历史波动率计算问题？

谢邀。
个人感觉目的不同，计算方法有差异。如果是做比较宏观低频的研究，当然使用一个月，大约二十二三个样本点，计算出一个波动率就好。如果需要用到波动率的日数据，恐怕只能滚动。
滚动有两个问题，一个是滚动窗口高度重叠带来的波动率高度自相关，而且窗口期越长，这一问题越严重；第二个是信息的更新问题，如果窗口期太长，包含了太长的历史信息，这是否有过度平滑，对评估当前的波动率是不是有意义，很值得讨论。但从统计上讲，样本越多，对波动率的无条件期望估计才越精确。
所以我觉得这个问题的答案取准于你用来干什么。如果是理论研究，选择稍长的窗口，再用时间序列方法消除自相关，或者使用GARCH之类的模型都可以。但如果实务问题，我倾向于使用短窗口。毕竟市场定价参数变化非常快。我想Wind的一周代表了业界的某种选择吧。当然，如果是定价问题，可比产品的隐含波动率也可以参考啊。
因为并没有业界经验，所以我只能给出猜测，不当之处敬请重重拍砖。其实这个问题已经邀了我好多天了，一直假装沉默期待业界大佬来回答的。。大佬一直没来，那，厄，我来消灭下零回复，虽然。。答案。。很。。丑陋。。

期权匿名回答 · 2022-1-4 08:10:24

谢邀。
个人感觉目的不同，计算方法有差异。如果是做比较宏观低频的研究，当然使用一个月，大约二十二三个样本点，计算出一个波动率就好。如果需要用到波动率的日数据，恐怕只能滚动。
滚动有两个问题，一个是滚动窗口高度重叠带来的波动率高度自相关，而且窗口期越长，这一问题越严重；第二个是信息的更新问题，如果窗口期太长，包含了太长的历史信息，这是否有过度平滑，对评估当前的波动率是不是有意义，很值得讨论。但从统计上讲，样本越多，对波动率的无条件期望估计才越精确。
所以我觉得这个问题的答案取准于你用来干什么。如果是理论研究，选择稍长的窗口，再用时间序列方法消除自相关，或者使用GARCH之类的模型都可以。但如果实务问题，我倾向于使用短窗口。毕竟市场定价参数变化非常快。我想Wind的一周代表了业界的某种选择吧。当然，如果是定价问题，可比产品的隐含波动率也可以参考啊。
因为并没有业界经验，所以我只能给出猜测，不当之处敬请重重拍砖。其实这个问题已经邀了我好多天了，一直假装沉默期待业界大佬来回答的。。大佬一直没来，那，厄，我来消灭下零回复，虽然。。答案。。很。。丑陋。。

期权匿名回答 · 2022-1-4 08:10:32

简单粗暴的话，直接用poboquant云量化平台

给定日期，可以取过去30条（自己可以设定是30、60还是90等等，也就是30天、60天、90天历史价格，使用K线计数会更加简洁，不用考虑用自然日时间段长度不一的问题）K线的收盘价（当然也可以换成均价、结算价，自己都可以定制）
然后就用这个历史价格数组计算历史波动率
CalOBJ = CreateCalcObj() #创建一个计算对象
      option = PBObj()
      yearstring=int(tradingtime.year)    #tradingtime是当前交易日
      monthstring=int(tradingtime.month)
      daystring=int(tradingtime.day)
      #准备计算50ETF的历史波动率
      option.EndDate=datetime.datetime(yearstring,monthstring,daystring)
      option.Count = 31 #获取过去31条K线
      klinedata0 = GetHisData(g.code0, BarType.Day, option)
      #print &#34;len(klinedata) &#34;,len(klinedata)
      klist = []
      i=0
      while i<len(klinedata0)-1:
         #print &#34;previous trading day&#34; +str(klinedata0.tradedate)
         #print &#34;previous prices &#34;+str(klinedata0.close)
         klist.append(klinedata0.close) #
         i+=1
      if len(klist)>0:
         Kl = np.array(klist, dtype=np.double)
         HisVola=CalOBJ.GetVolatility(Kl) #得到历史波动率
      print &#34;30D HisVola &#34;+str(HisVola)

完整策略范例可见 qmhedging/poboquant

云量化平台欢迎访问 https://quant.pobo.net.cn/quant/login#/

注册时使用邀请码 814685

期权匿名回答 · 2022-1-4 08:10:50

30天的收益率算一个标准差，年化乘以根号250，然后滚动计算

历史波动率计算问题？

3 个回复