随机波动率.ppt

随机波动率与股票价格 主要内容 波动性的理论概述 涉及波动模型的基本概念 常见波动模型 随机波动模型 随机波动模型的估计 波动性的概念 波动性：指价格非预期变化趋势，或者收益的不确定性或不可预测性 最早是以收益率的方差或标准差来粗略的度量波动性和金融资产总体风险，但是波动性一些复杂的、与时间序列相关的特征无法简单地使用方差或标准差来测度。 波动性的特征 （1）尖峰厚尾：即资产收益有着比正态分布更高的峰和更厚的尾。 对于这种现象，有不同的解释：厚尾最通常的解释是信息的不频繁到来。信息是偶尔成堆的方式出现，而不是以平滑连续的方式出现的，只要信息来到，它是会被消化并马上反应在价格里，市场对于成堆信息的反应导致了厚的尾部。 波动性的特征 另一种解释是如果投资者在趋势十分明显前忽略了信息，然后以累积的方式对所有以前被忽略的信息作出反应，就会得到厚尾。 因此，许多文献提出把资产收益作为厚尾分布抽取的独立同分布序列建模。假定误差项服从t分布或广义误差分布等非正态的厚尾分布，以较好刻画尖峰厚尾的特征。 波动性的特征 （2）波动聚集性：指高波动与低波动时期的聚集性。与厚尾性紧密相关，后者是一种静态解释。 波动聚集性的原因：一种解释是自相关的信息过程产生的，即信息传导观。 另一种解释是Stock（1988）提出的时间扭曲观，这种观点认为是因为经济事件的发生时间与日历时间不一致。 波动性的特征 （3）波动非对称性：不同种类的信息对股价波动的影响不对称，下跌引起的波动比上升引起的波动大 一种解释是杠杆效应：指股价运动与波动呈现出负相关的关系。即下降的股价将提高资产负债比（财务杠杆），因此提高了公司的风险，从而导致未来波动的上升。 另一种解释是反馈效应：当前波动与未来收益正相关。 波动性的特征 （4）信息到达：收益率波动的分布是由影响价格变化的信息流决定的。 影响波动性的信息流主要有：交易量；报价的到达；一些可预测的事件，（如红利分派公告、宏观经济数据的披露等；）闭市，以及其他的与信息到达相联系的许多现象。 波动性的特征 （5）长记忆性与持续性： 这是指收益率序列的绝对值或幂的自相关呈现十分缓慢的衰减，相距较远的时间间隔仍然具有显著的自相关性，表现为历史事件会长期影响着未来。 也就是说，当前的信息和波动会对未来的波动产生长期和持续的影响。 波动性的特征 （6）波动传导性（波动溢出现象）：不同金融市场的波动之间可能存在相互影响，波动会从一个市场传递到另一个市场，一种金融产品到另外一种金融产品。例如，期货市场的交易将会加剧现货市场的波动，同样现货市场对期货市场存在波动传导。 波动性的特征 （7）隐含波动率的相关性 在衍生品的隐含波动率测定中，常常是根据同一标的资产、不同的执行价格、不同的到期日得到不同的隐含波动率，再加权获得一个复合隐含波动率，权数是依据期权价值的交易量形成的。 波动性的特征 （8）微笑现象：隐含波动率在不同执行价时产生的U型模式。 即平价期权的隐含波动率最低，实值和虚值期权的隐含波动率较高。 主要原因：期权市场溢价和交易成本 波动性的特征 波动性的类型 历史波动率：是使用历史的股价数据计算得到的波动率数值。 隐含波动率：是基于模型的，通常从一个特定模型的定价公式计算得到，（如B-S模型） 现实波动率：又称高频数据波动率，是指由于信息技术手段的提高，可获得金融市场一天内的交易数据，如5 min、10 min而呈现出的波动。 布朗运动 布朗运动也称维纳过程，是一个随机过程。定义：　　 若一个随机过程{X(t),t=0}满足： (1)X(t)是独立增量过程； (2)任意s,t0,X(s+t)-X(s)~N(0,c^2*t)，即X(s+t)-X(s)是期望为0，方差为c^2*t的正态分布； (3) X(t)关于t是连续函数 布朗运动 特点： （1）它是一个Markov过程。因此该过程的当前值就是做出其未来预测中所需的全部信息。 （2）布朗运动具有独立增量。该过程在任一时间区间上变化的概率分布独立于其在任一的其他时间区间上变化的概率。 （3）它在任何有限时间上的变化服从正态分布，其方差随时间区间的长度呈线性增加。 标准布朗运动 设 代表一个小的时间间隔长度， 代表变量z在时间 内的变化，遵循标准布朗运动的 具有两种特征： 特征1： 和 的关系满足（1）： 其中， 代表从标准正态分布（即均值为0、标准差为1的正态分布）中取的一个随机值。 普通布朗运动 我们先引入两个概念：漂移率和方差率。 标准布朗运动的漂移率为0，方差率为1。 我们令漂移率的期望值为a,方差率的期望值为b2，就可得到变量x的普通布朗运动