1703563287
1703563288
而不是：
1703563289
1703563290
1703563291
1703563292
1703563293
所有其他的收益率都用通常的方式来计算。接着我们像以前一样估计波动率并且通过合适的系数将其年化[例如，每个交易日有13.5个小时区间，如果我们使用的是30分钟收益率，那我们就要把结果乘上13和252（美国每年的交易天数）乘积的平方根]。
1703563294
1703563295
接下来，我们需要确定该交易日的总方差值。这可以通过用日频数据来计算收盘价–收盘价波动率，然后将它与用日频开盘价–收盘价计算的波动率相比较。对于在美国上市的大多数股票来说，总波动率中大约85%的部分是在交易时段发生的。指数的更高，估计有90%。美国存托凭证则低一些，大概在60%～70%。如果将原始波动率的估计值除以这个因子，我们就得到了经过开盘跳空调整后的高频波动率估计量。通过这种方式来使用更多数据的好处就在于，由于在给定时间段内包含了更多的数据点，这样能使抽样误差变小。虽然使用最近250个交易日数据来估计当前波动率显得不那么合适，但250个30分钟频数据也才仅仅跨越了20个交易日而已。假设真实过程在这样短的周期内是平稳的，就比较符合实际了。
1703563296
1703563297
另一个需要牢记的关于周期性的特征是：真实波动率在一天内的变化可能会很大，而且这一变化是可以预测的。图2-7～图2-9展现了从2007年4月23日到2007年6月4日这段时间日内波动率的变化情况（用30分钟收益率数据计算的Parkinson波动率的平均值来作为日内波动率的估计值）。这里我们列出了微软（MSFT）、花旗集团（C）和基因科技（DNA）的日内波动率形态。它们的形态都比较类似，刚开盘时的波动率最高，然后慢慢走低，最后收盘时出现一波小幅的回升。相似的形态在外汇、债券和指数市场上也能见到（Lequex，1999）。
1703563298
1703563299
1703563300
1703563301
1703563302
图2-7 微软的日内波动率
1703563303
1703563304
1703563305
1703563306
1703563307
图2-8 花旗集团的日内波动率
1703563308
1703563309
1703563310
1703563311
1703563312
图2-9 基金科技的日内波动率
1703563313
1703563314
这个特征挺有意思。但对于期权交易而言，我们其实是对较长期的平均波动率更感兴趣[在计量经济学文献中，也被称为整合波动率（integrated volatility）]。在比几天更长的时间尺度上，这些快速的日内周期性都会被平均掉。而在较短的时间尺度上，路径依赖效应是波动率预测误差的主要来源。
1703563315
1703563316
使用高频数据的效果显而易见。通过使用更高频率的数据，可以让我们能够使用更多的近期数据。这会让估计值向真正的、不可观测的波动率收敛，从而避免使用太久远而与当前市场无关的数据。不过，高频数据的使用也有一些需要注意的地方。
1703563317
1703563318
首先，执着于使用超高频数据的交易员，需要认真地对待市场微观结构的问题。例如，买卖价跳跃是影响价格的重要特征，但却对长期波动率没有什么影响。对这些微观结构效应进行讨论，已经超出了本书的范围。感兴趣的读者可以翻阅Gencay（2001）或者Lequex（1999）。
1703563319
1703563320
其次，抽样的频率与估计波动率的目的相关。例如，如果我们希望预测市场影响（见第6章的Gatheral模型），那使用高频收益率就可能是合理的。但很多证据（Corsi，2009；Lynch和Zumbach，2003）表明，低频波动率是高频波动率的更好估计量，反之却不是。因此，使用高频数据来作为长期估计的工具，可能是一个错误的方法。
1703563321
1703563322
1703563323
1703563324
1703563325
波动率交易：期权量化交易员指南（原书第2版） [:1703562350]
1703563326
波动率交易：期权量化交易员指南（原书第2版） 本章小结
1703563327
1703563328
与价格不同，波动率没法立刻被测量。它是一个平均值，需要时间来估计。在真实市场中，波动率的定义可能不能直接推导出实际估计它的最好方法。有许多测量波动率的方法，即使选择好了估计量的统计方法，我们还需要进一步选择参数。了解这些方法非常重要。最后，波动率度量在某种程度上是一种艺术。
1703563329
1703563330
·使用多种方法来估计波动率，并时刻谨记每个方法的优点和缺点。
1703563331
1703563332
·在样本长度选择中，须在包括与当前市场不再相关的数据和使用过少数据而导致较大抽样误差之间进行权衡。
1703563333
1703563334
1703563335
1703563336