Fan & Wang (2007) — Multi-Scale Jump and Volatility Analysis for High-Frequency Financial Data

大白话：用不同采样频率估计同一只股票的波动率，频率越高越会把微观结构噪声误当成跳跃，越低又会把跨 bar 的跳跃抹平；这篇论文给出多尺度估计框架，并指出跳跃成分的跨日持续性远弱于连续成分——所以单日跳跃主要是事件驱动的。

占位 entity — JDQS 2026 论文 jump component 跨日持久性论断的来源。

完整引用：Fan, J., & Wang, Y. (2007). Multi-scale jump and volatility analysis for high-frequency financial data. Journal of the American Statistical Association, 102(480), 1349–1362.

核心贡献:

• 提出多尺度框架，用不同采样频率（例如 1 分钟、5 分钟、15 分钟、30 分钟）估计连续成分与跳跃成分的分离。
• 论证连续成分在不同频率下稳定（呈幂律收敛），而跳跃成分在高频下被高估（微观结构噪声 + 采样混叠），在低频下被抹平（低频虽能捕捉跨多个 5 分钟 bar 的跳跃，但丢失了粒度）。
• 论证跳跃成分的跨日持续性显著弱于连续成分——即单日跳跃主要是事件驱动，不会持续到次日。

对 JDQS 2026 论文的角色:

• §6.0 稳健性检验中直接引用 "fan and Wang's (2007) finding that the jump component of realized variance is less persistent across days" → 论证 HHI 5 日移动平均不显著（p = 0.94）的原因：跳跃衰减快，当日 HHI 已经够用，不需要历史滞后项。
• §5.4 episode case study 中 5 次大崩盘前一日 HHI 都接近基线（广-均匀），而反例（TARP 投票）单日 HHI = 14.4（孤立突发）→ 验证 Fan-Wang 关于「跳跃是事件驱动」的论断。

对 quant 实践的含义:

• 跳跃 / 非扩散信号是单日主导的，不需要多日平滑 → HHI 这类日内集中度信号比 5 日移动平均更直接。
• Fan-Wang 的多尺度估计为「跳跃是否在交易时段内耗尽」提供了分解工具。