全部版块 我的主页
论坛 经济学人 二区 外文文献专区
630 6
2022-06-25
英文标题:
《Implied and Realized Volatility: A Study of Distributions and the
  Distribution of Difference》
---
作者:
M. Dashti Moghaddam, Jiong Liu and R. A. Serota
---
最新提交年份:
2019
---
英文摘要:
  We study distributions of realized variance (squared realized volatility) and squared implied volatility, as represented by VIX and VXO indices. We find that Generalized Beta distribution provide the best fits. These fits are much more accurate for realized variance than for squared VIX and VXO -- possibly another indicator that the latter have deficiencies in predicting the former. We also show that there are noticeable differences between the distributions of the 1970-2017 realized variance and its 1990-2017 portion, for which VIX and VXO became available. This may be indicative of a feedback effect that implied volatility has on realized volatility. We also discuss the distribution of the difference between squared implied volatility and realized variance and show that, at the basic level, it is consistent with Pearson\'s correlations obtained from linear regression.
---
中文摘要:
我们研究了以VIX和VXO指数表示的已实现方差(已实现波动率平方)和隐含波动率平方的分布。我们发现,广义Beta分布提供了最佳拟合。对于已实现方差,这些拟合要比平方VIX和VXO准确得多,这可能是后者在预测前者方面存在缺陷的另一个指标。我们还表明,1970-2017年实现方差的分布与其1990-2017年部分之间存在显著差异,其中VIX和VXO可用。这可能表明隐含波动率对已实现波动率具有反馈效应。我们还讨论了平方隐含波动率和已实现方差之间的差异分布,并表明在基本水平上,它与线性回归得到的Pearson相关性是一致的。
---
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:
-->
二维码

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

全部回复
2022-6-25 06:02:30
隐含和已实现波动率:对分布和差异分布的研究。Dashti Moghadama,Jiong Liua,R.A.Serotaa,1辛辛那提大学物理系,俄亥俄州辛辛那提市,邮编:45221-0011摘要我们研究了变现方差(已实现波动率平方)和隐含波动率平方的分布,如VIX和VXO指数所示。我们发现,广义贝塔分布提供了最佳的fits。这些fits比平方VIX和VXO更准确,这可能是后者在预测前者方面存在不足的另一个指标。我们还表明,1970-2017年实现方差的分布与其1990-2017年部分之间存在显著差异,其中VIX和VXO可用。这可能表明隐含波动率对已实现波动率的反馈效应。我们还讨论了平方隐含波动率和化方差之间差异的分布,并表明,在基本水平上,它与线性回归得到的皮尔逊相关性是一致的。关键词:隐含/实现容量、VIX/VXO、稳定分布、贝塔素数分布、逆Gamma分布1。导言自CBOE于1990年引入原始波动率指数(目前为VXO)并于2003年重新引入(目前为VIX)以来,研究人员对这些指标预测未来实现波动率(RV)的能力仍感兴趣[1、2、3、4]。在前两篇文章【5,6】中,我们直观地比较了已实现方差(RV)的概率密度函数——RV的平方——和隐含波动率的平方,如VIX和VXO所示。我们还研究了RVV与V ix和V XO之比的分布,这为定性比较和简单回归分析提供了额外的见解。
二维码

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

2022-6-25 06:02:33
在此,我们专门讨论这些发行的形式。我们还研究了V IX的分布-RVand V XO- RVI由于最近对查看V IX的时间序列感兴趣- RV–s e图1–与《华尔街日报》所示的图相当【7】。已实现变量(指数)定义如下:rv=100×nnXi=1ri(1),其中ri=lnSiSi-1(2)是每日回报,Si是第一天的参考(收盘)价格。这是一个年化值,其中252表示交易天数。专门针对月度回报n≈ 21, 365/2 52 ≈ 30/21 ≈ 1.4.由于每日评估VIX和VXO,以预测下个月的RV,并将其年化为365,serota@ucmail.uc.eduPreprint提交至arXiv 201914年6月7日15 16 17-1.5-1-0.50.51.5图1:V IX- RV,从2014年1月1日至2017年12月29日,为了正确比较RVto V IX和V XO的分布,应使用V IX和V XO的平均值与RV的平均值之比重新缩放RVO的分布【5】,这通常接近1.4。由于RVI基于已实现的日方差之和,因此理解其分布的明显问题是:日方差的分布是什么?它们之间的相关性是什么?日内收益率研究,根据日内跳跃进行解释,[8]点为厚尾∝ 1/xu+1分布,1<u<2。在这里,我们自己对每日实现方差rv的拟合似乎与收益的相似尾部分布相对应,即∝ 1/xu+1u接近[8]中的值。然而,这里使用的所有分布都是基于随机波动率的连续模型,对于今天的RV来说,没有一个是好的。这并不过分,因为所有的连续模型都最适合钟形分布。然而,从图2可以明显看出,每天需要几天的RVdo才能形成钟形。
二维码

