打字猴:1.703563337e+09
1703563337 波动率交易:期权量化交易员指南(原书第2版) [:1703562351]
1703563338 波动率交易:期权量化交易员指南(原书第2版) 第3章 收益率和波动率的典型事实
1703563339
1703563340 在第1章中,我们了解了为什么要去度量和预测波动率,而在第2章,我们学到了如何去实现这些。现在,我们需要来看看波动率的实际表现会是怎样的。
1703563341
1703563342
1703563343
1703563344
1703563345 波动率交易:期权量化交易员指南(原书第2版) [:1703562352]
1703563346 波动率交易:期权量化交易员指南(原书第2版) 典型事实的定义
1703563347
1703563348 在金融数据的研究中,典型事实是指其特征始终如一被视为真理而广泛接受。许多交易员和大多数财经记者都采用以事件为基础的方法来认识市场。他们将价格变动与特定的新闻联系起来,从而进行解释或分析。由于不同的资产会被完全不同的新闻条目所影响,那按理说,我们将很难看见不同的价格序列存在任何相似性。例如,苹果公司(AAPL)和黄金是完全不同的东西,那为什么它俩的价格序列会有很多相似性呢?
1703563349
1703563350 然而,计量经济学研究表明,金融时间序列数据中存在大量的相似性。不同的资产价格表现出大量相似的显著统计特征。这些就被称为典型事实。“典型”这个定语十分重要:这说明具有共性。寻找共性的过程让我们认识到许多相似性,但也会让我们部分失去进行精确描述的能力。事实上,我们所看到的许多典型事实都是定性的。
1703563351
1703563352 很难将所有这些特征都纳入合约标的的模型中,更不要说纳入期权定价模型中了。我们的知识有时甚至不足以把相互矛盾的解释区分开。但如我们之前所说的,我们并不是去寻找一个能容纳这些特征的模型。相反,我们是采用一些调整和模糊处理,来将这些事实融入我们使用BSM公式和估计波动率的过程中。作为波动率的交易者,我们自然需要知道得越多越好。
1703563353
1703563354 有人对这些典型事实做过很好的文献综述,例如Cont(2001)。
1703563355
1703563356 典型事实列表
1703563357
1703563358 ·波动率并非常数。它是均值回复、聚集和存在长记忆性的。
1703563359
1703563360 ·大收益率会发生得相对频繁。这些大的波动会有后续的波动。
1703563361
1703563362 ·在大多数市场中,波动率与收益率呈负相关。这个效应是非对称的:负收益会导致波动率快速上升,而正收益会导致波动率小幅下降。这个效应在股票市场中最为明显。
1703563363
1703563364 ·波动率和成交量之间有很强的正相关性。
1703563365
1703563366 ·波动率的分布接近对数正态分布。
1703563367
1703563368
1703563369
1703563370
1703563371 波动率交易:期权量化交易员指南(原书第2版) [:1703562353]
1703563372 波动率交易:期权量化交易员指南(原书第2版) 波动率并非常数
1703563373
1703563374 这一事实在很多文献中都有提及。例如,Akgiray(1989)或Turner和Weigl(1992)。这个特征同波动率估计异曲同工,并且很容易就能得到验证。图3-1显示了SPY在2000~2011年的30天收盘价–收盘价波动率。
1703563375
1703563376 波动率不仅仅是变化的,更有趣的是,它会按照特定方式变化。首先,波动率会聚集。这一特征最早是由Mandelbrot(1963)提出的。他写道:“大的波动后面会紧跟着大的波动……而小的波动后面会紧跟着小的波动。”特别地,平方收益率和绝对收益率(表示1天的波动率)表现出显著的自相关性。图3-2和图3-3用标准普尔500的数据来显示不同时间间隔的自相关性。
1703563377
1703563378
1703563379
1703563380
1703563381 图3-1 SPY的30天收盘价–收盘价波动率(2000年1月~2011年12月)
1703563382
1703563383
1703563384
1703563385
1703563386 图3-2 标准普尔500平方收益率的自相关性(1950~2011年)
[ 上一页 ]  [ :1.703563337e+09 ]  [ 下一页 ]