摘要：在基本的SV模型中引入包含丰富日内高频信息的已实现测度，同时考虑其偏差修正以及波动率非对称性与长记忆性，构建了双因子非对称已实现SV（2FARSV）模型．进一步基于连续粒子滤波算法，给出了2FARSV模型参数的极大似然估计方法．蒙特卡罗模拟实验表明，给出的估计方法是有效的．采用上证综合指数和深证成份指数日内高频数据计算已实现波动率（RV）和已实现极差波动率（RRV），对2FARSV模型进行了实证研究．结果表明：RV和RRV都是真实日度波动率的有偏估计（下偏），但RRV相比RV是更有效的波动率估计量；沪深股市具有强的波动率持续性以及显著的波动率非对称性（杠杆效应与规模效应）；2FARSV模型相比其它已实现波动率模型具有更好的数据拟合效果，该模型能够充分地捕获沪深股市波动率的动态特征（时变性、聚集性、非对称性与长记忆性）．

关键词：sv模型 已实现测度 非对称性 长记忆 连续粒子滤波 

单位：安徽财经大学金融学院; 安徽蚌埠233030; 南京大学工程管理学院; 江苏南京210093; 湖南大学工商管理学院; 湖南长沙410082