Jiang & Oomen (2008) — Testing for Jumps when Asset Prices are Observed with Noise
作者：George J. Jiang（亚利桑那大学 Eller 商学院）、Roel C. A. Oomen（华威商学院；阿姆斯特丹大学数量经济学研究院）
发表：工作论文版 2005-09（A New Test for Jumps in Asset Prices）→ Journal of Econometrics 144(2): 352–370, 2008；DOI 10.1016/j.jeconom.2008.04.009
实证：IBM 高频数据
一句话总结
跳跃检验（jump test）要能在微观结构噪声下用，就必须换个统计量：这篇用方差互换（swap variance）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）。
核心想法：为什么 BPV 检验不够
主流的跳跃检验是 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 就能度量跳跃对总变差的贡献
问题在于这个检验依赖高阶矩的渐近性质，收敛慢，而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：这个统计量测量的是跳跃对三阶及以上收益矩的影响，而三阶以上的高阶矩（偏度、峰度）对跳跃比对连续变化敏感得多——这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（quarticicity）与六阶矩（sexticity），论文还给出了新的解析结果：i.i.d. 噪声对双幂、四幂、六幂变差的影响。这些结果可以用来校正幂变差估计量的偏误，进一步改善噪声环境下检验的表现。
实证
用 IBM 高频数据做实证演示。
与本 wiki 的关系
- 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) 论文用 JV/RV 作为跳跃比率的控制变量，与 log HHI 共线（r = 0.55）；本文提供「跳跃检验该用哪个统计量」的方法学依据
- Microstructure Noise 讨论的噪声问题正是本文要处理的对象
- 与 Fan-Wang 2007 Multi-Scale Jump Analysis（多尺度分解跳跃与波动）同属跳跃分解这条线
待补充
- 与 BPV 检验的检验功效对比的具体模拟数字
- IBM 数据上的实际拒绝率