隐含和已实现波动率：比率分布研究

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Implied and Realized Volatility: A Study of the Ratio Distribution》
---
作者：
M. Dashti Moghaddam and R. A. Serota
---
最新提交年份：
2018
---
英文摘要：
  We analyze correlations between squared volatility indices, VIX and VXO, and realized variances -- the known one, for the current month, and the predicted one, for the following month. We show that the ratio of the two is best fitted by a Beta Prime distribution, whose shape parameters depend strongly on which of the two months is used.
---
中文摘要：
我们分析了平方波动率指数VIX和VXO之间的相关性，以及实现的方差——当月的已知方差和下月的预测方差。我们表明，二者的比率最好由贝塔素数分布拟合，其形状参数强烈依赖于使用两个月中的哪一个月。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--
一级分类：Quantitative Finance        数量金融学
二级分类：Mathematical Finance        数学金融学
分类描述：Mathematical and analytical methods of finance, including stochastic, probabilistic and functional analysis, algebraic, geometric and other methods
金融的数学和分析方法，包括随机、概率和泛函分析、代数、几何和其他方法
--

---
PDF下载：
--> Implied_and_Realized_Volatility:_A_Study_of_the_Ratio_Distribution.pdf (607.71 KB)

2022-6-10 21:52:56 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：波动率 已实现 Quantitative distribution Mathematical

隐含和已实现波动率：比率分布研究M。Dashti Moghadama，R.A.Serotaa，1俄亥俄州辛辛那提市辛辛那提大学物理系，邮编：45221-0011摘要我们分析了平方波动率指数、VIX和VXO之间的相关性，以及实现的方差——当前月份的已知方差和下个月的预测方差。我们表明，贝塔素数分布最适合两者的比率，其形状参数强烈依赖于使用两个月中的哪一个月。关键词：隐含波动率、真实波动率、波动率指数、贝塔素数、相关性1。引言在之前的一项研究[1]中，我们引入了由四次波动率指数VIX或VXO表示的r化方差与隐含方差的比率，作为其相关性的衡量标准。我们指出，rea liz edvariance是针对交易日计算的，而隐含方差涵盖了每天，因此其中一个需要进行适当的比较。我们认为，与简单的回归分析相比，研究比率的分布可以深入了解这些相关性[2]，这得出了一个明显的结论，即VIX/VXO比过去的RV对未来实现波动率（RV）的预测略好，因为它建立在后者的基础上，并有额外的信息。在文献[1]中，我们得出结论，实际实现方差rv与V ix和V XO的比率，即其预测值，最好用厚尾逆伽马（IGa）分布来描述，而用伽马（Ga）分布来描述其逆伽马分布。我们推测，这是由于已实现波动率的意外峰值。在本文中，我们表明贝塔素数（BP）分布提供了更好的比率及其倒数拟合。

对于前者，较小比值的幂依赖指数非常大，这模仿了IGa的指数行为。对于后者，幂律尾的指数非常大，这类似于Ga的指数衰减。我们在文献[1]中得出结论，预测月的Rv与V ix和V xo的比率最好用对数正态（LN）分布来描述。参数相似的LN也能很好地描述其逆矩阵。我们认为，虽然过去已实现波动率的峰值导致隐含波动率的峰值，但存在足够的不确定性，使得该比率具有严重的尾部。在本文中，我们表明，使用相似的比率参数及其逆参数的BP为b oth提供了更好的拟合。小值和胖尾的幂律指数都很大，因此BP模拟LN行为。此外，对于BP和LN，反向变量的分布也分别为BP和LN。提醒读者，BP分布的PDF由BP（p，q，β；x）=（1+xβ）给出-p-q（xβ）p-1βB[p，q]（1）其中β是尺度参数，p和q是形状参数，B[p，q]是β函数；英国石油公司∝ xp系统-1论坛<< β和BP∝ x个-q-1对于x>> β.本文的组织结构如下。在第2节中，我们总结了RVA和波动率指数V IX和V XO及其比率的经验观察结果。在第3节中，我们展示了比率的统计结果。在第4节中，我们总结了数量与其比率之间的相关性。serota@ucmail.uc.eduPreprint提交至arXiv 20182年10月19日。经验观察在【1】中，我们给出了RVvis-a-vis V IX和V XO的经验分布（PDF）以及理论，在【3】中，我们将描述它们的函数。

