）]= OP（N-3/2n）使BπV- πV=OP（N-3/2n），我们完成了。参考文献【Adams和Fournier，2003】Adams，R.A.和Fournier，J.J.（2003）。Sobolev spaces，第140卷。学术出版社。【A"it-Sahalia等人，2005年】A"it-Sahalia，Y.、Mykland，P.A.和Zhang，L.（2005年）。在存在市场微观结构噪声的情况下，对连续时间过程进行采样的频率。《金融研究回顾》，18（2）：351–416。【A"it-Sahalia等人，2011年】A"it-Sahalia，Y.、Mykland，P.A.和Zhang，L.（2011年）。依赖微观结构噪声的超高频波动率估计。计量经济学杂志，160（1）：160–175。【A"it-Sahalia和秀，2016】A"it-Sahalia，Y.和秀，D.（2016）。高频数据中存在市场微观结构噪声的豪斯曼检验。发表在《计量经济学杂志》上。[Almgren和Chriss，2001]Almgren，R.和Chriss，N.（2001）。投资组合交易的最佳执行。《风险杂志》，3:5–40。【Altmeyer和Bibinger，2015】Altmeyer，R.和Bibinger，M.（2015）。拟有效谱共变性估计的泛函稳定极限定理。随机过程及其应用，125（12）：4556–4600。【Andersen等人，2000年】Andersen，T.，Bollerslev，T.，Diebold，F.，和Labys，P.（2000年）。伟大的实现。风险，第105–108页。【Andersen等人，2001年】Andersen，T.G.，Bollerslev，T.，Diebold，F.X.，和Labys，P.（2001年）。

已实现汇率波动的分布。《美国统计协会杂志》，96（453）：42–55。【Andersen等人，2017年】Andersen，T.G.，Cebiroglu，G.，和Hautsch，N.（2017年）。波动性、信息反馈和市场微观结构噪音：两种制度的故事。工作文件见SSRN2921097。【Andersen等人，2012年】Andersen，T.G.，Dobrev，D.，和Schaumburg，E.（2012年）。使用最近邻截断的跳跃鲁棒波动率估计。《计量经济学杂志》，169（1）：75–93。[巴恩多夫-尼尔森等人，2008年]巴恩多夫-尼尔森，O.E.、汉森，P.R.、伦德，A.和谢泼德，N.（2008年）。设计实现核来衡量噪声存在时股票价格的事后变化。《计量经济学》，76（6）：1481–1536。[巴恩多夫-尼尔森和谢泼德，2002年]巴恩多夫-尼尔森，O.E.和谢泼德，N.（2002年）。使用已实现方差估计二次方差。应用计量经济学杂志，17（5）：457–477。[巴恩多夫-尼尔森和谢泼德，2004a]巴恩多夫-尼尔森，O.E.和谢泼德，N.（2004a）。已实现协变量的计量经济学分析：金融经济学中基于高频的协方差、回归和相关性。《计量经济学》，72（3）：885–925。【巴恩多夫-尼尔森和谢泼德，2004b】巴恩多夫-尼尔森，O.E.和谢泼德，N.（2004b）。随机波动和跳跃的功率和双功率变化。金融计量经济学杂志，2（1）：1–37。【Black，1986】Black，F.（1986）。噪音《金融杂志》，41（3）：528–543。【Chaker，2017】Chaker，S.（2017）。关于无摩擦价格的高频估计：观察流动性变量的使用。计量经济学杂志，201（1）：127–143。【Chen and Hall，2013】Chen，F.and Hall，P.（2013）。非平稳自激点过程的推断及其在超高频金融数据建模中的应用。

