本报告基于沪深A股市场日内交易数据,综合分析了多种波动率指标(如Close-to-Close、Parkinson、Garman-Klass、Rogers-Satchell及Yang-Zhang等)及其统计特性,对比了不同波动率指标在A股及港股市场的波动表现及相关性。报告系统介绍了波动率的理论计算方法,结合长达十年历史数据的实证分析,揭示了波动率的时间序列特征和市场行为差异,为投资风险管理和量化策略开发提供科学依据 。
| 指数名称 | 隔夜回报均值 | 日内回报均值 | 隔夜回报绝对值均值 | 日内回报绝对值均值 |
|---|---|---|---|---|
| 道琼斯 | -0.01% | 0.05% | 0.02% | 0.64% |
| 标普500 | 0.00% | 0.05% | 0.07% | 0.66% |
| 恒生指数 | 0.07% | -0.06% | 0.60% | 0.59% |
| 上证50 | -0.07% | 0.04% | 0.35% | 0.92% |
| 上证180 | -0.08% | 0.05% | 0.33% | 0.92% |
| 深证100 | -0.08% | 0.05% | 0.34% | 1.05% |
| 沪深300 | -0.08% | 0.05% | 0.33% | 0.93% |
| 中证500 | -0.12% | 0.11% | 0.27% | 1.15% |
| 中证800 | -0.09% | 0.07% | 0.31% | 0.97% |
报告核心论点聚焦于:
报告以中证500指数为分析核心,采用历史交易数据,尤其是日内开盘、收盘、最高和最低价作为波动率计算的基础。通过对C2C(Close-to-Close 收盘对收盘)、C2O(Close-to-Open 收盘对开盘)、O2C(Open-to-Close 开盘对收盘)等多种收益率定义,精确捕捉并解析了日间和隔夜市场波动情况。
关键公式定义了各种收益率和真实波动率的计算方法:
通过这些收益率的计算区分隔夜和日内波动,为模型分析提供详细数据基础。
报告使用2010年6月至2014年6月期间的真实交易数据,涵盖了多个市场指数和ETF,对包括中证500在内的标的进行了详细的波动率测算。表格明确观察了不同时段的隔夜与日内回报的均值及其绝对值,令读者理解市场波动的常态与极端性质。例如:
相对应,日回报的绝对值和日内振幅数据体现了市场在不同时间框架下的波动特征。
报告详细介绍了各类波动率估计模型:
Parkinson模型(1980年):利用最高价和最低价的对数价差平方和计算波动率,弥补了单纯收盘价波动的不足。
[ \sigma(\mathrm{Parkinson}){t} = \sqrt{T} \times \sqrt{\frac{1}{N \times 4 \ln 2} \sum{i=t-N+1}^{t} \left[\ln\left(\frac{HIGH_i}{LOW_i}\right)\right]^2} ]
Garman-Klass模型,结合开盘价、最高价、最低价和收盘价信息,剔除噪音项以提高精度。
[ \sigma(\mathrm{GK})_t = \sqrt{T} \times \sqrt{\frac{1}{N} \left{\sum \frac{1}{2}\left[\ln\left(\frac{HIGH_i}{LOW_i}\right)\right]^2 - \sum (2 \ln 2 - 1) \left[\ln\left(\frac{CLOSE_i}{OPEN_i}\right)\right]^2\right}} ]
Rogers-Satchell模型,针对存在趋势市场的波动率偏差修正。
Yang-Zhang模型,综合考虑开盘跳空和价格区间波动,提供更全面的波动率估计,其公式中包含权重 ( k ):
[ \sigma^2(\mathrm{YZ})_t = \sqrt{T} \times \sqrt{\sigma^2(C2O)_t + k \times \sigma^2(O2C)_t + (1-k) \times \sigma^2(RS)_t} ]
[ k = \frac{0.34}{1.34 + \frac{N+1}{N-1}} ]
GK-YZ结合模型,即用GK模型替代RS波动率部分,试图进一步提高估计的准确度。
模型通过比较最高、最低、开盘和收盘价之间的关系,更全面考虑了日内及隔夜的价格变动,减少了仅使用收盘价造成的误差。
表格和图表细致地展示了2004-2014年间,中证500指数在不同窗口期内多种波动率模型的表现,主要指标包括:
表格显示RV(基于收盘-收盘计算的实际波动率)往往高于各点范围估计的模型波动率,Parkinson模型、GK和RS模型中GK最接近RV水平,而YZ模型及GK-YZ模型对短期和长期波动的表现呈现不同程度的偏差。
图表中红色曲线表示RV,绿色和蓝色曲线分别为日内分拆波动率和隔夜波动率计算,整体呈现波动率在2008年金融危机期间显著增强的趋势,反映市场极端变化。
对中小盘(如中证500)和大盘(上证50、沪深300)进行比较,波动率模型的表现也有所不同,表明波动率模型的适用性在不同市场层次存在差异。
ETF及港股市场的模型验证同样展现了类似的规律,各模型对不同市场的适配性,为进一步推广提供了实证基础。
通过对单日交易时段分割的分析(分上午开盘前竞价、日内交易、收盘阶段),报告探讨了交易密度和波动率的时段分布特点。屏幕截图图示了不同时刻的成交量百分比分布,表明收盘前和开盘初期是成交集中和波动较大的时间段,反映了市场参与者的行为异质性对波动率的影响。
报告末尾专门附上投资评级体系标准,清晰定义了买入、增持、持有、卖出、强于大市和中性弱于大市的考量标准,以未来6-12个月相关指数相对基准的表现作为判定依据。此标准强调了研究成果对实务投资操作中的指导意义。
本报告核心为波动率模型研究,未涉及传统意义上的公司估值方法,如P/E或DCF等,但通过波动率准确性的提升,有利于衍生品定价、风险管理和量化策略优化,间接提升投资决策的估值精度。
报告并未详细列出具体风险缓解策略,但通过多模型比较和实证分析,降低单一模型风险。
本报告系统且深入地阐述了几种主要实时历史波动率估算模型的理论原理与实证效果,以中证500指数为核心样本,运用2010年至2014年间详尽的交易数据开展分析。报告重点突出了:
图表特别揭示了2008年金融危机期间波动率的显著峰值,为风险溢价和市场动态提供了直观映射。
作者最终强调,精确且稳健的波动率模型对于量化风险控制及资产投资价值评估至关重要,推荐投资者及风险管理机构优先考虑GK-YZ模型的应用。
总结来看,该报告不仅提供了金融理论模型与实际市场数据的有机结合,也为中国资本市场风险管理,以及基于波动率的投资策略制定提供了丰富、实证且深入的分析基础。, , , , , , , , , , ,
综上,本报告系统且深入地梳理了中国市场波动率估计的理论框架和实证表现,是针对波动率风险管理领域极具价值的专业研究文献。
期权系列专题研究:修正传统计算方法 准确把握A股波动.pdf