根据HAR等模型的建模需要，计算RV、RQ、RJ、BPV等序列，具体的计算过程请参阅前文理论部分。沪港股市RV及RQ等序列的描述性统计如表6-2所示。由表6-2可知，沪市相较港市，以上各序列均较大，而这些序列具有对每日波动的刻画能力，因此，沪市较港市具有较大的波动。另外，根据Dickey-Fuller单位根检验结果可知，各序列均显示为平稳序列，因而可以对其进一步建模分析，为HAR等长记忆波动率建模奠定了良好的基础。而在滞后24阶的情况下，除了恒生指数RQ之外，沪港其余的RV等序列均显著存在自相关性，因此，运用HAR、HAR-J等具有刻画长记忆能力的相关模型对波动率进行建模具有合理之处，下文将继续讨论对RV的建模。

本书同时讨论前文所提到的普通的HAR、跳跃的HAR-J、新颖的CHAR和SHAR4种长记忆性模型的拟合效果。这里的估计是对整个样本区间，即2013年1月至2016年12月间的5分钟高频数据进行样本内建模。表6-3中展示了各模型对RV估计结果的统计分析，从表6-3中我们可以发现，HAR、HAR-J、CHAR和SHAR 4种模型的建模结果差异不大，沪市波动率的绝对值在24上下，而港市在4上下，由此可知，沪市的日内波动大致为港市的6倍左右。为了便于进一步运用Copula理论分析，这里对各模型的结果进行ADF单位根检验，其结果均显示各序列为平稳序列，因而可以对其进一步采用Copula函数进行建模分析。

表6-2　RV及RQ等序列的描述性统计

注：ADF为Dickey-Fuller单位根检验。(www.daowen.com)

表6-3　各模型对RV估计结果的统计分析

注：这里是各模型所预测的RV扩大了10 000倍后所得出的统计值，极差为最大值减去最小值。ADF为Dickey-Fuller单位根检验。