04收益波动率计算.pptVIP

第4章 收益波动率计算 清华大学经管学院 朱世武 Zhushw@ Resdat样本数据： SAS论坛： 波动率估计法 收益波动率计算是金融计算与建模的基础，如风险度量、资产定价等。 最简单的收益波动率计算模型是静态波动率估计模型。 实际中用的最成功、最常用的方法是移动平均、指数平滑和GARCH模型。 移动平均模型 表4.1 移动平均法估计波动率 等权重 指数加权 注：近似公式 。精确权重为 简单移动平均（Simple Moving Average, SMA）模型是动态模型中最为简单的一种。它是以过去M天收益的样本方差来估计当前的波动率，即： 这样每天通过增加前一天的信息和去掉第前M＋1天的信息来更新预测。 图4.1 波动率的时间曲线 指数加权移动平均模型依赖参数 ,称 为衰减因子(decay factor)，该参数决定估计波动率时各观察数据的相对权重。 形式上，对t时间波动率的预测为： 其中，衰减因子λ必须小于1。 当时间足够长时， 与 几乎相等。事实上，一般假设 约等于0，于是得到t时刻波动率的如下预测： 衰减因子λ小于1。 对于日收益率数据，最优衰减因子λ为0.94；对于月度收益率数据，最优衰减因子λ为0.97。 GARCH模型 GARCH（Generalized Autoregressive Conditional Heteroskedasticity）模型称广义自回归条件异方差模型，或称为广义ARCH模型， GARCH模型假定收益的方差服从一个可预测的过程，它依赖于最新的收益，也依赖于先前的方差。 GARCH（1，1）是这类模型中最简单的，用公式表示有： 其中 均为待估的参数，可以用历史数据估计出。 计算数据集：ResDat目录下的全部股票数据集，共30只。 需要宏文本文件：Stk.TXT。 时间区间： 2005年。 计算日波动率；计算周、月或年波动率，可以用相应的收益率计算或直接由日波动率乘以一个相关因子。 对涨跌停板不作处理。 计算环境 波动率计算 单个股票波动率计算 分别选择股票深发展（Stk000001）进行计算。时间区间为2005年。 日对数收益率计算： options nodate nonotes nosource; data idxdate(keep=date); set ResDat.idx000001; where year(date)=2005; /*其他时间区间可修改此处*/ %macro a(x); data a(keep=date r_1); set ResDat.x; where year(date)=2005; r_1=log(mcfacpr*clpr)-log(lag(mcfacpr*clpr)); /*Mcfacpr为累积股价调整乘子 */ data log_ret(rename=(r_1=rx)); merge idxdate a; by date; if r_1=. then r_1=0; rrx=r_1**2; /*日对数收益率的平方*/ %mend a; %a(stk000001); run; 简单加权移动平均(SMA)计算的波动率： proc sort data=log_ret; by Date; data sma(keep=Date); set log_ret; %macro a(x); data a; set log_ret; sum+rrx; data b(keep=Date smax); merge a a (firstobs=21 rename=(sum=sum_1)); smax=(sum_1-sum)/(20-1); /* 这里计算的是20天移动平均 */ smax=sqrt(smax); proc sort data=b; by Date; data sma; merge sma b; by Date; if smax=. then delete; %mend a; %a(Stk000001); run; 输出结果数据集SMA，包括变量有： DATE：日期； SMAStk000001：股票深发展收益日波动率。 指数加权(EWMA) 以及GARCH(1,1)计算的波动率留作练习 （分别创建数据集ewma和garch) 三种模型结果比较 画出2005年，股票Stk000001（深发展）的对数收益图，图4.2。 %macro a(x); proc gplot data=log_ret; plot rx*Date=1 ; symbol1 v=none i=join r=1 c=black line=1; %mend a; %a(Stk00