期权波动率的三大特征

主要观点总结

本文主要介绍了波动率的三个特征：序列相关性、均值回归效应和动量聚集效应。通过引入天气的例子来解释这些特征，并指出这些特征对于预测未来波动率的影响。

关键观点总结

关键观点1: 波动率的特征之一：序列相关性

波动率存在序列相关性，即过去的事件会影响未来的事件。通过天气的例子说明，如果今天气温是30度，那么预测明天气温时，大多数人会猜测仍然是30度。学者将这种关系称为“序列相关性”。

关键观点2: 波动率的特征之二：均值回归效应

波动率具有均值回归效应，即它会趋向于平均值。通过天气预测的另一个例子说明，当知道去年的平均温度时，会倾向于选择更接近平均值的温度作为预测值。

关键观点3: 波动率的特征之三：动量聚集效应

波动率具有动量聚集效应，即事情会按已经出现的同方向变化继续运行。在天气预测的例子中，如果连续几天气温上升，那么大多数人会预测接下来几天气温会继续上升。

文章预览

01 波动率的特征之一：序列相关性 学者们试图通过研究不同类别的数据，以发现波动率的特征，降低预测未来波动率的难度。为了简单快速地了解波动率的几个基本特征，我们通过引入天气的例子来加以说明， 因为波动率与天气很像 。 假设知道今天最高气温是30度，但是没有其他信息。在此基础上预测明天的最高气温，你会猜多少度呢？多数人会猜明天的最高气温是30度，因为根据实际经验，今天和明天发生的事情是有关联的。实际上，即使猜三次，在没有其他数据的情况下，你仍然会猜30度。 学者们把温度间的这种关系称为“序列相关性”，相当于 两个连续事件的联系 。 波动率也存在序列相关性 。所以，如果要预测下个月的波动率是多少，而没有其他的数据，最好的方法就是认为下个月波动率与本月一致，做出这一预测的原因是波动率存在 ………………………………