Nem vagyok matematikus, de szeretném kipróbálni és megérteni a BS modellt az opciók árképzéséhez. Megértem ennek intuitív érzékét, de képtelen vagyok kitalálni a volatilitás kiszámítását (inputként). Egyes online források azt jelzik, hogy az alapul szolgáló eszköz naplóhozamainak idősorát, valamint az átlagot és az SD-t számítják, és ezt használják. De ha az opcióm $ T + 1 $ és $ T + 2 $ hónap lejárt, akkor biztos vagyok abban, hogy nem használhatom ugyanazt a volatilitási bemenetet. Van tehát olyan alapszabály / papír, amely jelzi, hogy hány történelmi adat pontokra van szükség a különböző futamidejű (és ugyanazon kötési ár) opciókhoz? kérem, tudassa velem. Becsülje meg!
Hozzászólások
- rendben .. csak arra gondoltam, hogy a történelmi volatilitás rosszul helyettesíti a várható volatilitást. A jövőbeni volatilitás kiszámítása a volatilitás modellezésének területe, ezért mutatókra van szükségük. Kérjük, mutassa meg 🙂
- Ha azt akarja, hogy a görögök csak implicit volatilitást alkalmazzanak . Egyébként a történelmi volatilitást kell használnia. Az EWMA egyfajta megközelítés a történelmi volatilitással történő számításhoz is.
Válasz
A legjobb hatóság, amit láttam ezeken a dolgokon, a Natenberg: Option Volatility and Pricing. Nem tehetek sokkal jobban, mint ellenőrizni a példányomat. Azt mondja: “Ne feledje, hogy a történeti volatilitás kiszámításának számos módja van, de a legtöbb módszer két paraméter kiválasztásától függ, a történelmi periódustól, amely alatt a volatilitást számolni kell, és az egymást követő árváltozások közötti időintervallumtól.
A történelmi időszak lehet tíz nap, hat hónap, öt év, vagy bármely olyan időszak, amelyet a kereskedő választ. A hosszabb időszakok általában átlagos vagy jellemző volatilitást eredményeznek, míg a rövidebb időszakok felfedhetik A volatilitás szokatlan szélsőségei. Ahhoz, hogy teljes körűen megismerje a szerződés volatilitási jellemzőit, a kereskedőnek sokféle történelmi időszakot kell megvizsgálnia.
Ezután a kereskedőnek meg kell döntse el, milyen intervallumokat alkalmazzon az árváltozások között. Használjon-e napi árváltozásokat? heti változtatásokat? havi változásokat? Vagy esetleg valamilyen szokatlan intervallumot kellene fontolóra vennie, talán minden másnap vagy másfél héten. Meglepő módon az intervallum, amely úgy tűnik, hogy nem befolyásolja nagyban a eredmény. Bár egy szerződés nagy napi lépéseket tehet, de változatlanul befejez egy hetet, ez messze kivétel. A napról napra ingadozó szerződés valószínűleg hétről hétre, vagy hónapról hónapra ingadozó lesz. “
Tehát a gyakorlatban az történik, hogy a volatilitások sorozatát különböző időkre súlyozzuk. periódusok, mivel a volatilitás soros összefüggést mutat . A könyv átfogalmazásával:
Tegyük fel például, hogy egy következő mögöttes volatilitási adattal rendelkezünk egy bizonyos mögöttes eszközről:
- utolsó 30 nap: 24%
- utolsó 60 nap: 20%
- utolsó 120 nap: 18%
- elmúlt 250 nap: 18%
Természetesen a lehető legtöbb volatilitási adatot szeretnénk kérni. De ha ez az egyetlen rendelkezésre álló adat, hogyan használhatjuk fel előrejelzés készítéséhez? módszer lehet az átlagos volatilitás figyelembe vétele a periódusokban:
- (24% + 20% + 18% + 18%) / 4 = 20,0%
Mivel azonban az elmúlt 30 nap 24% -a naprakészebb, mint a többi adat, talán nagyobb szerepet kellene játszania egy előrejelzésben
- (40% * 24%) + (20% * 20%) + (20% * 18%) + (20% * 18%) = 20,8%
Ezenkívül a az elmúlt 60 napnak fontosabbnak kell lennie, mint az elmúlt 120 napnak, az elmúlt 120 napnak pedig fontosabbnak kell lennie, mint az elmúlt 250 napnak és így tovább. Tehát ezt figyelembe vehetjük regresszív súlyozás alkalmazásakor. Például
- (40% * 24%) + (30% * 20%) + (20% * 18%) + (10% * 18%) = 21,0%
A soros korrelációt úgy használjuk, hogy ha a szerződés volatilitása az elmúlt négy hétben 15% volt, akkor a következő négy hét volatilitása valószínűbb hogy inkább közel legyen a 15% -hoz, mint messze. Amint erre rájöttünk, különböző súlyokat adunk a különböző elmúlt volatilitási időszakoknak. Ez elvezetett az elméleti szakembereket az ARCH és a GARCH modellekbe. A könyv így folytatódik:
Ha történelmi volatilitás áll rendelkezésünkre, akkor egy újabb intézkedést foganatosít a piacon már árazott implicit volatilitás érdekében. Súlyozhatja az implicit volatilitást 25% és 75% között. Tegyük fel például, hogy egy kereskedő a jelenlegi adatok alapján 20% -os volatilitási előrejelzést készített, és az implicit volatilitás jelenleg 24%. Ha a kereskedő úgy dönt, hogy az implicit volatilitást a súly 75% -ának adja, akkor a végső előrejelzése a következő lesz:
- (75% * 24%) + (25% * 20%) = 23%
GYAKORLATI MEGKÖZELÍTÉS
Bármennyire is szorgalmas a kereskedő módszere, valószínűleg úgy találja, hogy volatilitási előrejelzései gyakran helytelenek, és néha nagy mértékben. Tekintettel erre a nehézségre, sok kereskedő könnyebben alkalmazza az általánosabb megközelítést.Ahelyett, hogy megkérdezné, mi a helyes volatilitás, a kereskedő inkább megkérdezheti, tekintettel a jelenlegi volatilitási klímára, mi a helyes stratégia? Ahelyett, hogy megpróbálna előrejelezni egy pontos volatilitást, a kereskedő megpróbál olyan stratégiát választani, amely a legjobban illeszkedik a volatilitáshoz. A kereskedőnek számos tényezőt kell figyelembe vennie:
- Mi az alapul szolgáló szerződés hosszú távú átlagos volatilitása?
- Milyen volt a közelmúltbeli történelmi volatilitás az átlagos volatilitáshoz képest?
- Mi a tendencia a közelmúltbeli történelmi volatilitásnál?
- Hol van az implicit volatilitás és mi a trendje?
- Hosszabb vagy rövidebb időtartamú opciókkal foglalkozunk?
- Mennyire stabil a volatilitás?
Megjegyzések
- ok wow! ez egy zseniális és részletes magyarázat .. köszi egy csomó .. sajnos nincsen ' nincs elég pontom a szavazáshoz, de elfogadom ez a legjobb a nswer .. értékeld!