与[4]相比，我们观察到以下特征（另见[5，6]）：oV IX和V XO相对于RV具有较低的高波动率概率，包括较短的胖尾，这表明波动率指数不能准确预测RV的大值，包括较大的波动率峰值。换句话说，波动率指数低估了未来的大型RV与RV相比，V IX和V XO具有更高的中等波动性概率，表明波动性预测高估了未来的中等波动性V IX和V XO具有较低的相对于RV的低波动率概率，这表明波动率预测低估了未来的低RV。对于比率RV/V IX、RV/V XO的分布，重要的是要注意，由于实际波动率和隐含波动率是相关的，我们不能将它们简单地构造为两个自变量的商分布。我们遵守以下规定：2.1。波动率指数预测月份的预测月份o分布具有厚尾，再次表明VIX和VXO低估了未来的波动率值，尤其是波动率峰值非常小的比率被抑制，表现为非常大的幂指数，这表明RV比波动率指数预测的要小得多比率分布的尾部指数大于RVor V IX和V XO的尾部指数，表明对于取自尾部的RV值，V IX和V XO的值更可能来自尾部。2.2.

前一个月的提前月RV o：o分布的尾部比预测月的尾部短得多，反映了波动率指数说明了过去RV的事实这些分布的尾部指数几乎与其逆V IX/RVandV XO/RVD分布的尾部指数相同，表明如上所述的强相关性。对于预测（下一个）月的RVof与预产期月的RVof的比率分布（见下文），我们观察到o脂肪指数小于RV/V IX和RV/V XO分布的指数，即尾部更长。o该分布在非常小比率下的幂律指数比RV/V IX和RV/V XO小得多，也就是说，这些比率受到的抑制要小得多。通过这两项测量，VIX和VXO是未来RV比过去RV更好的预测因子。3、比率分布的统计拟合下图显示了比率及其分布的曲线图，表格包含分布参数和KS统计数据。此处与[1]相关的两个新要素是将BP纳入RV/V IX和RV/V XO分布的fits中，以及预测（下一个）月的RVF与上月的RVF的比率分布的fits（及其倒数）。3.1.

预测月90 92 95 97 00 02 05 07 10 12 15 17 200 2 4 6 8 10 RV/VIX0.20.40.60.81.21.4塔兰加IGB图1：RV/VIX，1990年1月2日至2016年12月30日。90 92 95 97 00 02 05 07 10 12 15 17 200 2 4 6 8 10 VIX/RV0.20.40.60.81.21.4塔兰加WBP图2：VIX/RV，1990年1月2日至2016年12月30日。表1：“RV/VIX”和“VIX/RV”参数KS testNormal N（1.0000，0.9067）0.1940对数正态LN（-0.2027，0.586 7）0.0446IGa IGa（3.3595，2.3466）0的MLE结果。0246Gamma Gamma（2.6219，0.3814）0.0978 Weibull-Weibul（1.1124，1.4009）0.1224IG IG（1.0000，2.3168）0.0607BP BP（27.2279，3.8055，0.1014）0.0198参数KS testNormal N（1.0000，0.5626）0.0972对数正态LN（-0.1562，0.5867）0.0446IGa IGa（2.6219，1.8314）0.0978Gamma Gamma（3.3595，0.2977）0.0246威布尔威布尔（1.1306，1.8882）0.0500IG IG（1.0000，2.3168）0.0734BP BP（3.8055，27.2279，6.891 3）0.019890 92 95 97 00 05 07 10 12 15 17 200 2 4 6 8 10RV/VXO0.20.40.60.81.21.4目录AIGBP图3：RV/VXO，1990年1月2日至2016年12月30日。90 92 95 97 00 02 05 07 10 12 15 17 200 2 4 6 8 10VXO/RV0.20.40.60.81.4目录WBP图4：VXO/RV，1990年1月2日至12月30日，2016年表2：“RV/VXO”和“VXO/RV”参数的MLE结果KS testNormal N（1.0000，0.8747）0.1910对数正态LN（-0.1973，0.579 5）0.0449IGa IGa（3.4629，2.4438）0。0224Gamma Gamma（2.6897，0.3718）0.0971 weibull-Weibul（1.1150，1.4256）0.1230IG-IG（1.0000，2.3981）0.0611BP-BP（47.6001，3.7157，0.0563）0.0177参数KS-testNormal N（1.0000，0.5467）0.0925LogNormal LN（-0.1513，0.5795）0.0449IGa-IGa（2.6897，1.8982）0.0971Gamma Gamma Gamma（3.4629，0.2888）0.028 24威布尔威布尔（1.1308，1.9374）0.0499IG IG（1.0000，2.3981）0.0729BP BP( 3.7157, 47.6002, 12.54 09) 0.01773.2.