《应用可能性杂志》，50（4）：1006–1024。【Christensen等人，2018年】Christensen，K.，Hounyo，U.，和Podolskij，M.（2018年）。日变化模式是否足以解释波动性的日内变化？非参数评估。《经济计量学杂志》，205（2）：336–362。【Clinet和Potiron，2017】Clinet，S.和Potiron，Y.（2017）。高频数据低于参数市场微观结构噪声的估计。工作文件见arXiv:1712.01479。【Clinet和Potiron，2018a】Clinet，S.和Potiron，Y.（2018a）。估计高频数据波动率时有效的渐近方差缩减。计量经济学杂志，206（1）：103–142。【Clinet和Potiron，2018b】Clinet，S.和Potiron，Y.（2018b）。效率、交易和中间价格之间的关系：解开高频市场微观结构噪音的来源。工作纸可从SSRN获得：3167014。【Clinet和Potiron，2018c】Clinet，S.和Potiron，Y.（2018c）。双随机自激过程的统计推断。伯努利，24（4B）：3469–3493。【Cont等人，2014年】Cont，R.、Kukanov，A.和Stoikov，S.（2014年）。订单bookevents的价格影响。《金融计量经济学杂志》，12（1）：47–88。【Da and Xiu，2017】Da，R.and Xiu，D.（2017）。当移动平均模型遇到高频数据时：波动率的统一推断。工作文件可在大成秀的网站上查阅。【Diebold和Strasser，2013】Diebold，F.X.和Strasser，G.（2013）。微观结构噪声的相关结构：金融经济学方法。《经济研究评论》，80（4）：1304–1337。【Engle和Russell，1998年】Engle，R.F.和Russell，J.R.（1998年）。自回归条件持续时间：不规则间隔事务数据的新模型。《计量经济学》，第1127-1162页。【Ghysels等人，1996年】Ghysels，E.、Harvey，A.C.和Renault，E.（1996年）。5随机波动性。

《统计手册》，14:119–191。[格洛斯滕和哈里斯，1988]格洛斯滕，L.R.和哈里斯，L.E.（1988）。估计买卖价差的组成部分。《金融经济学杂志》，21（1）：123–142。【Hansen和Lunde，2006年】Hansen，P.R.和Lunde，A.（2006年）。实现了方差和市场微观结构噪声。《商业与经济统计杂志》，24（2）：127–161。[哈斯布鲁克，1993]哈斯布鲁克，J.（1993）。评估证券市场的质量：交易成本计量的新方法。《金融研究评论》，6（1）：191–212。[哈斯布鲁克，2007]哈斯布鲁克，J.（2007）。实证市场微观结构：证券交易的制度、经济学和计量经济学。牛津大学出版社。[Hausman，1978]Hausman，J.A.（1978）。计量经济学中的规格测试。《计量经济学》，第1251-1271页。【Huang and Tauchen，2005】Huang，X.and Tauchen，G.（2005）。跳跃对总价格方差的相对贡献。《金融计量经济学杂志》，3（4）：456–499。【Jacod，1997】Jacod，J.（1997）。关于连续条件高斯鞅和稳定收敛律。《斯特拉斯堡概率》，31:232–246。【Jacod等人，2009年】Jacod，J.、Li，Y.、Mykland，P.A.、Podolskij，M.和Vetter，M.（2009年）。连续情况下的微观结构噪声：预平均法。随机过程及其应用，119（7）：2249–2276。【Jacod和Protter，2011】Jacod，J.和Protter，P.E.（2011）。过程离散化。SpringerScience&Business Media。【Jacod和Shiryaev，2003年】Jacod，J.和Shiryaev，A.（2003年）。随机过程的极限定理（第二版）。柏林：斯普林格·维拉格。【Kallenberg，2006】Kallenberg，O.（2006）。现代概率的基础。施普林格科学与商业媒体。【Kalnina和Linton，2008】Kalnina，I.和Linton，O.（2008）。

