第九章波动率讲述.pptVIP

1.样本标准差 2.什么是无偏估计 * 什么是条件异方差。 * 什么是条件异方差，注意其定义和估计方法与前面常方差的区别。 * 最后一项很小，可以忽略。 * 1. 波动率的定义 2. 金融资产的收益率是否服从正态分布 3. 从期权价格反推波动率：隐含波动率 4. 采用历史数据来估算波动率 5. 检测日波动率 标准方法 ARCH模型 EWMA模型（指数加权移动平均模型） GARCH（1,1）模型 6. 波动率模型的参数估计 7. 波动率预测 条件异方差的估计和检测 定义Si 为市场变量在第i天末的价格； 定义sn为第n-1天所估计的市场变量在第n天的波动率（即假设标准差是随时间变化的）； 定义 利用有关 的 m 天观测数据（从第n天开始往前推），得出： 当时间间隔很小时，对数收益率可以用百分比收益率替代 定义： 假定 的均值 为0 m-1被m代替 于是方差公式简化为 对等权重进行改进 其中 在ARCH（m）模型中，我们给长期平均方差 设定权重： 其中 这一模型最早由Engle提出。 在指数加权移动平均模型中，其权重 随着回望时间加长而按指数速度递减，于是可以推得 这个式子说明，第n天波动率 是由第n-1天波动率及最近一天变化率 的数据来决定的。 以下式子说明， 的权重随着回望时间的加长而以指数速度下降。 需要的数据相对较少 对于任一时刻，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。 当得到市场变量的最新观测值后，可以计算每天价格变化的比例，然后采用前面的公式更新方差估计。 对波动率进行跟踪监测。 数值 λ 决定了每天波动率估计 对于最新市场价格百分比变化 的反应速度。 RiskMetrics采用λ=0.94来更新每天波动率的估计 在GARCH（1，1）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 （1,1）表示每天的 由最近的u的观测值以及最新的方差 而估算所得。 令 ，可以将GARCH（1,1）模型写成 其中 许多其它的GARCH模型已被提出 比如，我们可以设计一个GARCH模型，使其赋予 的权重依赖于 的正负值 1. 波动率的定义 2. 金融资产的收益率是否服从正态分布 3. 从期权价格反推波动率：隐含波动率 4. 采用历史数据来估算波动率 5. 检测日波动率 6. 波动率模型的参数估计 7. 波动率预测 一种估计GARCH（1,1）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 选择合适的参数使得数据发生的几率达到最大 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？ 概率为 使上式取最大值，观察其最大似然估计：p=0.1 估计一个变量服从均值为0的正态分布的方差 对 求导，并令导数为0，得： 选择参数，最大化下式 Day Si ui vi =si2 -ln vi-ui2/vi 1 0.007728 2 0.007779 0.006599 3 0.007746 -0.004242 09.6283 4 0.007816 0.009037 08.1329 5 0.007837 0.002687 09.8568 …. 2423 0.008495 0.000144 09.3824 22063.5833 1. 波动率的定义 2. 金融资产的收益率是否服从正态分布 3. 从期权价格反推波动率：隐含波动率 4. 采用历史数据来估算波动率 5. 检测日波动率 6. 波动率模型的参数估计 7. 波动率预测 经过一系列的代数过程，可得： 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 对于一个期限为T的期权，其年波动率为 GARCH(1,1)模型允许我们预测波动率期限结构的改变 当σ(0)的变化量为Δσ(0)，GARCH(1,1)预测的σ(T)的相应变化量为 若直接采用年度数据计算年波动率，则存在样本过少的问题。 * 若直接采用年度数据计算年波动率，则存在样本过少的问题。 * 若直接采用年度数据计算年波动率，则存在样本过