上文利用沪深300指数和恒生指数1分钟高频数据进行了全样本分析，表明了HARQ族模型对两者的拟合效果具有显著的优势，但对于样本外预测是否具有同样的优势呢？本节进一步应用前文之中的样本外滚动时间窗预测方法，采用HARQ族模型对沪深300指数和恒生指数1分钟高频数据样本外1 000个日RV进行滚动预测，具体的预测结果见表4-10和表4-11所示。

从表4-10中可以发现，HARQ族模型对沪深300指数1分钟高频数据样本外日RV的拟合效果中，H-CSJQ模型同样是最佳模型。这表明无论是5分钟高频数据还是1分钟高频数据，本书所提出的具有时变参数特征的HARQ族模型具有较好的预测效果，同时包含了跳跃符号和检验后跳跃成分的H-CSJQ模型较包含其他解释因素的7中模型具有更大的优势。这与前文中对应5分钟数据的分析结果一致，进一步证明了本书研究结果的稳健性。

表4-10　沪深300指数1分钟高频数据HARQ族模型样本外日RV预测结果

从表4-11中可以发现，HARQ族模型对恒生指数1分钟高频数据的拟合同样具有较好的效果，对于日RV的预测，H-CSJQ模型同样打败了其他模型，是预测结果最为精确的模型。其他所得出的结果也同样和前文中使用恒生指数5分钟高频数据所得出的结论一致。这表明了本书所构建时变参数特征的HARQ族模型对我国股票市场建模的稳健性，同时考虑我国股票市场“跳跃”“非对称”波动等情形对RV的拟合精度有重要意义。(www.daowen.com)

表4-11　恒生指数1分钟高频数据HARQ族模型样本外（日）RV预测结果

该部分的分析结果表明，对于沪深300指数和恒生指数1分钟高频数据的建模分析，本书所提出的采用具有时变参数特征的H-CSJQ模型对其RV的拟合具有最好的效果。无论是所选取的全样本估计还是对于样本外日RV的滚动预测，所得出的结论与前文中利用5分钟高频数据所得出的对应结论相类似，这证明了本书研究方法的稳健性，所得出的研究结论的可靠性。