量化方案中预测波动率的一些经验

量化交易中波动率预测是风险管理和策略构建的核心环节。

---

一、统计模型法：捕捉波动率的数学规律

1. ​​历史波动率（HV）​​

• ​​计算方法​​：基于对数收益率的标准差，通过时间平方根法则转换周期（如日波动率→年波动率：HV_daily × √252）

• ​​优化方向​​：

  • ​​Parkinson估计量​​：利用最高价/最低价极差，比收盘价法更高效（样本量减少50%）

  • ​​Yang-Zhang模型​​：融合开盘跳空数据，解决传统方法对隔夜波动的低估问题

2. ​​GARCH模型​​

• ​​核心公式​​：

  σt2​=ω+αϵt−12​+βσt−12​

  其中ϵt​为残差项，α+β反映波动率持续性

• ​​改进方向​​：

  • ​​EGARCH​​：引入非对称项，捕捉利空/利好消息对波动率的差异化影响

  • ​​高频GARCH​​：基于1分钟级数据建模，捕捉日内波动特征

---

二、衍生品定价法：隐含波动率的反向推导

1. ​​Black-Scholes反推法​​

• ​​公式推导​​：通过期权价格反解波动率

  IV=T​2​⋅arcsin(S0​Ke−rTC−Ke