波动率于garch模型详解.docxVIP

1.1.波动率 波动率是用来描述证券价格、市场指数、利率等在它们均值附近上下波动幅度的术语，是标的资产投资回报率的变化程度的度量。股票的波动率σ是用于度量股票所提供收益的不确定性。股票通常具有15%-50%之间的波动率。股票价格的波动率可以被定义为按连续复利时股票在1年内所提供收益率的标准差。当?t很小时，近似的等于在?t时间内股票价格变化百分比的方差。这说明σ?t近似的等于在?t时间内股票价格变化百分比的标准差。由标准差来表述股票价格变化不定性的增长速度大约为时间展望期长度的平方根（至少在近似意义下）。 1.2.由历史数据来估计波动率 为了以实证的方式估计价格的波动率，对股票价格的观察通常是在固定的时间区间内（如每天、每星期或每个月）。 定义 n+1——观测次数； Si ——第i个时间区间结束时变量的价格，i=0，1，…n； τ——时间区间的长度，以年为单位。 令 1.2.1 ui的标准差s通常估计为 1.2.2 或 1.2.3 其中u为的均值。 由于的标准差为σ。因此，变量s是σ的估计值。所以σ本身可以被估计，其中 可以证明以上估计式的标准差大约为。 在计算中选择一个合适的n值并不很容易。一般来讲，数据越多，估计的精确度也会越高，但σ确实随时间变化，因此过老的历史数据对于预测将来波动率可能不太相干。一个折中的方法是采用最近90～180天内每天的收盘价数据。另外一种约定俗成成俗的方法是将n设定为波动率所用于的天数。因此，如果波动率是用于计算量年期的期权，在计算中我们可以采用最近两年的日收益数据。关于估计波动率表较复杂的方法涉及GARCH模型与EWMA模型，在下文中将进行详细介绍。 1.3.隐含波动率 首先对于一个无股息股票上看涨期权与看跌期权，它们在时间0时价格的布莱克-斯科尔斯公式为 1.3.1 1.3.2 式中 函数N(x)为标准正态分布变量的累积概率分布函数。式中：c与p分别为欧式看涨期权与看跌期权的价格，S0为股票在时间零的价格，K为执行价格，r为以连续复利的无风险利率，σ为股票价格的波动率，T为期权的期限。 在布莱克-斯科尔斯定价公式中，不能直接观察到的参数只有股票价格的波动率。在前文中已经讨论了如何由股票的历史价格来估计波动率。在实际中，交易员通常使用所谓的隐含波动率（implied volatility）。这一波动率是指由期权的市场价格所隐含的波动率。 为了说明隐含波动率的计算思路，假设一个不付股息股票的欧式看涨期权价格为1.875，而S0=21，K=20，r=0.1和T=0.25。隐含波动率是使得式1.3.1所给期权价格c=1.875时对应的σ值。不幸的是，不能直接通过直接反解式1.3.1来将σ表示成期权价格与其他变量S0、K、r、T和c的函数，但是可以用迭代的方法求解所隐含的值σ。例如，开始时令σ=0.20，对应这一波动率，期权价格c为1.76美元，这一价格太低。由于期权价格为σ的递增函数，我们需要一个较大的σ值。再令σ=0.30，对应的期权价格c为2.10美元，此值高于市价，这意味着σ一定介于0.2和0.3之间。接下来，令σ=0.25，此值对应的期权价格仍太高，所以σ应在0.20-0.25间。这样继续下去每次迭代都使σ所在的区间减半，因此我们可以计算出满足任意精确度的σ近似值。本例中，隐含波动率σ=0.235，即每年243.5%。 隐含波动率可以用来测量市场上对于某一股票波动率的观点。而历史波动率是回望型（backward looking），而隐含波动率则为前瞻型（forward looking）。通常，交易员对于期权所报出的是隐含波动率，而不是期权的价格。这样做会带来许多方便，因为波动率的变化比期权价格变化更加稳定。 1.4.估计波动率 定义为第n-1天所估计的市场变量在第n天的波动率，第n天波动率的平方为方差率（variance rate），在前面已经对如何从历史数据来估计的标准方法进行了描述。假定市场变量在天末的价格为，变量定义为在第天连续复利收益率（第天末至第天末的收益）： 利用在最近天的观察数据所计算出的每天方差率的无偏估计为 1.4.1 其中为的平均值 为了监视每天方差率的变化，式1.4.1中的公式通常会有一些变动： 被定义为市场变量在第天末与第天末的价格百分比变化 1.4.2 为假设为零 为代替 以上三个变化对计算结果影响不大，但这些变化会使得方差公式简化成 1.4.3 式中由式1.4.2给出。 2.模型 2.1.Arch模型 有一种这样的模型为： （2-1） 其中为第i天以前观察值所对应的权重，取