摘要: 在高频金融数据研究中,估计金融资产价格序列的积分波动率的时候,往往需要考虑市场微观结构噪声与资产价格跳跃的影响。本文考虑将市场微观结构噪声部分地表示成交易信息的参数函数,并结合资产收益序列的跳跃特征,提出资产收益的高斯混合模型。我们利用EM算法进行噪声的参数估计的同时,识别资产价格的跳跃,进而提出一种新的积分波动率的估计量。本文提出的方法可以视为Li等(2016)的改进,并在模拟研究中,得到了比Li等(2016)更好的参数估计效果,且即使在跳跃幅度分布误设的情况下,也具有良好的识别跳跃的功能。在应用举例中,我们对比了Lee与Mykland(2008)的跳跃发现方法,论证了我们的模型在识别跳跃方面的可靠性。