期权交易量能预测波动率吗——来自上证50ETF期权的证据

本文基于上证50ETF期权日交易量,按在值程度构建虚值,平值和实值期权的交易量占比,测试各类期权交易对上证50ETF已实现波动率的预测能力.结果发现虚值期权能显著提升HAR, HAR-CJ模型的波动率预测效果.进一步研究发现,虚值期权中的信息含量主要来自于深度虚值期权,非深度虚值期权对波动率预测效果较弱.相比隐含波动率,深度虚值期权对波动率的样本内拟合和样本外预测效果都更佳.深度虚值期权中,看涨期权的信息含量大于看跌期权,且看涨期权交易量与未来波动率负相关,看跌期权交易量与未来波动率正相关.这些结果表明,信息交易者倾向于使用深度虚值期权交易,而深度虚值看跌和看涨期权与未来波动率的不同关联性恰好与杠杆效应一致.本文的发现可用于改进现有的波动率预测模型,还将有助于完善监管者的风控指标体系.     

利用互联网搜索关注度预测期权隐含波动率变动:基于人工神经网络的分析

本文运用人工神经网络方法,研究互联网搜索对期权隐含波动率的影响.基于标普500指数看涨期权,本文首先建立了一个揭示期权隐含波动率变化与指数收益率、期权Delta和期权剩余有效期之间关系的人工神经网络模型,结果显示此模型的估计精度比Hull和White (2017)提出的解析模型提升了约15%,比Cao、Chen和Hull (2020)提出的神经网络模型提升了约40%.接着,本文引入25个互联网搜索关注度指标,将它们集成一个谷歌趋势指数并作为度量互联网搜索关注度的综合指标.最后,将该谷歌趋势指数的变化率加入到前述人工神经网络模型,从互联网搜索关注度的角度探究期权隐含波动率的动态特征,新的模型进一步提升了约30%的估计精度.     

基于混合转移分布模型的Black-Scholes期权定价偏差纠正

波动率微笑是B lack-Scho les(BS)期权定价模型的定价偏差之一。混合转移分布(MTD)模型的最大优点在于其不仅能拟合时间序列中的平稳态,还能较好地拟合时间序列中的延伸态、突发态和异常值。在MTD模型的基础上建立了欧式看涨期权定价模型,利用香港恒生指数期权数据进行了实证检验,估计出了基于MTD期权定价模型的隐含波动率,并将之与BS期权定价模型的隐含波动率进行了比较。发现在不同的期限结构下,基于MTD期权定价模型的隐含波动率比BS期权定价模型的隐含波动率平抑了许多。这说明MTD期权定价模型对BS期权定价模型的波动率微笑定价偏差有较好的纠正。     

基于参数学习的GARCH动态无穷活动率Levy过程的欧式期权定价

在股票价格中引入漂移率、波动率和随机跳跃三种状态,建立动态状态空间模型,并通过局部风险中性定价关系(RNVR)推导无套利定价模型.以非高斯条件ARMA-NGARCH为基准模型,构建SP500指数的离散动态Levy过程,并基于序贯贝叶斯的参数学习方法,进行模型估计和期权定价研究.结果表明:动态Levy过程能够联合刻画时变漂移率、条件波动率和无穷活动率等特征,且贝叶斯方法的引入提高了期权隐含波动率的定价精度.同时,无穷活动率模型在期权定价方面具有显著优势.在五类滤波中,无损粒子滤波估计精度最高,速降调和稳态过程(RDTS)的期权定价误差最小,而非高斯模型在收益率预测方面没有表现出显著的差异.     

无模型隐含波动率及其所包含的信息: 基于恒生指数期权的经验分析

对香港恒生指数期权所含信息进行研究,并通过使用无模型隐含波动率对期权市场的效率进行直接检验, 结果发现:无模型隐含波动率所含信息最多, 它完全包含了所有历史波动率 所含信息,香港恒指期权市场是有效的; 在对未来一个月的预测中,无模型隐含波动率还完全包含了~BS~隐含波动率的信息, 在对未来两个月的预测中, 无模型隐含波动率虽不能完全包含~BS~隐含波动率,但仍然包含了最多的信息; 期权市场交易量的大小, 同时交易的不同行权价的期权的多少, 是影响无模型隐含波动率预测能力的重要因素;为追求积分密度进行过多人为的插值以及过大区间的积分,会导致无模型隐含波动率预测能力的降低,由此得到了无模型隐含波动率的相对合适的计算方式.美国已于~2003~年开始采用 无模型隐含波动率编制波动率指数.随着金融衍生品市场的不断发展,无模型隐含波动率在资产定价、风险管理方面将发挥越来越重要的作用.     

