打字猴:1.703562829e+09
1703562829 波动率交易:期权量化交易员指南(原书第2版) [:1703562345]
1703562830 波动率交易:期权量化交易员指南(原书第2版) 本章小结
1703562831
1703562832 模型并不是魔法。特别地,期权定价模型并不能真正对期权“定价”。它们只是将期权价格转化为一个更缓慢变化的参数——隐含波动率。这种简化让我们可以比较不同行权价、存续期和合约标的的期权。
1703562833
1703562834 BSM模型是最古老、经受最多检验的模型之一。通过足够的特殊修正,它可以用来对绝大多数交易所上市期权进行定价。虽然并不是一定要选择这个模型,但由于其稳定性、简便和已成为期权市场中的公共语言等原因,我推荐使用这个模型。它最重要的特性有:
1703562835
1703562836 ·合约标的价格的漂移项可以被对冲掉;
1703562837
1703562838 ·合约标的价格变化的波动则无法被对冲掉;
1703562839
1703562840 ·需要时刻记得隐含在该模型之后的所有假设;
1703562841
1703562842 ·BSM模型是一个用来选择交易机会的模型,而不是一个用来控制风险的模型。
1703562843
1703562844
1703562845
1703562846
1703562847 波动率交易:期权量化交易员指南(原书第2版) [:1703562346]
1703562848 波动率交易:期权量化交易员指南(原书第2版) 第2章 波动率的度量
1703562849
1703562850 我们已经知道,如果要在期权交易中寻找机会,就需要先对未来的已实现波动率进行估计,然后再和期权的隐含波动率对比进行相应的交易。在预测未来的波动率之前,我们需要先对过去的波动率水平进行度量。在本章中,我们会研究度量历史波动率的各种方法,包括收盘价–收盘价波动率、Parkinson波动率、Rogers-Satchell波动率、Garman-Klass波动率和Yang-Zhang波动率。我们将会讨论每种方法的效率(估计值能以多快的速度逼近真实值)和偏差(该方法的估计值是否会系统性地高于或低于真实值),以及如何受到真实市场不同特征的干扰。这些特征包括收益率的厚尾现象、趋势和微观结构噪声等,同时我们也会研究度量不同的频率。当我们理解何为历史波动率后,就能着手研究它的属性。我们将侧重论述均值回复、波动率聚集以及季节性效应。
1703562851
1703562852
1703562853
1703562854
1703562855 波动率交易:期权量化交易员指南(原书第2版) [:1703562347]
1703562856 波动率交易:期权量化交易员指南(原书第2版) 波动率的定义及度量
1703562857
1703562858 在交易的时候,我们不仅仅需要未来波动率的一个点估计,还需要对波动率可能所处的区间进行估计。为了得到这个估计,我们要研究波动率锥(volatility cones)的构建和抽样的属性。如何度量波动率以及预测其分布是期权交易成功的关键。但遗憾的是,它们并非(期权交易成功的)充分条件。仅仅因为波动率便宜就买入,或者因为它贵就卖出,这往往不会是一个好主意。通常,东西便宜自然有其便宜的道理。我们所做的任何预测都需要相应的基本面分析作为补充(例如,究竟什么因素会导致波动率上升?当持有空头头寸时,我们不希望发生什么情况?)。市场相当复杂,并且相互关联,所有度量和预测的结果都必须置于当前的交易环境中进行考量。
1703562859
1703562860 度量波动率不同于估计价格。瞬时波动率是无法被观测到的,它需要时间来验证自己。度量波动率更像是一门艺术,因为我们要从众多的统计量中做出选择。事实上,Poon(2005)就列举了100篇以上关于波动率预测的参考文献,这在一定程度上反映了该问题的难度。这里,我们的目的并不是要给出一个明确的答案,而只是给出一些估计波动率的方法,并研究它们各自的优势和劣势,以及在什么情况下该使用什么方法。
1703562861
1703562862
1703562863
1703562864
1703562865 波动率交易:期权量化交易员指南(原书第2版) [:1703562348]
1703562866 波动率交易:期权量化交易员指南(原书第2版) 波动率的定义
1703562867
1703562868 波动率的标准定义是方差的平方根。方差的定义为:
1703562869
1703562870
1703562871
1703562872
1703562873 其中,xi为对数收益率,x为样本的平均收益率,N为样本数量。为了将方差以年化的形式表示,我们需要将原方差乘以年化因子N,也就是一年的交易周期。例如,当我们使用日频数据时,N就是252,因为这是一年中的交易日数量(至少在美国是如此)。
1703562874
1703562875
1703562876 如果该历史价格序列包括了股息支付(或者拆股),那么就有必要对价格序列进行调整。由于除息的影响,即使股价没有发生波动,看起来也会有一定的波动。如果不进行调整,那么对波动率的度量就可能会出现若干个百分点的误差。例如,如果由于除息导致股价跌了3%,那么年化后看上去就变动了48%(即)。这样一来,波动就被显著放大了。
1703562877
1703562878 有多种进行调整的方法。第一种方法是在除息日简单地把股息从除息前的股价中减掉。这种方法能够使股价在除息前后日变化的绝对值保持不变。但该方法的缺点是:如果支付股息的次数足够多,量足够大,那么在调整后很有可能会得到负的股价。
[ 上一页 ]  [ :1.703562829e+09 ]  [ 下一页 ]