memcpy后数据不对_【046】好波动与坏波动：方差的不对称性

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