Andersen, Bollerslev, Diebold & Labys (2003) — Modeling and Forecasting Realized Volatility

大白话：这篇论文把日内高频收益平方求和定义为「实现波动率 (realized volatility)」，证明它在无微观结构噪声时是无偏且一致的积分波动率估计，并用它建立了一套能预测波动率、且处理长记忆与星期效应的新框架——现代高频波动率文献的奠基之作。

占位 entity — JDQS 2026 论文的高频 realized volatility 方法学母题, 全文 RV 文献的奠基之作。

完整引用：Andersen, T. G., Bollerslev, T., Diebold, F. X., & Labys, P. (2003). Modeling and forecasting realized volatility. Econometrica, 71(2), 579–625.

核心贡献:

• 把日内高频平方收益求和定义为 实现波动率 (realized volatility, RV)：RV_t = \sum_{j=1}^n r_{t,j}^2。
• 论证 RV 是积分波动率 \int_t^{t+1} \sigma^2_s ds 的无偏且一致估计（在无微观结构噪声时）；存在噪声时需要修正（例如 realized kernel、两尺度 RV）。
• 论证 RV 序列有长记忆性 (long memory) → ARFIMA / HAR 族模型天然适合。
• 给出 DMZ（Decentralized） + SARV 等预测框架，论证长记忆 + 星期效应的组合能解释 GARCH 类模型的样本外弱点。

对 JDQS 2026 论文的角色:

• 是 HHIt 中「水平」部分（RV）的数学基础；HHIt 是 RV 的形状补充（r = -0.11，按 Proposition 1 与水平无关）。
• 论文 §1 "realized volatility... revolutionized volatility measurement by extracting far more information from the intraday price path than a single close-to-close return" 直接引用本文献。

衍生文献:

• Corsi (2009) HAR-RV 简化了长记忆模型。
• Barndorff-Nielsen & Shephard (2004) 双幂变差（抗噪 RV + 跳跃检验）。
• Fan & Wang (2007) 多尺度跳跃/波动率分析。
• Patton (2011) 带不完美代理变量的波动率预测比较。
• JDQS 2026 Intraday Variance Concentration Crash —— HHIt 是 RV 的「形状」延伸，Proposition 1 给出了与水平无关的基线。