股票配资
在线配资平台

基础金融期权波动性特征的比较和应用分析

所有人都有聚类,长记忆,不对称,跳跃和均值回归

股票中的金融杠杆

国内金融选择的基本情况

截至2020年12月31日,在国内上市的金融期权包括三大类:上证50ETF期权,沪深300 ETF期权(上海证券交易所+深圳证券交易所)和沪深300股指期权。 2015年2月9日上市的SSE 50ETF期权是国内最早上市的期权。上证50 ETF期权到期后,CSI 300 ETF期权和CSI 300股指期权于2019年12月23日上市。

截至目前,上证50ETF期权和沪深300 ETF期权(上海证券交易所)每天的交易量接近200万张合约。表1列出了他们的交易概览。 SSE 50 ETF期权的基础是上证50指数,而CSI 300 ETF的基础是CSI 300指数。这两个指标相似,因为它们由财务股票和制造业股票组成。在上证50指数中,金融股票占47%,制造业股票占37%;在CSI 300指数中,金融股票占27%,制造业股票占48%。区别在于,上证50指数在财务上占主导地位,而沪深300指数以制造业为主导。

股票中的金融杠杆

表1显示了上证50ETF期权和沪深300 ETF期权(上海证券交易所)的交易和头寸

波动率特征概述

波动率是金融资产​​价格波动的范围。它衡量金融资产收益率的不确定性。目的是反映金融资产的风险水平。波动率有三种常见类型,即历史波动率,已实现波动率和隐含波动率。目前,学术界和实践所公认的波动性有五个主要特征,即聚类,不对称,长记忆,跳跃和平均恢复。

聚类意味着高波动性的时刻将聚集在一起,而低波动性的时刻将聚集在一起。即,如果当前交易日的波动范围较大,则下一交易日的波动范围较大的可能性很大。用通俗的语言来解释是:大波动后大波动,小波动后小波动。

长记忆是指波动序列的高阶自相关特征,即当前交易日的波动会影响下个月的波动。

股票t 0杠杆交易平台_股票中的金融杠杆_金融去杠杆对股市影响

不对称性意味着好消息和坏消息对波动率的影响不同。一般来说,如果在当前交易日之后出现坏消息,则下一个交易日的波动性将会增加。

跳跃是指当市场上有重要信息或异常信息时,波动性将发生显着变化,并且将出现明显的跳跃。也就是说,如果在当前交易日之后出现突发新闻,则下一交易日将出现缺口,并伴随有单边趋势市场。

均值回归是指波动率始终在长期平均值附近波动的事实。上升或下降趋势无论持续多久都不可能永远持续下去。就是说,如果波动率上升太多,它将跌至长期平均水平。如果跌幅太大,它将升至长期平均水平。

沪深300和上证50指数的波动特征比较

本节主要从数学和交易的角度比较上证300和上证50指数的5个特征。

聚合

波动率的聚集主要通过广义自回归异方差GARCH模型进行度量。测量结果示于表2。

股票中的金融杠杆

表2显示了上海证券交易所50指数和沪深300指数的GARCH模型参数的估计结果

股票中的金融杠杆_金融去杠杆对股市影响_股票t 0杠杆交易平台

从数学角度来看,Alpha和Beta分别代表上一时期的信息和上一时期的波动对本时期波动的影响。简单的解释是昨天的售后新闻和昨天的波动对今天的波动的影响。上证50指数和上证300指数均为正值。这意味着昨天的波动对今天有很大的影响。昨天的新消息也将导致今天的波动加剧。昨天波动的影响更大。统计显着性表明这两个指数的波动性是聚集的。应该注意的是,如果隔夜新闻的变化较大,则新闻引起的波动性变化将占主导。

从交易角度看股票中的金融杠杆,聚类意味着波动率处于高水平时,您不能立即做空波动率,因为高波动率之后是高波动率。此外,新消息可能会导致波动率进一步上升。实际上,此时,基本面的变化在波动率变化中起了主导作用。只有当基本面缓解时,波动率才会缓慢下降。例如,在2020年3月,以美国为首的西方国家爆发新的冠状肺炎期间,上证300和上证50指数的波动率连续7个交易日持续上升,直到美国[美联储启动救助政策后企稳。慢慢下降。

