你的位置: 正点财经 > 股市学院 > 证券交易指南 > 正文

预测波动率的重要意义

日期:2022-05-10 09:47:45 来源:互联网

预测波动率主要有两类理论模型,它们涉及的数学都非常复杂,我本不想在此讨论这两个模型。但是,很多专业交易员和期权做市商都会用到这两个模型,而且预测波动率预测未来波动率或检验布莱克-斯科尔斯与其他定价模型的结果时,也会接触到这两个模型。因此,在此简要进行说明。预测波动率预测波动率第一个或者说第一组模型是GARCH模型。GARCH是缩写,没人曾说出它代表什么,因为全称非常绕口,是指广义自回归条件异方差模型(Generalized Auto-Regressive Conditional Heteroscedasticity)。GARCH这个模型基本就是我们第6章之前讨论的内容。自回归是指均值回归,条件异方差则指之前讨论的波动率的其他特征。过去10年间,这些模型逐渐流行起来。在模型使用中,你需要判断给均值回归赋予多少权重,给序列相关性以及其他特征因素赋予多少权重。事实上,模型的起源也非常有趣。20世纪60年代早期,一位英国经济学家在英格兰银行工作,我猜当时银行要求他构建一个模型预测英国的通货膨胀情况,预测波动率以调整货币供给。经济学家研究一段时间后,提出了这个模型。大家都认为模型非常好。但一段时间后,模型消失了——大家抛弃了这个模型。

但是10年后,期权交易员开始考虑波动率时,他们偶然发现了这个通货膨胀模型。有人认识到通货膨胀与波动率有很多共同的特征,这个预测波动率模型也适用于波动率预测。就这样,模型产生了,只是稍微换了个名字。原来的模型实际上叫“ARCH”,推广到期权上,则被称为“GARCH”。另一类模型的使用范围没有这么广,也许是因为预测波动率模型是由物理学家而不是数学家构建的。模型的缩写为“VARIMA”,是指向量自回归移动平均(Vector Auto-Regressive Integrated Moving Average)。预测波动率和GARCH模型一样,自回归是指均值回归(每个讨论中你都会看到它),波动率的其他特征在模型中也有体现,但加权公式有所不同。交易中很少会用到这一模型,在此不再详述。但是,预测波动率学者们有时会讨论这个模型。

以上,已经概括了构建和执行真实的波动率交易时,所有会用到的重要策略因素。我们预测波动率已经讨论了如何将这些因素融合到一起:开始时如何建立Delta中性持仓,如何在交易过程中再次对冲以保持持仓的Delta中性,以及何时平仓。你也了解到找出正确波动率的困难之处,以及波动率的基本特征,这都有助于你预测波动率。此外,我们也讨论了加权波动率的特征及预测未来波动率的两类模型。

  • 预测波动率的重要意义
  • 预测波动率主要有两类理论模型,它们涉及的数学都非常复杂,我本不想在此讨论这两个模型。但是,很多专业交易员和期权做市商都会用到这两个模型,而且预测波动率预测未来波动率或检验布莱克-斯科尔斯与其他定价模型的结果时,也会接触到这两个模型。......
  • 如何预测波动率
  • 对未来波动率的推断或预测,如何预测波动率?所用到的基础数据来自两方面。一是历史波动率数据;二是隐含波动率数据(隐含波动率是与现实期权价格对应的波动率,下面会进行详细介绍)。......
关于我们 | 商务合作 | 联系投稿 | 联系删稿 | 合作伙伴 | 法律声明 | 网站地图