报告系统分析了传统波动率计算方法不符合 A 股市场交易特征的问题,指出仅使用收盘价计算波动率无法反映日内和隔夜波动,且尾盘交易量占比较小使收盘价代表性不足。报告提出结合市场特点修正波动率计算,并采用EWMA加权解决数据重叠与等权问题,实证显示EWMA主要起平滑作用,仍无法完全贴合A股市场实际波动,为期权及衍生品交易提供了重要参考和模型改进方向 。
| 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% |
| 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% |
核心论点:
本报告围绕“波动率”这一关键市场指标的计算展开,指出传统基于收盘价计算的波动率,虽然是国际市场中主流的标准方法和波动率资产定价公式,但由于A股市场的特殊交易特点,传统方法并不适用,容易低估市场的真实波动程度。报告强调应结合A股的交易结构与特点调整计算方法,提高波动率估计的准确性和代表性,进而为新兴的波动率资产交易、期权定价和风险管理提供更为有效的基础数据。同时,报告探讨了EWMA(指数加权移动平均)方法对传统波动率平滑处理的效果及其局限性。整体来看,报告的目标为为即将推出的期权市场和波动率交易市场提供适合A股特征的波动率度量体系。
关键论点:
逻辑支撑:
关键概念说明:
引用马柯维茨“均值-方差模型”,其核心是用收益率的方差或标准差衡量风险,这一数学表述为:
[ \sigma_t^2 = \frac{T}{N-1} \sum_{i=t-N+1}^t [r_i - \mathbb{E}(r)]^2; \quad \sigma_t = \sqrt{\frac{T}{N-1} \sum_{i=t-N+1}^t [r_i - \mathbb{E}(r)]^2} ]
其中 (r_i) 为对数日收益率,(T)为每年交易日数。
对A股市场,采用的年交易日数 (T=242) 较适合(详见表1,过去十年的交易天数平均值为242.7,略低于美国市场常用252天)。
“已实现波动率”是当数据样本较小,假设平均收益为零时的简化版本:
[ \mathrm{RV}t^2 = \frac{T}{N} \sum{i=t-N+1}^t r_i^2; \quad \mathrm{RV}t = \sqrt{\frac{T}{N} \sum{i=t-N+1}^t r_i^2} ]
数据与逻辑意义:
关键论点:
数据点突出:
图示解读:
逻辑推断:
单一收盘价计算的波动率难捕捉A股的市场特性,必然导致波动率的系统性低估,有悖于期权定价和风险管理需求。
数据重叠问题:
等权重问题:
EWMA方法:
EWMA通过指数加权因子 (\lambda) 赋予越近的交易日更高权重,逻辑上更符合金融时间序列的“信息递减”特性,计算公式为
[ \mathrm{RV}^2_{\mathrm{EWMA}, t} = T \sum_{i=0}^t r_i^2 (1-\lambda) \lambda^{t - i} ]
选择参数 (\lambda) 时用“半衰期”概念(表6),例如 (\lambda=0.96) 半衰期约17天,(\lambda=0.94) 半衰期约11天。
图7-图11展示了在沪深300指数数据上经EWMA修正的波动率序列及权重分布,表明EWMA确实能使波动率曲线更平滑。
结论性分析:
图1与图2(日内成交量对比):
表4与表5(隔夜与日内回报与振幅):
图3与图4(假想证券波动率):
图5至图8(数据重叠与自相关特征):
图9与图10(EWMA权重分布):
图11(波动率序列比较):
本报告主要聚焦于波动率计算方法的修正和适配,并未涉及具体证券或衍生品的估值分析,故无估值模型和目标价的分析内容。
报告虽未设专门风险章节,但从内容可推断相关风险:
报告未明确说明这些风险发生的概率及缓解策略,但整体建议通过结合市场特征,丰富波动率计算方法来规避。
本报告通过系统比对和深入分析美国市场与中国A股市场的交易特性,明确指出传统波动率计算方法的两个关键缺陷:第一,因只用收盘价忽略了A股市场尾盘成交量较小和开盘跳点、日内振幅显著的特点,导致波动率估计不能真实反映市场风险;第二,传统计算对历史收益赋予等权重且数据重叠,导致波动率序列存在一阶极强自相关且缺乏针对近期信息的加权,降低测度的敏捷性。
报告通过对比成交量日内分布(图1、图2)、波动路径(图3、图4)及统计特性(表4、表5,图5-图8),科学支撑了上述论断。提出采用EWMA方法进行指数加权,赋予近期收益更大权重,并以“半衰期”辅助确定权重衰减速度(图9、图10),使得波动率动态更符合市场实际。虽然EWMA在一定程度上平滑了波动率序列(图11),但报告也坦诚,该方法对解决A股特有的结构性信息缺失问题仅有有限效果,强调波动率计算需深入结合市场真实交易特征。
综上,报告建议:在A股市场推动期权及波动率资产交易的背景下,必须基于A股的实际市场行为与交易结构,对历史波动率的计算方法进行必要的调整和改进,以便为衍生品定价、交易策略和风险管理建立更加科学有效的基础,确保波动率指标的代表性和预测力。
报告未提供具体创新模型,但为理解A股市场波动率测度的不足提供了详实的理论框架和数据支持,具备较强的现实指导意义。
图1:标普500日内成交量占比
图2:沪深300日内成交量占比
图3:日K线,收盘价不变(假想证券)
图4:已实现波动率波动率为0(假想证券)
图5:对数日回报序列,数据重叠
图6:对数日回报的权重
图7:沪深300已实现波幅(21个交易日)
图8:已实现波幅序列的偏自相关函数(PACF)
图9:𝜆=0.96,对数日回报权重
图10:𝜆=0.94,对数日回报权重
图11:EWMA调整后的已实现波动率序列
所有结论均基于报告提供的原始数据及图表分析所得。如:
总结:本报告提供了一份针对A股市场波动率测算问题的全面分析和市场结构辨识,强调了量化投资策略和波动率资产定价中必须纳入的市场特征是A股市场成功发展的关键。报告虽未推出全新的计算模型,但为后续研究和实践提出了必要的方向调整。
期权系列专题研究:波动率计算需符合A股市场交易特征.pdf