前一个月90 92 95 97 00 02 05 07 10 12 15 17 200 2 4 6 8 10RV/VIX0.20.40.60.81.21.4TATALTANGAIGBP图5：RV/VIX，1990年1月2日至2016年12月30日。90 92 95 97 00 02 05 07 10 12 15 17 200 2 4 6 8 10VIX/RV0.20.40.60.81.21.4TALTANGAWBLBP图6：VIX/RV，1990年1月2日至2016年12月30日。表3：“RV/VIX”和“VIX/RV”参数KS testNormal N（1.0000，0.4974）0.0992对数正态LN（-0.1099，0.4689）0.014 7IGa IGa（4.6889，3.7619）0.0431伽马伽马（4.7110，0.2123）0.0381威布尔威布尔（1.1325，2.1250）0.0672IG（1.0000，4.0580）0.0215BP（9.2230，9.9855，0.9742）0.0 117参数KS testNormal N（1.0000，0.4999）0。1059对数正态LN（-0.1104，0.468 9）0.014 7IGa IGa（4.7110，3.7796）0.0381伽马伽马（4.6889，0.2133）0.0431威布尔-威布尔（1.1329，2.1186）0.0751IG-IG（1.0000，4.0580）0.0163BP BP（9.9855，9.2230，0.8236）0.011790 92 95 97 00 02 05 07 10 15 17 200 2 6 10 RV/VXO0.20.60.81.21.4目录AIGBP图7:RV/VXO，1990年1月2日至12月30日，2016.90 92 95 97 00 02 05 10 12 15 17 200 2 4 6 8 10 VXO/RV0.20.40.60.81.21.4塔兰加WBLBP图8：VXO/RV，1990年1月2日至2016年12月30日表4：“RV/VXO”和“VXO/RV”参数的MLE结果KS testNormal N（1.0000，0.4915）0.1064对数正态LN（-0.1041，0.453 9）0.0150IGa IGa（5.0351，4.0948）0。0331Gamma Gamma（4.9618，0.2015）0.0454 Weibull-Weibul（1.1316，2.1383）0.0730IG-IG（1.0000，4.3548）0.0203BP-BP（11.1694，9.4027，0.7520）0.0133参数KS-testNormal N（1.0000，0.4768）0.0933对数正态LN（-0.1026，0.4539）0.0150IGa-IGa（4.9618，4.0352）0.0454Gamma Gamma（5.0351，0.1986）0.0335 31威布尔威布尔（1.1319，2.2099）0.0689IG IG（1.0000，4.3548）0.0212BP BP（9.4027，11.1694，1.081 4）0.01333.3.

相邻两个月的已实现差异比率90 92 95 97 00 02 05 07 10 12 15 17 20年0 2 4 6 8 10 NRV/RV0.20.40.60.81.21.4汇总AIGBP图9：1990年1月2日至12月30日期间下月已实现差异与上月已实现差异的比率，2016.90 92 95 97 00 02 05 10 12 15 17 20年0 2 4 6 8 10 RV/nRV0.20.40.60.81.21.4塔兰加WBLBP图10：1990年1月2日至2016年12月30日期间上月实现的方差与下月实现的方差的比率。表5：“nRV/RV”和“RV/nRV”参数KS testNormal N（1.3175，1.2580）0.1809对数正态LN（-0.0037，0.7 211）0.024 4IGa IGa（2.1291，1.6472）0.0472伽马伽马（1.9390，0.6795）0.0801威布尔威布尔（1.4403，1.2869）0.0922IG IG（1.3175，1.8743）0.0340BP（5.8771，3.4893，0.5556 0.0 123参数KS testNormal N（1.2925，1.0777）0。1422对数正态LN（0.00 37，0.7211）0.0244IGa IGa（1.9390，1.4717）0.0801Gamma Gamma Gamma（2.1291，0.6071）0.0472 Weibull-Weibul（1.4300，1.3951）0.0608IG-IG（1.2925，1.8387）0.0513BP BP（3.4893，5.8771，1.7999）0.01234。相关分析表6和表7列出了皮尔逊相关系数（P CC）。此处“n”表示“下一个”月，即VIX和VXO预测隐含RV的月份r”是“随机”月份，未标记的RVA是前一个月的RVA。所有RVA均按比例缩放，如上文和[1]中所述。