基于随机波动率模型的路径依赖期权定价

在随机波动率框架下,对两种典型路径依赖期权进行定价.在期权标的资产价格的波动率是一个快速均值回归随机过程的假设下,研究了几何亚式看涨期权和浮动行权价回望看跌期权这两类路径依赖期权的定价问题.通过奇异摄动分析方法,对均值回归随机波动模型的偏微分方程进行分析得到关于期权近似价格的两个近似表示项,并推导出上述两种路径依赖期权的近似解析解.     

应用混合小波神经网络和遗传算法在香港衍生品市场上的研究

提出了新的基于Black-Scholes模型的混合小波神经网络.隐含波动率是指在市场中观察的期权价格所蕴涵的波动率.基于不同种类的期权价格对波动率的敏感度不同,建立了混合小波神经网络和遗传算法相结合的模型,将期权按钱性进行分类,提出了加权的隐含波动率作为神经网络的输入变量,通过遗传算法来求取不同种类期权的隐含波动率的最优权重.在香港衍生品市场的实证中表明,所提出的模型优于传统的Black-Scholes模型.     

基于参数学习的GARCH动态无穷活动率Lévy过程的欧式期权定价

在股票价格中引入漂移率、波动率和随机跳跃三种状态， 建立动态状态空间模型， 并通过局部风险中性定价关系（RNVR）推导无套利定价模型. 以非高斯条件ARMA-NGARCH为基准模型， 构建S&P500指数的离散动态Lévy过程， 并基于序贯贝叶斯的参数学习方法， 进行模型估计和期权定价研究. 结果表明： 动态Lévy过程能够联合刻画时变漂移率、条件波动率和无穷活动率等特征， 且贝叶斯方法的引入提高了期权隐含波动率的定价精度. 同时， 无穷活动率模型在期权定价方面具有显著优势. 在五类滤波中， 无损粒子滤波估计精度最高， 速降调和稳态过程（RDTS）的期权定价误差最小， 而非高斯模型在收益率预测方面没有表现出显著的差异.     

用混合小波网络和遗传算法对期权定价的研究

由于波动率微笑的存在,不同种类的期权的隐含波动率不同,如何衡量不同种类期权的隐含波动率的最优权重一直是期权定价领域中的重要问题.提出了新的基于Black-Scholes模型的混合小波神经网络,建立了混合小波神经网络和遗传算法相结合的模型,将期权按钱性进行分类,提出了加权的隐含波动率作为神经网络的输入变量,通过遗传算法来求取不同种类期权的隐含波动率的最优权重.在香港衍生品市场的实证中表明,所提出的模型要优于传统的Black-Scholes模型和其它的神经网络模型.     

基于局部波动率模型的上证50ETF期权定价研究

局部波动率模型被广泛运用于风险管理、期权定价等领域,该模型不仅可以描述波动率微笑、期限结构等实际现象,同时能保证市场的完备性.研究局部波动率模型的核心目标是对隐含波动率进行建模.本文分别通过参数法和非参数法对隐含波动率建模,不仅保证了波动率曲面的无套利性,同时给出了非参数法求解局部波动率的显式表达式,从而消除了近似误差,得到较为光滑的波动率曲面.此外,本文基于局部波动率模型对我国上证50ETF指数期权的定价进行了实证研究,分别从样本内定价误差、样本外定价误差、套期保值效果三个方面分析比较了该模型的定价效果.实证结果显示:对样本内数据,非参数法拟合的定价结果优于参数方法;对样本外数据以及套期保值效果来说,参数法取得的效果较好.特别地,隐含波动率建模方法无论是对期权定价还是套期保值,效果均优于直接根据市场数据建模的结果,样本内定价误差可减少一半以上,均方误差可降低1～2个数量级.     