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

2022-6-25 06:02:36
尽管如此,广义贝塔素数分布(见下文)提供了“最差中的最好”的日常回报,并基于非均值回复随机波动率模型[9]。如果已实现方差不相关,则根据广义中心极限定理,预计每月已实现方差将接近稳定分布。然而,图3显示了另一种情况,即相关性的初始快速幂律衰减之后是缓慢的指数衰减,时间常数约为120天。因此,我们简化了带有重尾分布的RVS分布函数的经验拟合,包括稳定分布。我们将特别关注月度回报率,但图2显示,RVFally在n处接近其极限形式≈ 5.- 7–图3中功率定律呈指数变化的天数大致相同。本文的组织结构如下。在第2节中,我们确定了用于拟合RV、V IX和V XO概率分布函数(PDF)的分布列表,并讨论了它们作为随机微分过程稳态分布的作用。我们使用最大似然估计(MLE),并使用Kolmogorov-Smirnov(KS)值获得拟合参数列表,以比较拟合优度。我们还研究了幂律尾指数的演变,包括尾指数的直接比较,以及KS值作为与图相关的n的函数。2和3。在第3节中,我们检验了V IX与标度RVV和V XO与标度RVvis-a-vis的差异分布,以及线性回归建立的指数之间的简单相关性。
二维码

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

2022-6-25 06:02:39
最后,在附录中,我们查看了RV、VIX和VXO的分布以及相应的差异分布,这是因为市场观察家andresear chers更熟悉这些指数。我们使用1970-2017年标准普尔500指数股票价格数据来计算已实现的波动率和方差。除非明确说明我们使用的是1990-2017年的数据子集,否则下面将使用全套数据。因此,在图1的一个更有意义的版本中,RV将用p365/252.0 1 2 3 4RV-4n=1n=2n=3n=40 1 2 3 4RV-4n=1n=7n=14n=21重新缩放图2:PNI=1 IFOR n=1,2,3,4(左)和n=1,7,14,21(右)的PDF。0 100 200 300 400 500 LAGS-0.050.050.10.150.20.25数据拟合曲线图3:每日实现变量(dots)的自相关函数和c×xb的最佳fit-1×exp(-一* x) ,a=0.0088,b=0.73,c=0.18。表1:拟合RV、V IX和V XO型PDF前组件尾指数(x;α、β、γ、δ)的概率密度函数的解析形式-(α+1)GB2(x;p,q,α,β)α(1+(xβ)α)-p-q(xβ)-1+pαβB(p,q)αp- 1.-(αq+1)BP(x;p,q,β)(1+xβ)-p-q(xβ)-1+pβB(p,q)p- 1.-(q+1)千兆(x;α,β,γ)γe-(βx)γ(βx)1+αγβΓ(α)-(αγ+1)IGa(x;α,β)e-βx(βx)1+αβΓ(α)-(α+1)GGa(x;α,β,γ)γe-(xβ)γ(xβ)-1+αγβΓ(α)αγ - 1Ga(x;α,β)e-xβ(xβ)-1+αβΓ(α)α - 1B(p,q)=Γ(p)Γ(q)Γ(p+q):β函数;Γ(α):γ函数。2、RV、V I x和V xO的概率分布函数正如引言中所述,我们没有对分布函数的分析预测,除非它们会表现出厚尾。对于经验拟合,我们使用表1中收集的分布:广义β素数(GB2)、β素数(BP)、广义逆伽马(GIGa)、逆伽马(IGa)、广义伽马(GGa)和伽马(Ga)。这里,p、q、α和γ是形状参数,β是尺度参数。
二维码

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

2022-6-25 06:02:42
我们还使用了稳定分布(S)[10],S(x;α,β,γ,δ),但在ge ne ral中,它并没有减少到闭合形式的表达式。对于S,α和β是形状参数,γ是尺度参数,δ是位置参数。表1中右边的两列分别显示了前端和尾部的幂律指数。GGa和Ga包含为短尾分布。还要注意的是,它们与GIGa和IGa有关,作为逆变量的分布。需要指出的是,所有这些分布都是用来描述随机波动率的随机过程的稳态分布。具体而言,Ga、IGa和BP分别是均值回复Heston【11、12】、乘法【13、14】和组合Heston乘法【15】模型的稳态分布。GIGa【16,17】、GGa和GB2【9】是非均值回复随机过程的稳态。即,考虑一个随机微分方程。dx=-η(x- θx1-α) dt+qκx+καx2-αdWt(3),其中dWt是维纳过程。其稳态分布为表1中的[9]GB2(x;p,q,α,β),β=(κακ)2/α(4)p=α(-1+α+2ηθκα)(5)和q=α(1+2ηκ)(6)对于κα=0,(3)的稳态分布为GIGa,对于κ=0,为GGa。对于α=1,我们有均值回复模型,通常为BP稳态分布,对于κ=0和κ=0,分别为IGa和Ga。2.1. 图4显示了具有表1中分布的月度数据的月度数据拟合。图4中的分布参数及其KS统计数据如表2-5所示。较小的KS值对应较好的置信度。对于RV,GB2、BP和Gigafits的置信度达到或接近95%【18】。显然,GGA和Ga比任何厚尾分布都差得多。
二维码

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

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群