在存在内生和昼间测量误差的情况下，一致估计二次变化。《计量经济学杂志》，147（1）：47–59。[Kavajecz，1999]Kavajecz，K.A.（1999）。专家引用的深度和限额订单。《金融杂志》，54（2）：747-771。[Lee and Ready，1991]Lee，C.and Ready，M.J.（1991）。从日内数据推断交易方向。《金融杂志》，46（2）：733-746。[Leeb和P"otscher，2005年]Leeb，H.和P"otscher，B.M.（2005年）。模型选择和推理：事实和作用。计量经济学理论，21（1）：21–59。[李等人，2016年]李，Y.，谢，S.，和郑，X.（2016年）。有效估计综合交易信息的综合波动性。计量经济学杂志，195（1）：33–50。【Madhavan，2000年】Madhavan，A.（2000年）。市场微观结构：调查。《金融市场杂志》，3（3）：205–258。【Madhavan等人，1997年】Madhavan，A.、Richardson，M.和Roomans，M.（1997年）。为什么证券价格会发生变化？纽约证券交易所股票的交易层面分析。《金融研究评论》，10（4）：1035–1064。【曼奇尼，2009】曼奇尼，C.（2009）。具有随机扩散系数和跳跃的模型的非参数阈值估计。《斯堪的纳维亚统计杂志》，36（2）：270–296。【McCullagh，1987】McCullagh，P.（1987）。《统计学中的张量方法》，第161卷。查普曼和霍尔伦敦。【Muni Toke，2016】Muni Toke，I.（2016）。使用聚合数据重建订单流。市场微观结构与流动性，2（02）：1650007。【奥哈拉，1995年】奥哈拉，M.（1995年）。市场微观结构理论，第108卷。马萨诸塞州布莱克威尔剑桥。【巴顿，2011】巴顿，A.J.（2011）。基于数据的已实现波动率估值器排名。《经济计量学杂志》，161（2）：284–303。【Potiron和Mykland，2016】Potiron，Y.和Mykland，P.A.（2016）。高频数据的局部参数估计。工作文件见arXiv:1603.05700。【Reiss，2011】Reiss，M.（2011）。

噪声观测波动率推断的渐近等价性。《统计年鉴》，39（2）：772–802。【雷诺等人，2017年】雷诺，E.、萨里索，C.和沃克，B.J.（2017年）。有效估计综合波动率和相关过程。计量经济学理论，33（2）：439–478。【Robert和Rosenbaum，2010】Robert，C.Y.和Rosenbaum，M.（2010）。超高频数据动力学的一种新方法：带不确定区的模型。《金融经济计量学杂志》，9（2）：344–366。【Robert和Rosenbaum，2012】Robert，C.Y.和Rosenbaum，M.（2012）。当微观结构噪声和交易时间是内生的时，波动率和协变量估计。数学金融，22（1）：133–164。【Roll，1984】Roll，R.（1984）。有效市场中有效买卖价差的简单隐含度量。《金融杂志》，39（4）：1127–1139。【斯托尔，2000】斯托尔，H.R.（2000）。总统演讲：摩擦。《金融杂志》，55（4）：1479–1514。【Todorov和Tauchen，2011】Todorov，V.和Tauchen，G.（2011）。波动性大幅上升。《商业与经济统计杂志》，29（3）：356–371。【范德法特，2000年】范德法特，A.W.（2000年）。渐近统计。剑桥大学出版社。【Varneskov，2017】Varneskov，R.T.（2017）。使用广义fl-at-top实现核估计噪声资产价格的二次变化谱。计量经济学理论，33（6）：1457–1501。【秀，2010】秀，D.（2010）。高频数据波动率的拟极大似然估计。《计量经济学杂志》，159（1）：235–250。[Zhang，2006]Zhang，L.（2006）。利用噪声观测有效估计随机波动率：多尺度方法。伯努利，12（6）：1019–1043。[Zhang等人，2005年]Zhang，L.，Mykland，P.A.，和A"it-Sahalia，Y.（2005年）。两个时间尺度的故事：用嘈杂的高频数据确定综合波动率。