表8和表9列出了两个图的比较Kolmogorov-Smirnov（KS）统计数据。表6:PCC VIXRVnRVV IXrRVRV1 0.70 0.88 0.0055nRV0.70 1 0.71 0.0025V IX0.88 0.71 1 0.003rRV0.0055 0.0025 0.003 1表7:PCC VXORVnRVV Xorrvv1 0.70 0.87 0.0015nRV0.70 1 0.72 0.004V XO0.87 0.72 1 0.002rRV0.0015 0.004 0.002 1表8:KS VIXRVV Ixrvv IXrrvrv IXrrvrrvv VRVRVV IX0 0.056 0.13 0.20 0.26 nRVV IX0.056 0-0.18 0.23 0.13RVnRV0.13-0.17 0.15 rRVrV IX0.20 0.18 0.17 0.0630.17rRVrRV0.26 0.23 0.15 0.063 0.16nRVRV-0.13-0.17 0.16 0表9:KS VXORVV XOnRVV xorvrvrvrvrv xorrvrvrvrvrvrv xorrvrvrvrvrvrvrvrvrvrvrvrvrvrvrvrvvrvxo0.063 0.13 0.22 0.26 NRVxo0.063 0-0.19 0.2 0.16RVnRV0.13-0.17 0.16 RRVRVxo0.19 0.17 0.057 0.18rRVrRV0.26 0.23 0.050 7 0 0.17nRVRV-0.16-0.18 0.17 05。结论SBETA基本分布提供了实现方差（平方化波动率）与平方隐含波动率指数VIX和VXO之比的最佳分布，以及连续两个月的实现方差比率的最佳分布。对于波动率指数计算隐含已实现方差的月份的已实现方差，分布具有非常缓慢的衰减厚尾。这表明波动率指标往往低估了未来的波动率，尤其是其大幅峰值。相反，由于幂律指数较大，具有非常小比率的概率被抑制。

与上个月与下个月的已实现方差比率相比，后一个月的尾部更长，而较小的比率更为普遍。通过这两种测量，VIX和VXO是未来实现波动率的更好预测因子。对于前一个月的已实现方差，小比率和尾部比率的幂律指数几乎相同，这反映出比率及其逆分布几乎相同，β素数的逆变量分布也是β素数。相关性和Kolmogorov-Smirnov统计数据与第2节的经验分析和第3节的拟合非常一致。在未来的工作中，我们将更仔细地确定哪些月份的比率对尾部和低比率区域负责。参考文献【1】M.Dashti Moghadam，Z.Liu，R.Serota，《历史市场数据的分布——隐含和实际波动率》，arXiv 1804.05279。[2] B.J.Chrstensen，N.R.Prabhala，《隐含价值与实现价值之间的关系》，金融经济学杂志50（1998）125-150。[3] M.Dashti Moghaddam，Z.Liu，R.Serota，《已实现与隐含波动率及其分布》，将提交给ARXIV。[4] M.D.Russon，A.F.Vakil，关于波动率指数与已实现sp500波动率之间的非线性关系，《投资管理与金融创新》14（2）（2017）200–206。[5] I.Vodenska，W.J.Chambers，《理解波动率指数和标准普尔500指数波动率之间的关系》，第26届澳大利亚金融和银行会议（2013年）。[6] C.Kownatzki，波动率指数作为市场风险的预测指标有多好？，《会计与金融杂志》16（6）（2016）39–60。