第12节 EWMA估计日波动率

第12节 EWMA估计日波动率

• 12.1 简介
• 12.2 EWMA估计波动率算法
• 12.3 算法Python代码实现
• 12.4 计算示例
• 12.5 参考资料

12.1 简介

EWMA模型

        考虑一市场变量，如股票，我们有其从第0天至第$N$天每天末的数据$S_0,S_1,...,S_N$。定义${\sigma }_n$ 为于第$n-1$天末所估计的市场变量在第$n$天的波动率，${\sigma }_n^2$为方差率。定义连续复利收益率$u_n=\ln \frac{S_n}{S_{n-1}}\approx \frac{S_n-S_{n-1}}{S_n}$。
        则在指数加权移动平均模型 Exponentially Weighted Moving Average (EWMA) 模型下，${\sigma }_n^2$的变化过程为：
$${\sigma }_n^2=\lambda {\sigma }_{n-1}^2+(1-\lambda )u_{n-1}^2,0<\lambda <1.$$
${\sigma }_n^2$也可以直接由$u_i^2$表示为：
$${\sigma }_n^2=(1-\lambda )\sum _{i=1}^m{\lambda }^{i-1}{u}_{n-i}^2+{\lambda }^m{\sigma }_{n-m}^2,1<m<n.$$
相对于${\sigma }_n^2$的简单估计${\sigma }_n^2=\frac{1}{m}$