波动率的估计和监控--时间序列相关

1.为什么需要估计波动率

• 在对资产回报进行估计的时候，我们一般认为，资产波动率$\sigma$是常数，是恒定不变的。
• 但这是错误的。在实际生活中 ，$\sigma$是会随着不同的条件改变。
• 后果：也就是说，回报率相对于正态分布，往往具有肥尾的效应，即极端值出现的情况更多。采用恒定方差的方法，会低估极端事件的发生概率，让我们遭受财产损失。
• 针对此问题的解决：由此，我们需要更准确得来估计$\sigma$，从而得到更精准的回报。

2.估计波动率的方法

• Backward looking: 基于历史数据估计的波动率,eg. EWMA, GARCH
• Forward looking: 前瞻的方法，如implied volatility

2.1 Equally weighted standard deviation

2.1.1 解决方法：

想要估计第n天的$\sigma$，可以在等权重的情况下，用过去m天的return的$\sigma$作为其估计值。

• 已知资产价格p_t 第 i 天的资产收益率为：
  $$r_i=\frac{(p_i-p_{i-1})}{p_{i-1}}$$
• 过去m天的回报均值：
  $$\bar{r}=\frac{1}{m}\sum _{i=1}^m{r}_{n-i}$$
  -第n天的方差估计值为
  $${\sigma }_n^2=\frac{1}{m-1}\sum _{i=1}^m(r_{n-i}-\bar{r}{)}^2\text{\hspace{1em}(1)}$$
• 简化公式：
  样本容量比较大时，可用 m 代替 m-1
  n指估计的是第n天
  日回报属于短期回报，均值近似为0，即