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
1703563820
波动率交易：期权量化交易员指南（原书第2版） [:1703562364]
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
1703563831
Bakshi和Madan（2006）开发了一个模型来帮助我们预测价差会在何时变得特别高或特别低。在他们的理论中，风险中性波动率和实体波动率（physical volatility）之间的差异与更高阶的收益率矩有关。当交易员是风险厌恶型时，他们预测波动率价差为正，此时实体分布是负偏和厚尾的。
1703563832
1703563833
在这样的情况下，他们假设了一个幂效用函数：
1703563834
1703563835
1703563836
1703563837
1703563838
这可以推导出下列的波动率价差（实际上是用方差来定义的）和实体分布（physical distribution）矩之间的近似关系：
1703563839
1703563840
1703563841
1703563842
1703563843
利用这个公式，交易员可以在给定的风险厌恶水平下，确定特定的价差是高于还是低于某个相对基准。
1703563844