预测明天的市场波动，像根据今天一路的颠簸判断明天路况：只看收盘结果，会漏掉盘中大量信息。Yao、Chi 与 Gao 提出一套结构化随机微分方程（SDE）——用确定变化和随机冲击描述连续时间演化——把日内收益算出的“已实现测度”直接反馈给无法直接观察的潜在方差，用来预测下一交易日的积分方差，也就是一天内瞬时方差的累计量。
值得注意的不是单纯换了模型，而是它能拆开信息来源。作者在17个股票指数上做样本外检验，即用未参与估计的数据测试预测，并与 GARCH、Realized GARCH、HAR、HEAVY 等基准比较。论文称，该模型在 QLIKE、MSE 和 MAE 三类误差指标下表现较强；消融实验显示，主要增益来自已实现测度的直接反馈，收益与波动冲击之间的相关性只带来较温和的补充。换句话说，这套框架不仅报出预测，还能说明哪条传导机制更有用；但现有材料未披露具体提升幅度。