《美国统计协会杂志》，100（472）：1394-1411。表1：模型和限额订单簿变量概述+限额订单簿变量名称符号定义交易类型Ii1（如果交易时间为买方发起的交易）和-1（如果交易数量为卖方发起的交易）交易数量DiDi=ti- ti公司-1报价深度Q询价/投标深度规定了最佳询价/投标报价价差SiSi=Ai时的可用量- Bi，具有Aibest ask price和Bibest BIST bid price订单流量不平衡IIBI在最佳投标和ask价格下的供需不平衡（包括报价和取消）-1和TiModelNameφ（Qi，θ）相关文献null 0 Roll Iiθ[Roll，1984]Glosten Harris Ii（θ（1）+Viθ（2））[Glosten和Harris，1988]签署了时间戳IiD-1iθ【Almgren和Chriss，2001】签署的扩展IiSiθ签署的引用深度IiQDiθ【Kavajecz，1999】Iiθ的订单流量不平衡【Cont等人，2014】NL签署的扩展IiSiθ1+Siθ一般Ii（θ（1）+Viθ（2）+D-1iθ（3）+Siθ（4）+QDiθ（5））+的Iiθ（6）表2：模拟研究结果：当真实场景为零假设时，在i.i.d剩余噪声达到0.05水平的备选方案中，零假设的拒绝分数。

注意ξ=a/qTRTσudu对应于噪声信号比。采样频率逐点15秒30秒SAξSSSSSSSS滚动模型恒定挥发度0 0 0.05 0.07 0.05 0.05 0.05 0.05 0.04 0.04 0.04-9≈ 10-61.00 1.00 0.05 0.05 0.05 0.03 0.03 0.03小时-8.≈ 10-51.00 1.00 0.33 0.33 0.34 0.08 0.08 0.08-7.≈ 10-41.00 1.00 1.00 1.00 1.00 0.98 0.99 0.99时变波动率和无价格跳跃0.05 0.07 0.18 0.05 0.09 0.16 0.06 0.09-9≈ 10-61.00 1.00 0.18 0.07 0.11 0.17 0.05 0.10小时-8.≈ 10-51.00 1.00 0.63 0.52 0.55 0.25 0.15 0.19-7.≈ 10-41.00 1.00 1.00 1.00 0.98 0.97 0.97时变波动和价格上涨0 0.03 0.05 0.09 0.01 0.05 0.08 0.03 0.06-9≈ 10-61.00 1.00 0.09 0.03 0.06 0.08 0.03 0.07小时-8.≈ 10-51.00 1.00 0.30 0.22 0.29 0.10 0.05 0.09-7.≈ 10-41.00 1.00 0.99 0.41 0.88 0.75 0.35 0.57符号利差模型恒定波动率0 0.05 0.08 0.05 0.05 0.05 0.04 0.04 0.04-9≈ 10-61.00 1.00 0.05 0.06 0.06 0.03 0.04 0.04小时-8.≈ 10-51.00 1.00 0.30 0.30 0.30 0.07 0.07 0.07-7.≈ 10-41.00 1.00 1.00 1.00 0.98 0.98 0.98时变波动率和无价格跳跃0.05 0.08 0.14 0.04 0.07 0.16 0.05 0.08-9≈ 10-61.00 1.00 0.17 0.06 0.09 0.16 0.06 0.09小时-8.≈ 10-51.00 1.00 0.62 0.52 0.53 0.26 0.15 0.18-7.≈ 10-41.00 1.00 1.00 1.00 0.98 0.97 0.97时变波动率和价格上涨0 0.04 0.05 0.06 0.01 0.04 0.08 0.02 0.06-9≈ 10-61.00 1.00 0.07 0.03 0.05 0.08 0.02 0.05小时-8.≈ 10-51.00 1.00 0.28 0.21 0.26 0.13 0.07 0.11-7.≈ 10-41.00 1.00 1.00 0.38 0.87 0.77 0.37 0.59表3：模拟研究结果：当真实情景是具有连续依赖、内生和异方差残余噪声达到0.05水平的替代方案时，否定无效假设的分数。

