1703563165
1703563166
为了直观地比较这两种方法的相对收敛速度，Merrill（2011）模拟了100000次波动率为0.30的股票在20天内的路径，其中观测障碍被设为0.01。障碍方法的波动率估计值的离散程度如图2-4所示，这些估计值的标准差为0.028。
1703563167
1703563168
1703563169
1703563170
1703563171
图2-4 采用障碍方法时波动率估计值的分布
1703563172
1703563173
他根据式（2-18）计算得到τ的估计值为0.28天。接下来他又进行了一次模拟，按照0.28天的频率对该股票进行抽样。这意味着此时估计收盘价–收盘价波动率所使用的数据在平均意义上与障碍法相同。收盘价–收盘价方法的波动率估计值的离散程度如图2-5所示。这些估计值的标准差为0.048。因此障碍方法的效率看上去比收盘价–收盘价方法高1.7倍。
1703563174
1703563175
退出时间方法估计波动率是实时波动率估计自然适应。若需要将股票的买卖价差和离散交易特征考虑进去，该方法调整起来也比较容易。它朝真实波动率收敛的速度也比传统的收盘价–收盘价估计量更快。
1703563176
1703563177
1703563178
1703563179
1703563180
图2-5 采用收盘价–收盘价方法时波动率估计值的分布
1703563181
1703563182
收盘价–收盘价估计量
1703563183
1703563184
优点：
1703563185
1703563186
·抽样特性很容易被理解。
1703563187
1703563188
·偏差容易纠正。
1703563189
1703563190
·可以简单地转换为“典型的每日波幅”的公式形式。
1703563191
1703563192
缺点：
1703563193
1703563194
·没有充分利用已有数据信息，并且收敛速度很慢。
1703563195
1703563196
Parkinson估计量
1703563197
1703563198
优点：
1703563199
1703563200
·使用日内极差来估计波动率很合理，并且相对于基于时间的抽样方法（如收盘价），其提供了更全面的独立信息。
1703563201
1703563202
缺点：
1703563203
1703563204
·只适用于几何布朗运动过程的波动率估计，不能处理趋势和跳空。
1703563205
1703563206
·会系统性地低估波动率。
1703563207
1703563208
Garman-Klass估计量
1703563209
1703563210
优点：
1703563211
1703563212
·效率要比收盘价–收盘价估计量高8倍。
1703563213
1703563214
·充分利用常见的可获取的价格信息。