长记忆

该波动率是否具有长期记忆能力,是由赫斯特指数衡量的。上海证券交易所50强指数和上海和深圳300强指数均等于0.53。另外,为了更具体地解释长记忆,我们使用异构自回归HAR模型来解释SSE 50和CSI 300指数的波动性。 HAR模型基于异构市场假设。它使用每日波动率,每周波动率和每月波动率来表示短期,中期和长期交易者所产生的波动率,以呈现不同交易者所代表的波动率。 1天,5天和22天被用作这三种类型投资者的交易时间标度。 HAR模型的具体结果如表3所示,其中RV1代表每日波动系数,RV5代表每周波动系数,RV22代表每月波动系数。

股票中的金融杠杆

表3显示了SSE 50和CSI 300指数的HAR模型的参数估计结果

从数学的角度来看,SSE 50和CSI 300的hurst指数都大于0.5,因此它们的记忆力都很长。从HAR模型的系数可以看出,两个指标的RV1和RV5系数在一个数量级上,而RV22在一个数量级上较小,这意味着日波动率和周波动率要大得多。对下一个交易日波动率的影响要大于每月波动率。此外,上证50指数的HAR模型中的RV22系数并不显着,这意味着其每月波动率对下一个交易日的影响没有统计学意义。需要指出的是,两个指标的HAR模型的R2分别为0.58和0.53,这意味着长期,中期和短期的波动可以解释约50%未来的波动。显然,HAR模型是GARCH模型的进一步深化。它将GARCH模型中的前期波动率进一步分为三种类型:每日,每周和每月波动率。总而言之,下一个交易日的50%波动率取决于当前交易日的波动率和前一周的波动率。它们每个都占下一个交易日波动率的50%,其余50%则由一夜之间的新消息决定。

从交易的角度来看,长期记忆意味着波动率将接近每周均值,因此当波动率与每周均值相差太大时,可以考虑做空波动率。首先,考虑HAR模型中RV5系数和R2的值,SSE 50和CSI 300指数的波动率将回到平均每周波动率的概率为25%。其次,尽管新消息对波动率值的影响占50%,但新消息的影响将逐渐消失。总之,当新消息的影响逐渐减弱并且波动率与每周平均值之间的差异太大时,您可以考虑缩短波动率。例如,从2020年7月6日至9日,波动率上升,仅持续4个交易日达到最高点。

不对称

波动率的不对称性是通过具有杠杆效应的广义自回归异方差EGARCH模型测得的。在EGARCH模型中,Alpha系数捕获杠杆效果的方向,而Gamma系数捕获杠杆效果的大小。

从数学角度看,从表4可以看出,沪深300指数和沪50指数的Alpha均为负,这意味着下跌的市场将带来更大的波动性。这两个指数的Gamma值接近0.15股票配资,这意味着波动性下降影响的权重为0.15。同时,考虑到昨天波动率的影响权重约为0.99,这意味着下跌将使波动率再增加15%。

从交易的角度来看,不对称意味着下跌的市场将进一步加剧波动。因此股票配资,在下行过程中,新消息一旦被市场完全消化,便是缩短波动性的最佳时间。例如,在2020年2月3日,由于武汉爆发新的冠状肺炎,上海50和上海300和深圳300指数暴跌,市场波动经历了脉冲式增长,但市场很快意识到中国已经做出反应好。因此市场迅速反转,波幅下降。

股票中的金融杠杆

表4显示了SSE 50和CSI 300指数的EGARCH模型的参数估计结果

跳跃

波动率的跳跃是通过连续跳跃的异质自回归HAR-CJ模型测得的。像HAR模型一样,HAR-CJ模型也基于异构市场假设。不同之处在于它将波动率分为连续波动率CV和跳跃波动率JV。 HAR-CJ模型分别使用C1、C5和C22表示短期,中期和长期交易者产生的连续波动,并使用J1、J5和J22表示由交易员产生的跳跃波动。短期,中期和长期交易者。 。需要强调的是,C5和J5分别代表最近5个交易日连续波动和跳跃波动的平均值。

