Jiang & Oomen (2008) — Testing for Jumps when Asset Prices are Observed with Noise

大白话：跳跃检验要能在微观结构噪声下用，就必须换个统计量——这篇用 swap variance（方差互换）框架：通过 Itô 引理直接作用在价格的半鞅过程上，测跳跃对三阶及更高阶收益矩的影响。收敛更快、检验更有力，且在 i.i.d. 噪声下依然有效（只需修正一个闭式渐近方差）。

为什么 BPV 检验不够

主流检验是 Barndorff-Nielsen-Shephard (2004, 2006) 的双幂变差（BPV）：已实现方差（RV）和 BPV 都估计积分方差，但 BPV 对跳跃稳健，于是 RV − BPV 度量跳跃对总变差的贡献。问题在于它收敛慢，且在微观结构噪声下会失效——噪声引入的「伪跳跃」与真实跳跃难以区分。

swap variance 检验

推导路径：直接把 Itô 引理作用在价格的半鞅过程上。

直觉：这个统计量测的是跳跃对三阶及以上收益矩的影响，而高阶矩（偏度、峰度）对跳跃比对连续变化敏感得多——正好能把跳跃从扩散型价格变动里剥离出来。

另一个视角：它直接对应于用对数合约复制方差互换策略的损益函数，所以叫「swap variance」检验。

三个优势

收敛速度更快 —— 经模拟验证，有限样本性质更好
检验更有力 —— 利用了对跳跃更敏感的高阶矩
对 i.i.d. 微观结构噪声鲁棒 —— 修正后的渐近方差有闭式解

第 3 点特别重要，因为跳跃检验通常就是用高频数据做的。

附带的理论结果

因为可实施的 swap variance 检验需要稳健估计积分方差、四阶矩与六阶矩，论文还给出新解析结果：i.i.d. 噪声对双幂、四幂、六幂变差的影响，可用来校正幂变差估计量的偏误。

实证

用 IBM 高频数据做实证演示。

相关

摘要：Testing for Jumps when Asset Prices are Observed with Noise
Bipower Variation Jump Ratio 讲的正是 BPV 检验——本文是它的直接竞争方案，且声称在有限样本上更好
HHIt (Herfindahl Index of Intraday Variance) 用 JV/RV 作跳跃比率控制变量；本文提供「跳跃检验该用哪个统计量」的方法学依据

占位 entity — JDQS 2026 论文 jump ratio 与 HHI 共线性论述的来源。

完整引用：Jiang, G. J., & Oomen, R. C. A. (2008). Testing for jumps when asset prices are observed with noise: a swap variance approach. Journal of Econometrics, 144(2), 352–370.

核心贡献:

论证传统跳跃检验（Barndorff-Nielsen-Shephard 2004）在微观结构噪声下失效——噪声引入的「伪跳跃」与真实跳跃难以区分。
提出 swap variance（方差互换） 框架，通过观察不同远期期限的方差互换利率上远期方差 (forward variance) 的变化，区分连续的波动率变化（远期方差平滑）与离散跳跃（远期方差阶跃）。
swap variance 框架对微观结构噪声鲁棒（因为用的是远期方差，不是实现平方收益）。
论证不同的跳跃检测方法（双幂变差 bipower、swap variance、HHI 等）共享共同的底层信号，但没有一个能完全涵盖其他方法——这是 HHI 论文表 II 设定 4（HHI + jump ratio 联合不显著）的来源。

对 JDQS 2026 论文的角色:

§5.3（表 II 设定 4）直接引用："the positive correlation between log HHI and the jump ratio (r = 0.55) and the joint insignificance in specification (4) is consistent with Jiang and Oomen's (2008) observation that distinct jump-detection approaches share a common underlying signal without either fully subsuming the other"。
论文选择 HHI（而非 jump ratio）作为主信号，原因：HHI 在样本外表现显著（Brier 0.0430），而 jump ratio 单独使用 p = 0.051（勉强显著），联合使用则不显著（可能是多重共线性）。
与 Fan-Wang 2007 配合：跳跃成分跨日持续性弱 → 单日 HHI 已经够用，不需要多日平滑。

对 quant 实践的含义:

跳跃检测的不同方法（bipower、swap variance、HHI）并不冗余，但有重叠；多方法联合可能没有显著增益（设定 4 的结果）。
HHI 相对 jump ratio 的优势：每天 O(n) 的复杂度，而 jump ratio 需要估计多个尺度；解释也更直接（广-均匀 vs 突发）。
在流动性压力期，swap variance 框架可能比 bipower 框架更鲁棒（论文未直接比较，属开放问题）。