1703563058
随后，Yang和Zhang（2000）推导出了适用于开盘价格跳空的估计量。它本质上是Rogers-Satchell-Yoon估计量、收盘价–收盘价估计量和开盘价–收盘价估计量的加权平均。在一些模拟测试中，它的收敛效率可以达到收盘价–收盘价估计量的14倍，但却与由开盘跳空所导致的波动率占整个波动率的比例高度相关。如果价格跳空占据主导，那么这个估计量并不会比收盘价–收盘价估计量好多少。该估计量的表达式为：
1703563059
1703563060
1703563061
1703563062
1703563063
其中：
1703563064
1703563065
1703563066
1703563067
1703563068
1703563069
1703563070
1703563071
1703563072
1703563073
1703563074
1703563075
1703563076
1703563077
Brandt和Kinlay（2005）证明了上面两个估计量也都存在着向下偏差。这一点并不奇怪，因为它们都依赖于价格极值并且还假设交易连续。
1703563078
1703563079
迄今为止，我们已经讨论了5种波动率估计量，每种估计量都是为了克服上一种估计量的不足而构造出来的。因此每次的更迭都应该比上一次更优。那该使用何种估计量是否已经很明显了呢？其实不然。Brandt和Kinlay在更逼真的模拟数据（包括离散取样、带有价格漂移项和价格跳空）上进行测试，结果表明，不同估计量的差别并不显著。在这样的市场环境中，Garman-Klass和Yang-Zhang估计值会略微偏高，并且所有这些非经典的估计量都具有类似的效率。另外，当用实际市场数据进行测试时，这些估计量之间的相关性比用仿真数据的要高得多（相关性结果见表2-5）。
1703563080
1703563081
表2-5a 使用模拟数据时不同波动率估计值之间的相关性
1703563082
1703563083
1703563084
1703563085
1703563086
注：数据为25天的5分钟抽样数据。随机波动率均值为14%，漂移项为8%。
1703563087
1703563088
资料来源：Brandt和Kinlay，2005。
1703563089
1703563090
表2-5b 使用标准普尔500市场数据时不同波动率估计值之间的相关性
1703563091
1703563092
1703563093
1703563094
1703563095
注：数据为1988年1月4日至2003年12月31日的5分钟抽样数据。
1703563096
1703563097
资料来源：Brandt和Kinlay，2005。
1703563098
1703563099
我们之前讨论的估计量都是将时间分割成一系列区间，然后观察区间内的特殊价格（开盘价、最高价、最低价和收盘价等）。在某种意义上，这些估计量都是基于以下问题：价格会移动多远？我们当然可以换个问题，不是问“价格会移动多远”而是问“价格会移动多快”。Cho和Frees（1988）最先提出了这个不同的观点。
1703563100
1703563101
通过构造一个双边障碍来定义一个对数价格区间，即初始标的价格上涨Δ或下跌Δ。当障碍被触及时，我们会记录一个退出时间τ1，然后根据当前价格重置双边障碍。这样就可以生成一个退出时间序列（τ1，τ2，…，τn），并用来估计波动率。
1703563102
1703563103
此处所选择的Δ，与收盘价–收盘价方法中的固定时间间隔选择类似，不过此时我们的序列是一个当价格移动固定金额时由时间构成的随机序列。如图2-3所示，该图同样说明了为什么可以将这个初次退出时间的方法视为“收盘价–收盘价方法的变化”。
1703563104
1703563105
假设对数价格过程服从布朗运动，同时假设对于典型的τ，漂移率可以忽略，我们就可以推导出下面的简洁结果：
1703563106
1703563107
