第五讲波动率

第1页，共33页。波动率的定义波动率的定义某个变量的波动率定义为这一变量在单位时间内连续复利收益率的标准差定义Si 为变量在时间 i 的值，那么日波动率为ln(Si/Si-1)的标准差如果我们假设，每日收益率相互独立且具有一样的方差，那么T天回报的方差为T乘以每日收益率的积。这意味着，T天收益率的标准差是日收益率标准差的 倍这和“不确定性随时间长度的平方根增长这一法那么是一致的第2页，共33页。交易天数与日历天数交易天数与日历天数研究说明，交易所开盘交易时的波动率比关闭时的波动率要大很多，因此，当由历史数据估计波动率时，分析员常常忽略交易所关闭的天数，计算时通常假定每年有252个交易日假设连续交易日的收益率是独立的，并有一样的标准差日波动率大约为年波动率的6%第3页，共33页。隐含波动率隐含波动率n期权公式中唯一不能直接观察到的一个参数就是股票价格的波动率n隐含波动率是将市场上的期权价格代入BSM公式后反推计算出的波动率第4页，共33页。VIX指数指数nVIX指数是S&P500指数的波动率指数第5页，共33页。VIX指数指数nVIX 是芝加哥期权期货交易所 使用的市场波动性指数。通过该指数，可以了解到市场对未来30天市场波动性的预期。nVIX由CBOT芝加哥期权期货交易所编制，以S&P500指数期权的隐含波动率计算得来1993年从8只成分股为根底计算，现在覆盖了标普500所有成分股。假设隐含波动率高，那么VIX指数也越高。该指数反映出投资者愿意付出多少本钱去对冲投资风险用股票期权对冲风险的本钱。因此，VIX广泛用于反映投资者对后市的恐慌程度，又称“恐慌指数。指数愈高，意味着投资者对股市状况感到不安；指数愈低，表示股票指数变动将趋缓。n该类指数有三种：VIX 跟踪S&P500；VXN跟踪Nasdaq 100成分股；VXD那么跟踪道琼斯工业指数nGVIX，周昆教授等提出，认为波动率计算的3阶项也不能省略，所以得出结果与VIX有不同，似更准确实际上，我们可以有更准确的计算方法去估算波动率第6页，共33页。汇率的日变化量是否服从正态分布汇率的日变化量是否服从正态分布标准差的天数标准差的天数现实世界现实世界(%)正态模型正态模型(%)1 SD25.0431.732SD5.274.553SD1.340.274SD0.290.015SD0.080.006SD0.030.00第7页，共33页。肥尾分布肥尾分布n证券的收益率。从图形上说，较正态分布图的尾部要厚，峰处要尖。是大概率的小规模事件与小概率的大规模事件并存的一种状态。n肥尾分布的随机变量，不能简单的用正态分布去拟合这些数据的分布，从而做一些统计推断。一般来说，通过实证分析发现，自由度为5或6的t分布拟合的较好。n认识肥尾分布对于投资而言有着极为重要的意义，菲利普安德森说，绝大多数事件取决于分布的尾部极限状态，而不是均值；取决于例外时间，而不是均值。众多的小概率的大规模事件的存在如崩盘也印证了对投资者的影响更为巨大。n我们可以回忆VaR值，分布不同对于结果影响很大。第8页，共33页。正态分布和肥尾分布正态分布和肥尾分布第9页，共33页。幂律：正态分布的代替幂律：正态分布的代替在分析很多市场变量的收益行为时，幂律似乎要比正态分布更好Prob(v x)=Kx-a幂律分布在自然界和人类社会中广泛存在，到目前为止仍然是一个相当神奇的话题，人们似乎可以发现很多符合幂律分布的事实，但人们却很难解释为什么分布会是这个样子。爆发：大数据时代预见未来的新思维以及如下的文章可以作为参考 第10页，共33页。对应于汇率增量的对应于汇率增量的log-log图图第11页，共33页。估计波动率的标准方法估计波动率的标准方法定义 sn 为第n-1天所估计的市场变量在第n天的波动率定义 Si 为市场变量在第 i 天末的价格定义 ui=ln(Si/Si-1)这个公式其实就是一个样本方差的计算公式，那么为什么是样本方差呢？关于总体和样本的思辨第12页，共33页。简化形式简化形式n定义 ui=(SiSi-1)/Si-1n假设 ui 期望为0n用 m 代替 m-1第13页，共33页。加权权重的格式加权权重的格式对等权重进展改进第14页，共33页。ARCHm模型模型在 ARCHm模型中，我们也给长期平均方差VL一个权重第15页，共33页。