【摘要】研究目标:在多变量混频GARCH模型中实现低频变量选择。研究方法:构建基于线性波动率预测模型的混频GARCH模型长期波动成分,在对数似然函数中引入LASSO惩罚项,使用多种优化算法实现惩罚似然函数估计并对算法效率进行模拟和评估。研究发现:无权重函数约束的多变量混频GARCH模型在变量选择上较好克服了变量非标准化、参数跳跃和权重参数不可识别问题;单纯形法在较小样本量和较少变量数量时提升了变量选择能力和精度,是BFGS的最优替代算法。研究创新:构建并扩展了多变量混频GARCH模型变量选择,给出性质证明和数值模拟,评估并得出模型估计的算法应用条件。研究价值:给出新的多变量混频GARCH模型变量选择设定,为研究金融市场波动预测性提供新思路。