基于门限预平均已调整多次幂变差的可积波动估计及其应用

本文在市场微观结构噪声和跳跃下新提出一类可积波动估计.这些估计联合采用了预平均已调整多次幂变差估计和门限技术,分别消除噪声和跳跃的影响.我们同时给出这一估计的渐近性质,包括一致性和中心极限定理.蒙特卡罗模拟结果表明这一估计对噪声和Lévy跳跃稳健,并且相比预平均已调整多次幂变差(PMMV)估计(Vetter, 2008)具有更好的表现.在实证应用中,基于中国股市逐笔交易的高频数据估计出2015年股灾前后上证50成分股的连续波动,跳跃波动以及噪声波动,并且研究了它们之间相互关系.实证发现:1)噪声波动对潜在收益波动具有正向预测作用,但该预测作用主要针对连续波动,对跳跃波动预测作用并不显著;2)噪声波动具有很强的相依性,连续波动对其具有显著正向预测作用,而跳跃波动对其不存在显著的预测能力.本文研究结果表明噪声包含了有助于潜在价格波动预测的信息,不完全是"噪声",其包含的信息有待深入挖掘.     

中国股市波动率的广义周内特征及其预测模型

本文将Realized GARCH模型推广至基于周历日的时变参数情形以刻画杠杆和溢出效应的周内特征并避免传统GARCH类模型在拟合长记忆性与周内效应时两者相互干扰问题.将新模型应用于上海股票市场2001至2013数据的分析发现:我国股市波动率存在时变的杠杆效应和溢出效应.实证结果表明:新模型无论在样本外的预测能力还是在样本内的拟合度上都明显优于现有模型.     

中国股市已实现波动率的跳跃行为研究

以二次幂变差的测量为理论基础,研究了上证综指已实现波动率中的跳跃行为.将已实现波动率分解为连续样本路径方差争离散跳跃方差,研究了跳跃方差序列的统计特征,并且应用HAR-RV-CJ模型对上证综指的已实现波动率进行预测.研究结果发现,几乎所有日、周和月已实现波动率的可预测性都来自连续样本路径方差,表明二次变差中的连续样本路径成分是中国股市已实现波动率预报的决定因素.     

预测沪深股市市场波动性

研究目的在于:首先,检验和对比三种GARCH模型对于我国上海、深圳股市波动性的预测能力.其次,使用非对称的预测指标以体现对于预测误差高低的不同个体需求.在对于4个对称型的预测常规指标中,TGARCH对于2个市场波动的预测结果都是最佳的,而EGARCH的预测结果也要好于GARCH(1,1).这表明我国上海与深圳市场受坏消息的负面影响大于同等程度好消息的正面影响,而运用单边非对称的GARCH模型将更利于提高波动性预测的准确性.在非对称预测指标方面,研究认为EGARCH模型对于那些更愿意低估市场波动性的投资者而言较为有利,而GARCH(1,1)模型则相应满足了希望高估市场波动性的投资者的需求.这也表明投资者应根据自己的需要来选择相应的波动性预测模型.     

基于ARMA-GARCH调和稳态Levy过程的期权定价

通过收益率时间序列分析, 估计了非高斯ARMA-GARCH模型用以描绘资产价格的随机过程. 进一步假设模型的噪音分别服从标准正态分布及两类纯跳跃Levy分布 (经典调和稳态(CTS)和速降调和稳态(RDTS)), 并建立风险中性Levy-ARMA-GARCH模型进行恒生指数期权定价的实证研究. 研究结果表明: 中国股市主要股指的历史滤波噪音序列皆呈现尖峰有偏和肥尾的非高斯特征, 调和稳态相比其它Levy过程有更好的尖峰肥尾的刻画能力; 恒指价格的跳跃测度存在速降趋势, 形成收益率的尖峰厚尾; 布朗运动低估了金融市场震荡程度, 高斯分布高估短、中、长期隐含波动率; 调和稳态Levy过程的拟合与定价能力较好, 速降调和稳态过程综合的定价能力更稳健.     

基于双因子柳树的中国可转换债券定价研究

近年来,可转债已经成为我国上市公司再融资的重要方式,因此如何对其进行定价受到广泛关注.本文综合考虑了随机利率、股价、违约风险、赎回回售条款的触发条件,提出采用股价利率双因子柳树模型对我国市场上的可转债进行定价.较之现有的模型,柳树法模型的定价结果与可转债的市场价格匹配度更高.在估计标的股票的波动率参数时,本文既考虑了历史波动率也考虑了隐含波动率(通过可转债市场价格校准模型得到的波动率).实证结果表明采用隐含波动率时模型的精度有很大的提高.