1703563781
波动率锥对做市商或者非常活跃的交易员而言，往往并不是非常有用。事实上，它们还常常让人很恼火。这是因为每当波动率锥显示出隐含波动率处于历史高位时，你可能早已在做空了。一般来说，你可能已经随着波动率的上涨，一路做空波动率，并且正处于亏钱的状态。但你现在起码知道，隐含波动率一直处于高位时，可能并不是减仓的最好时机。而对于做市商而言，在这类情况下无论如何都会亏钱。就算无视波动率的历史变化也没有用。
1703563782
1703563783
[1] Engle 实际上开发的是ARCH。GARCH 模型是由Bollerslev（1986） 首次提出的。ARCH 模型就是GARCH（0, 1）模型。
1703563784
1703563785
[2] 来自2003年诺贝尔经济学奖的颁奖词。
1703563786
1703563787
1703563788
1703563789
1703563791
波动率交易：期权量化交易员指南（原书第2版） 使用基本面信息来预测波动率
1703563792
1703563793
我们已经看到，波动率有许多规律性变化，从而让使用时间序列方法进行预测成为可能。但我们不该忘记的是，相对于收益率而言，我们通常对合约标的本身了解更多。例如，股票总是代表着某种业务份额。这种业务有收入、账面价值、负债、销售额、利润和其他许多与之关联的基本面信息。这些信息同样可以用来帮助预测波动率。孤立地看，这些预测并不必然地比基于时间序列方法更好，但是，相对于那些只使用市场数据的方法，它们确实是使用了不同的信息（记住，即便是最复杂的时间序列模型，也是与简单的收盘价–收盘价模型高度相关的）。
1703563794
1703563795
现在让我们来看看如何把这种方法应用到股票波动率的预测中，类似的分析方法也可以通过选择合适的独立变量组应用到商品中（可能是最受基本面驱动的资产类别）。
1703563796
1703563797
由于基本面信息发生的频率要比价格缓慢得多，因此这种方法最好用来进行更长期的预测。此外，与股票中的价值投资者常常需要等待很长时间来实现他们的盈利一样，这种方法也需要承受很长时间的不好表现。这种方法同样更适合用来预测股票间的相对波动率，而不是单个股票的绝对波动率。
1703563798
1703563799
Sridharan（2012）归纳了市场会低估上市公司波动率的情形：
1703563800
1703563801
·高研发费用。
1703563802
1703563803
·高现金流波动率。
1703563804
1703563805
·业绩管理。
1703563806
1703563807
而市场会高估上市公司波动率的情形：
1703563808
1703563809
·大公司。
1703563810
1703563811
·资产收益率高。
1703563812
1703563813
·高杠杆。
1703563814
1703563815
上面的情形并不会让人大吃一惊。这是因为一些会计变量是与风险相关的，它们是未来更大的不确定性的标志，因此它们被用于预测未来已实现波动率。让人有一点吃惊的是，高杠杆会导致市场高估未来波动率。考虑到杠杆和违约之间的关系，虽然看起来比较天真，但我们会希望做多高杠杆公司的波动率。事实上，当一家公司提高杠杆时，它需要得到债券市场的认同，而相对于波动率市场，债券市场会对其风险有更好的理解。
1703563816
1703563817
1703563818
1703563819
1703563821
波动率交易：期权量化交易员指南（原书第2版） 方差溢价
1703563822
1703563823
在对波动率进行预测时，我们通常会发现隐含波动率等于或显著大于预测波动率。BSM中隐含波动率的估计一般是上偏的。例如，预测值比目前的隐含波动率低30%的情况并不鲜见，但是反过来的情况却难以见到。这里有几个明显的原因。
1703563824
1703563825
·在卖出隐含波动率时，我们其实是在卖出保险。因此，其中会有一个风险溢价。
1703563826
1703563827
·有些完全合理的事情虽然从未发生过，但在将来可能会发生。如果我们只根据历史数据预测，这些情况就并没有被考虑进去。
1703563828
1703563829
·市场微观结构助长了隐含波动率偏高这一现象。因为对做市商而言，大部分的利润来自期权的买卖价差。他们会刻意地把报价提高一点来保护其业务。在本质上，他们和其他审慎的商业机构一样，是在购买保险（保持少量的波动率多头敞口，尤其是在向下的方向）。
1703563830
[
上一页 ]
[ :1.703563781e+09 ]
[
下一页 ]