Category Archives: 学术研究

首先贴一幅图，是最近一年半时间波动率的变化。 红色是日内高频数据计算的已实现波动率的均线，没有展示点数据是因为点数据的分布很极端，有很多锯齿。绿色是上交所发布的iVIX指数，黑色线是20日窗口的历史已实现波动率，而粉丝断点线是将这一值向后移动20个交易日。这是因为实际上隐含波动率反应的是对未来的预期，也就是说反应的是对未来20个交易日的历史已实现波动率。因此，粉色断点线和绿色线反应的是预测是现实的差距。 简单做两点结论： 1 隐含波动率反映的是当前市场投资者对未来波动率的预期，并不是未来波动率，实际上人们对未来波动率的预期，受历史锚定太严重，以至于隐含波动率和历史的20个交易日的已实现波动率节奏是一致的。但是和它预期所对应的交易日的市场表现， 2 隐含波动率大体总是超过已实现波动率的。   那么关心的是，隐含波动率对未来的预测和未来真实的情况有什么关系呢。 1 用隐含波动率数据来对未来进行解释： 结论是，隐含波动率可以用来解释未来已实现波动率，即隐含波动率高，未来已实现波动率也高。但是这有个根本问题，该序列非平稳:                不能拒绝有单位根的零假设。 当然，一阶差分就平稳了。 但是这时候已经没有解释力了，也就是说，已实现波动率的变化，和隐含波动率的变化没什么关系。

今天我发现了一个有意思的话题，指数成分股调整对指数表现的影响，是很多人没有注意到的。 可惜的是这个话题最多出一份研究报告，而不能出论文，所以也就贴在博客上了。 pre是指10年的成分股从10年到现在的表现。 now是指现在的成分股从10年到现在的表现 std是全收益指数的表现 结论1 现在的50成分股跑赢std和pre很正常，因为表现好才能进50。 但50指数的表现，不如不调整，这个结论比较有意思，这个是说，你剔除的成分股，剔除之后，表现比新进入的成分股在进入以后表现的更好。 这说明，在50成分股上，反转效应超过动量效应。     结论2 300的结论和50类似，反转效应超过动量，但是程度比50若很多。 这里虽然图片写的是50，实际上是300，我不高兴改了 结论3 500上，剔除之后和之前，相差很小，这个指数上，动量效应是超过反转效应的。     结论4 结合上面结论还能发现，进入300的股票是历史业绩最优秀的，因为now300是跑赢最多的。

这一年多，写小程序的语言，逐步从matalb转到了python。实际上，我觉得MATLAB对于我来说，要友好很多，帮助文件论述清晰，还有详尽的示例，而且相关工具函数齐备，临时做些计算非常方便。不过，知乎上提及金融分析，基本上都是python了，而且社区论坛python也要活跃很多。虽然这些论坛主要是搞程序的在做，但对新进入的人来说，肯定优选python作为入门工具了。Matlab在金融工程里面的份额肯定要减少很多了。 # -*- coding: utf-8 -*- """ __author__ = 'laofish' __title__=pyderivatives_fun.py __mtime__ = 2017-01-07 """ import numpy as np import time import pandas as pd from optbkfun import * from scipy.stats import norm # from statsmodels import * import scipy.optimize … Continue reading →