注意ξ=a/qTRTσudu对应于噪声信号比。采样频率逐点15秒30秒SAξSSSSSSSS滚动模型恒定波动率-9≈ 10-61.00 1.00 0.07 0.07 0.07 0.06 0.07 0.07小时-8.≈ 10-51.00 1.00 0.43 0.43 0.43 0.14 0.14 0.14-7.≈ 10-41.00 1.00 1.00 1.00 1.00 0.99 0.99 0.99时变波动率，无价格跳跃-9≈ 10-61.00 1.00 0.22 0.09 0.13 0.21 0.08 0.14小时-8.≈ 10-51.00 1.00 0.75 0.63 0.56 0.30 0.19 0.22-7.≈ 10-41.00 1.00 1.00 1.00 1.00 0.99 0.99 0.99时变波动率和价格跳跃-9≈ 10-61.00 1.00 0.12 0.05 0.08 0.10 0.05 0.08小时-8.≈ 10-51.00 1.00 0.34 0.25 0.33 0.12 0.07 0.10-7.≈ 10-41.00 1.00 1.00 0.50 0.99 0.83 0.41 0.63有符号利差模型恒定波动率-9≈ 10-61.00 1.00 0.07 0.08 0.08 0.07 0.07 0.07小时-8.≈ 10-51.00 1.00 0.40 0.40 0.40 0.14 0.15 0.15-7.≈ 10-41.00 1.00 1.00 1.00 1.00 0.99 0.99 0.99时变波动率，无价格跳跃-9≈ 10-61.00 1.00 0.23 0.11 0.15 0.21 0.10 0.14小时-8.≈ 10-51.00 1.00 0.73 0.62 0.63 0.32 0.20 0.24-7.≈ 10-41.00 1.00 1.00 1.00 1.00 0.99 0.99 0.99时变波动率和价格跳跃-9≈ 10-61.00 1.00 0.10 0.05 0.07 0.11 0.04 0.07小时-8.≈ 10-51.00 1.00 0.34 0.26 0.31 0.16 0.10 0.15-7.≈ 10-41.00 1.00 1.00 0.46 0.99 0.95 0.50 0.72表4：模拟研究结果：八个波动率估值器的比较。请注意，ξ=a/qTRTσudu对应于噪声信号比，表示10x。a0 e-9mixξ0≈ e-6混合估计偏差Stdv。RMSE偏差Stdv。RMSE偏差Stdv。

RMSEtime可变波动率和无价格跳跃，滴答滴答模型1.71e-73.89e-63.89e-61.33e-76.30e-66.30e-61.52e-75.24e-65.24e-6QMLEexp-5.65e-83.10e-63.10e-64.67e-53.48e-64.68e-52.38e-52.31e-53.32e-5QMLEerr 7.60e-85.93e-65.93e-61.02e-76.12e-66.12e-68.90e-86.03e-66.03e-6EQMLE 7.61e-85.93e-65.93e-61.04e-76.12e-66.12e-68.91e-86.03e-66.03e-6QMLE 6.13e-51.50e-56.31e-55.76e-51.53e-55.96e-55.94e-51.55e-56.14e-5PAE-2.88e-62.99e-53.00e-5.-2.88e-62.99e-53.00e-5.-2.88e-62.99e-53.00e-5RK 6.10e-51.40e-56.25e-55.86东经-51.46e-56.04e-55.98e-51.39e-56.14e-5RV 3.27e-45.87e-63.27e-43.74东经-46.48e-63.74东经-43.51e-46.33e-63.51e-4spread型号1.71e-73.89e-63.89e-61.33e-76.30e-66.30e-61.52e-75.24e-65.24e-6QMLEexp-5.66e-83.11e-63.11e-64.67e-53.48e-64.68e-52.38e-52.31e-53.32e-5QMLEerr 7.62e-85.93e-65.93e-61.02e-76.12e-66.12e-68.91e-86.03e-66.03e-6EQMLE 7.62e-85.93e-65.93e-61.04e-76.11e-66.11e-68.92e-86.03e-66.03e-6QMLE 6.15e-51.51e-56.33e-55.78e-51.53e-55.98e-55.96e-51.56e-56.16e-5PAE-2.87e-62.99e-53.00e-5.-2.87e-62.99e-53.00e-5.-2.87e-62.99e-53.00e-5RK 6.11e-51.41e-56.27e-55.88e-51.47e-56.06e-56.00e-51.44e-56.17e-5RV 3.31e-45.95e-63.31e-43.78e-46.51e-63.78e-43.55e-46.38e-63.55e-4表5：描述性统计名称股票代码Nb。