如何在 GARCH 模型中考慮日內季節性？

我正在使用 GARCH(1,1) 模型來估計波動率。

我正在使用每小時數據來執行此操作（我有 100 個交易日的每小時數據）。

除了刪除第一個小時（代表隔夜收益）之外，還有什麼簡單而有效的方法來糾正我的日內數據以考慮日內季節性？

傳統的方法是預過濾回報，這要歸功於類似於 的關係： $ r^{f}{t} = r{t} /\phi_{t} $ 在哪裡 $ r_{t} $ 是平方對數回報， $ r^{f}{t} $ 過濾後的平方返回和 $ \phi{t} $ 週期性分量。 $ \phi_{t} $ 是一個確定性的盤中成分（時間的季節性影響 $ t $ ）。我們在過濾（即去季節性）系列上估計 GARCH 模型 $ r^{f}_{t} $ .

有幾個模型來表徵 $ \phi_{t} $ ，由 Boudt, K.、Croux, C. 和 Laurent, S. (2011) 提出的方法對 Jumps 具有強韌性。

HighFrequency R 包提供了幾個常式來對確定性組件進行建模，請參見此處。

也可以看看：

• Andersen, TG 和 Bollerslev, T. (1997)。金融市場的日內週期性和波動性持續存在。實證金融雜誌，4（2-3），115-158。https://doi.org/10.1016/S0927-5398(97)00004-2
• Boudt, K.、Croux, C. 和 Laurent, S. (2011)。波動性和跳躍檢測中周內週期性的穩健估計。實證金融雜誌，18，353–367。https://doi.org/10.2139/ssrn.1297371

引用自：https://quant.stackexchange.com/questions/45526