从数学的角度来看,从表5可以看出,就跳跃波动而言,上海证券交易所50和上海深圳300指数的结论是完全不同的。在上证50指数的三个跳跃波动系数中,J1处于主导地位,其值为正且相对较大,这意味着如果当前交易日的缺口较大,则下一个交易的波动一天会被放大。在沪深300指数的三个跳跃波幅系数中,J5处于主导地位,其值为负且相对较大,这意味着如果在过去5个交易日中市场出现缺口,则J5的波幅为下一个交易日将减少。

股票中的金融杠杆

表5显示了SSE 50和CSI 300指数的HAR-CJ模型的参数估计结果

从交易角度看,市场缺口将对下一交易日的波动性产生一定影响。在上证50指数交易中股票中的金融杠杆,如果市场存在缺口,您可以做更多的波动。在沪深300指数交易日,如果市场出现缺口,则需要短暂波动。

均值回归

类似于长期记忆,均值回归意味着波动率受长期平均数的影响,并最终返回到长期平均数附近。还可以使用HAR模型进行解释。

从数学的角度来看,根据上证50指数和CSI 300指数的RV1、RV5和RV22之间的关系,波动率有两个方向:一个是继续昨天的波动率RV1,另一个是每周波动率RV5返回。

从交易角度看,传统的波动率交易理论认为波动率将返回到20天移动平均线,但经验结果表明,波动率主要返回到每周波动率RV5。如果波动率高于长期平均RV5,则是缩短波动率的好时机。

有关波动性的常见问题

问题1:为什么波动率在上升之后又上升了?

从对波动率的长期记忆中可以知道,波动率的50%由过去的波动率决定,而50%的波动由今天的新消息决定。只要有新消息,波动率就会迅速上升。以上海证券交易所50指数和沪深300指数的波动性从2020年3月9日至17日迅速增加为例,美国股市在此期间经历了三个断路器,这极大地影响了其表现。促使波动率达到高点。

问题2:为什么在市场下跌时波动率会上升?

这实际上是不对称的,也称为杠杆效应。具体的解释是:股票价格的下跌导致财务杠杆利率上升,这反过来又增加了公司的风险,因此股票收益率的波动性也增加了。

问题3:为什么国内股市的波动率会在上升期间上升?

此功能称为逆杠杆效果。一个典型的例子是2020年7月6日,当时波动率呈脉冲式上升。这主要是由于经纪公司对好消息的刺激。当天,上海证券交易所50强指数和沪深300指数上涨了约9%。因此,正是新消息刺激了目标的上升,从而推动了波动率的上升。至于为什么中国股市飙升,这主要是由于大量散户投资者容易受到情绪影响。

结论

SSE 50和CSI 300指数均具有波动性聚集,长记忆,不对称,跳跃和均值回复的五个特征。

波动率的总和认为,在交易中,如果处于波动性高的阶段,基本面的新新闻变化将在波动率的变化中起主导作用,而波动率只有在基本面缓解时才会出现。缓慢下降。 HAR的波动率模型认为,在交易中,下一个交易日的波动率的50%由当前交易日的波动率和前一周的波动率确定,它们各自占比例的50%。下一个交易日波动的剩余50%由隔夜的新消息确定。 EGARCH波动率模型认为,在交易中,不对称表明下跌的市场将进一步加剧波动率。因此,在下行过程中,新消息一旦被市场完全消化,便是缩短波动性的最佳时间。在上证50指数交易中,如果市场存在缺口,您可以做更多的波动。在沪深300指数交易中,如果市场出现缺口,则需要短期波动。如果波动率高于长期平均RV5,则是缩短波动率的好时机。

(作者单位:华荣融达期货)

扫描QR码即可获得开户优惠!

股票中的金融杠杆

股票中的金融杠杆

海量信息,准确解释,全部在新浪财经APP中

赞(0)
未经允许不得转载:华振配资在线 » 基础金融期权波动性特征的比较和应用分析

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址