指数加权移动平均模型指数加权移动平均模型 EWMA要防止由于简单移动平均导致的缺陷，最简单的方法是对近期的数据赋予更高的权重。这是指数加权移动平均法EWMA背后的根本思想在指数加权移动平均模型中，u2 的权重i 随着回望时间加长而按指数速度递减许多风险管理者在计算日收益波动率时使用，而在计算月波动率时那么使用。JP摩根在1996年公布的RiskMetricsTM技术文档中就是把这两个值作为研究成果用于实证检验第16页，共33页。EWMA的诱人之处的诱人之处需要的数据相对较少仅需记忆对当前波动率的估计以及市场变量的最新观察值对波动率进展跟踪监测RiskMetrics 采用来更新每天波动率的估计第17页，共33页。CWMA与与GARCHn运用EWMA估计的市场波动率并不是常数，这正是广义自回归条件异方差模型GARCH模型族的核心思想。nEWMA属于GARCH模型的一个特例。GARCH模型族假设收益率的条件方差不是常数，因此在不同的时间段里，资产收益率的波动性可能会更高或者更低即波动聚集性。i是在时刻i的预测误差，即估计值和实际值之间的差距因此，估计条件方差同样要求估计一个条件均值，条件均值是通过自回归模型AR(1)推导出来的yt+1=+yt+式中,yt+1和yt分别代表在t+1和t时刻上的资产收益率；和是需要通过回归进展估计的常数；是回归方程的误差项。并且有0、1,2,p0。从上式可知：显著的预测误差会导致所估计的方差变大；当然，同时还受到参数值大小的影响。博勒斯洛夫通过将时刻t的条件方差用t-1，t-2，t-n时刻的方差来表示，将恩格尔的ARCH模型进展了扩展。nEWMA虽然是GARCH的一个特例，但两者计算的结果其实并不一样。第18页，共33页。GARCH1，1模型模型在GARCH1，1中，我们赋予长期平均方差一定的权重因为权重之和为1，故有令 w=gVL，可以将GARCH1,1模型写成第19页，共33页。例例假设每天长期平均方差为，对应的波动率为1.4%假设对应于n-1天的日波动率估算值为1.6%，n-1天市场价格降低1%那么第n天的方差为日波动率的最新估计为每天1.53%第20页，共33页。GARCHp，q第21页，共33页。其它模型其它模型许多其它的GARCH模型已被提出比方，我们可以设计一个GARCH模型，使其赋予 ui2 的权重依赖于 ui 的正负值第22页，共33页。方差目标方差目标一种估计GARCH1，1参数的很好方法是所谓的方差目标将长期平均方差设定为由数据计算出的抽样方差模型只需要估计两个参数第23页，共33页。最大似然估计法最大似然估计法选择适宜的参数使得数据发生的几率到达最大第24页，共33页。例例n随机抽取某一天10只股票的价格，我们发现一只股票价格在这一天价格下降了，而其它9只股票的价格有所增加或至少没有下跌，将任意股票价格下降的概率计为 p。那么，一只股票价格下降的概率的最好估计为多少？n概率为：p(1-p)9n使上式取最大值，观察其最大似然估计：第25页，共33页。例例n估计一个变量服从均值为0的正态分布的方差第26页，共33页。GARCH1，1的应用的应用n选择参数，最大化下式第27页，共33页。日元汇率数据的计算日元汇率数据的计算第第i天天Siuivi=si2-lnvi-ui2/vi 10.00772820.0077790.00659930.007746-0.0042420.000043559.628340.0078160.0090370.000041988.132950.0078370.0026870.000044559.8568.24230.0084950.0001440.000084179.382422,063.5833第28页，共33页。19881997年日元日波动率年日元日波动率第29页，共33页。未来波动率的预测未来波动率的预测n经过一系列的代数过程，可得n估计一个期限为T天的期权的波动率，我们必须对即时方差求从0到T的积分n对于一个期限为T的期权，其年波动率为n其中第30页，共33页。波动率期限构造波动率期限构造GARCH1，1模型允许我们预测波动率期限构造的改变当(0)的变化量为(0)，GARCH1，1预测的(T)的相应变化量为第31页，共33页。作业作业n10.9 11 21第32页，共33页。谢谢大家！第33页，共33页。