本文为金融时间序列波动性的估计和预测提供了一种新的方法。没有对过程的参数形式进行假设。相反，我们只假设波动率可以在某个区间内近似为常数。在这样的框架中，主要问题是过滤时间均匀间隔; 然后通过局部平均可以简单地得到波动率的估计。我们构造一个局部自适应波动率估计（LAVE）可以执行此任务，并从理论角度和通过蒙特卡罗模拟进行研究。最后，将LAVE程序应用于九种汇率的数据集，并与标准GARCH模型进行了比较。这两种模型似乎都能够解释数据的许多特征；然而，就样本外结果而言，新方法似乎优于GARCH方法。