![a90197e11b965675073a4291163bc92b.png](https://img-blog.csdnimg.cn/img_convert/a90197e11b965675073a4291163bc92b.png)
本文是技术因子专题的第 007 篇,也是因子动物园的第 046 篇独立原创研究。
【未经授权,禁止转载!】欢迎私信公众号后台或动物园园长获取转载授权。
【30 秒速览】方差不对称性是不对称性的一个火热主题。本文对基于日内已实现方差、期权隐含方差的不对称性研究文献进行了梳理,并检验了 A 股日度方差不对称性因子的表现。同样的方差不对称性,基于不同的方差而构建,会有大不相同的表现,但逻辑内核是一致的。
目录
01. 简介
02. 高频方差不对称性
03. IV 不对称性
04. A 股实证
05. 结语
1. 简介
波动率大概是我们最熟悉的风险指标。但另一方面,投资者对损失的关注,引发了对 downside risk 的研究,其中,下半方差(downside semi-variance)便是一个经典拓展,也被广泛应用在资产组合的构建中。
除此之外,数据和算力的发展,以及金融市场的发展,又为我们提供了至少两种更新的波动率计算方法。首先,利用日内高频数据,可以计算已实现波动率,并由此引出 GARCH 等经典波动率建模方法。另一方面,期权市场的发展,使得我们可以计算隐含波动率,来观察投资者对股票的预期。
在此基础上,便可以构建不同的半方差指标,以进一步衡量股票的方差不对称性,并考察这一特征,是否对预测股票的未来收益有显著的作用。
2. 高频方差不对称性
近年来,股票交易所已可提供股票的日内高频数据,这使得基于这类数据的波动率模型得以迅速发展。其中,最简单易行的估计方法是已实现方差(realized variance, RV):
其中,n 为一个交易日内的样本数(以 A 股为例,假设按照 1 分钟取样,则有 240 个样本(4 小时))。由于很短时间内,股票的预期收益非常接近 0 ,因此,直接将不同区间的收益率平方相加得到 RV 。
在此基础上,同样可区分收益率方向,来计算上半 RV 和下半 RV :
在此基础上,便可以定义(已实现)方差不对称性:
即不对称性等于上半方差减下半方差,再除以方差进行标准化。
(技术性补充,可忽略:这一方差不对称性指标记作 RSJ (relative signed jump),因为资产价格包含正常波动和跳跃, RV 的极限等于正常方差与跳跃变化之和。)
基于日内数据,也可定义已实现波动率、偏度和峰度,分别记作 RSV ,RSK 和 RKT 。
表 1 显示,RSJ 同 RSK(已实现偏度)高度相关。此外,RSJ