Bipower Variation Jump Ratio (BV-based Jump Test)

大白话：日内收益率里有两种波动——连续波动和跳跃。双幂估计（BV）专盯连续波动那部分，用「实现方差减去 BV」剩下的差就是跳跃的量，再除以它的标准差得到一个可以照标准正态分布判断的检验统计量。

定义。 Barndorff-Nielsen-Shephard (2004) 提出的抗跳跃波动率估计 + 跳跃检验统计量： BV_t = \mu_{1/2}^{-2} \sum_{j=2}^n |r_{t,j-1}| |r_{t,j}|, \quad \mu_{1/2} = \sqrt{2/\pi} JV_t = RV_t - BV_t, \quad Z_t = (RV_t - BV_t) / \sqrt{\widehat{\text{Var}}(RV_t - BV_t)} 在有跳跃时 Z_t 渐近服从 N(0, 1) → 拒绝原假设时 Z_t > 1.96 表明当日存在跳跃。 JV/RV 是 HHIt 论文表 II 的 spec 4 中作为跳跃比率的控制变量 （与 log HHI 共线性，r = 0.55，联合不显著）。

与 HHIt 的关系

• 双幂跳跃比率描述单日跳跃强度（RV 与 BV 之差）；HHIt 描述单日波动率集中度（Herfindahl 指数）。
• 二者正交但有重叠：r = 0.55（正相关但非完全共线），spec 4 中联合不显著（多重共线性）——论文因此选择 HHI 作为主信号。
• 论文 §5.3（引 Jiang-Oomen 2008 的论述）：不同的跳跃检测方法共享共同的底层信号， 但没有一种能完全涵盖其他——HHI 是跳跃检测的「形状」补充，但不替代它。

关键文献

• Barndorff-Nielsen Shephard 2004 Power Bipower Variation —— 原始论文（stub）。
• Jiang Oomen 2008 Jump Testing Noise —— swap variance 框架（论文引用，stub）。
• Fan Wang 2007 Multi-Scale Jump Vol —— 多尺度跳跃分析（stub）。
• JDQS 2026 Intraday Variance Concentration Crash —— 主论文。