文章目录1. 导言1.1 基本定义1.2 预测评估指标2. 移动、平滑、评估2.1 滑动窗口估计2.1.1 moving average2.1.2 weighted average2.2 指数平滑2.2.1 exponential smoothing2.2.2 double exponential smoothing2.2.3 Triple exponential smoothing2.3 时间
隐含波动率模型-增量搜寻算法-python实现隐含波动率模型-增量搜寻算法-python实现import numpy as npdef incremental_search(f,a,b,dx):fa=f(a)c=a+dxfc=f(c)n=1while np.sign(fa)==np.sign(fc):if a>=b:return a-dx,na=cfa=fcc=a+dxfc=f(c)n+=1
转载
2023-10-20 23:49:00
135阅读
# 在 Python 中计算波动率
波动率是金融领域中的一个重要指标，它衡量了资产价格波动的程度。在本文中，我们将通过 Python 实现波动率的计算，帮助初学者理解这一过程。
## 流程概述
我们可以将整个波动率计算的流程分为以下几个步骤：
| 步骤 | 描述 |
|------|----------------------------
# Python计算波动率的实现流程
本文将介绍如何使用Python计算波动率，帮助刚入行的小白快速掌握这一技能。首先，让我们通过以下表格展示整个实现流程的步骤。
| 步骤 | 说明 |
| --- | --- |
| 1 | 收集股票或资产的历史价格数据 |
| 2 | 计算价格的对数收益率 |
| 3 | 计算对数收益率的标准差 |
| 4 | 标准差除以均值乘以年化因子，得到波动率 |
原创
2023-08-26 08:27:08
2305阅读
为了降低风险，投资者在购买股票时往往会构建一个投资组合，以对冲风险和最大获益。在投资组合中，描述该投资组合效果的两个重要变量是预期收益率及其波动率。1.投资组合的预期收益率 预期收益率的计算公式为： E（R）=E（ )= ][ 其中，表示投资组合中第i支股票的权重，通常为股票市值占投资总值的比例，满足。而E（）表示第i支股票的预期收益率，通常用该股票过去的收益率均值表示。 假设我们任选5支股票（就
转载
2023-10-18 22:35:19
415阅读
隐含波动率的计算 通过BS公式无法反解出隐含波动率，常用的求解方法有牛顿迭代法和二分法。牛顿迭代法 主要思路是，先设定一个初始波动率值，比如20%；然后建立一种迭代关系：如果由初始波动率值得到的期权价格高于市场价格，那么初始波动率减少一定的量（因为期权价格与波动率成正比），反之增加，如此迭代；直到计算出的期权价格越来越逼近市场真实价格，可设置一个阈值，比如二者之差的绝对值小于一个基点就认为它们
转载
2023-11-30 11:31:24
416阅读
# Python计算漂移率和波动率的入门指南
在金融领域中，漂移率（Drift Rate）和波动率（Volatility）是两个重要的指标，用于衡量资产的价格变化和风险。本文将带你逐步了解如何在Python中计算这两个指标。以下是整个流程的概述。
## 流程概览
| 步骤 | 描述 | 代码实现 |
| ---- | --
文章目录概述一、数据整理1.时间格式转换2.训练集和测试集3.原始股票对数收益率数据展示二.朴素法1.计算即可视化2.RMSE检测3.ADF平稳性检测三. 简单平均法1.概述四.简单移动平均法1.概述2. 5日，10日，15日简单移动平均法3.RMSE检验4.ADF平稳性检验五.指数平滑法1.概述2.一次指数平滑法2.二次指数平滑法3.三次指数平滑法总结 概述根据前一篇文章算计算出来的股票对数收
转载
2023-09-23 15:03:07
0阅读
时间序列的波动分解与预测波动波动（volatility）是自然界和金融市场中最为常见的现象。对于投资者而言，波动是赚取交易利润的重要来源之一。根据有效市场理论，市场价格会及时反映当前最新的相关信息。正因为市场信息源源不绝，因此每一个交易品种的价格都在不断地变化当中。但是对于交易者而言，他们只能看到在不同因素影响下最终的波动表现。为了要更加精准地对价格波动进行分析和预测，交易者需要首先对变化进行解构
转载
2023-11-30 20:52:17
64阅读
时间序列笔记（一）时序数据特性时序数据着眼于研究对象在时间顺序上的变化，寻找对象历史发展的规律。一般来说，时序数据的观察值由以下主要要素构成。趋势性：时间序列在长时间内所呈现的行为，指受某种根本性因素影响而产生的变动或缓慢的运动。 循环性：指时间序列的变动有规律地徘徊于趋势线上下并反复出现。 季节性：一年内随季节变换而发生的有规律的周期性变化，如流感季，但更小单位的周期变动也被看成季节成分，如日交
转载
2023-10-06 08:15:28
397阅读
时间序列分析是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计变化规律，以用于解决实际问题。通常影响时间序列变化的4个要素如下：长期趋势(T)：是时间序列在长时期内呈现出来的持续向上或持续向下的变动。季节变动(S)：是时间序列在一年内重复出现的周期性波动。循环波动©：是时间序列呈现出得非固定长度的周期性变动。随机因素(I)：是时间序列中除去长期趋势、
转载
2023-12-16 20:08:47
464阅读
隐含波动率是期权市场投资者对未来标的资产实际波动率的预期，这种预期已经反映在期权的定价过程中。理论上，获取隐含波动率并不复杂，因为期权定价模型提供了期权价格与五个基本参数（标的资产价格St、行权价X、无风险利率r、剩余到期时间T-t和波动率σ）之间的定量关系。只需将其中前四个基本参数和期权的实际市场价格作为已知量代入期权定价模型，就能解出唯一的未知量σ，即隐含波动率的大小。因此，隐含波动率可以被理
转载
2024-08-19 20:28:15
77阅读
这学期会时不时更新一下伊曼纽尔·德曼（Emanuel Derman） 教授与迈克尔B.米勒（Michael B. Miller）的《The Volatility Smile》这本书，本意是协助导师课程需要，发在这里有意的朋友们可以学习一下，思路不一定够清晰且由于分工原因我是从书本第13章写起，还请大家见谅。第17章 关于局部波动率的一些总结局部波动率的优点和缺点优点在布莱克-斯科尔斯-默顿（BSM
学习平台期权技巧讲解：1、波动率的分类1.HV：历史波动率(根据历史数据统计出来)。通过标的资产的价格算出回报率，只能反映过去的情况2.IV：隐含波动率(根据权利金推算出来)。任何一个期权都能够推算出这个期权价格所隐含的波动率，代表从现在开始到期权到期这段时间的波动率。3.RV：实际波动率。期权有效期内投资回报率波动程度的度量，由于投资回报率是一个随机过程，实际波动率永远是一个未知数。二、波动率的
转载
2023-12-08 10:18:38
150阅读
# 组合波动率计算与应用
在金融市场中，波动率是衡量资产价格变化幅度的重要指标，它影响着投资策略和风险管理。在现代投资组合理论中，组合波动率的计算帮助投资者理解其资产组合的风险特征。本文将介绍组合波动率的基本概念，并提供相应的Python实现代码示例，帮助大家更好地理解和应用这一重要概念。
## 什么是组合波动率？
组合波动率是指一组资产共同组成的投资组合的波动程度。与单个资产的波动率不同，
# Python GARCH模型计算波动率的入门指南
在金融分析中，波动率是一个非常重要的指标，GARCH（广义自回归条件异方差）模型是一种常用的计算波动率的方法。对于刚入行的小白来说，理解并实现GARCH模型的计算过程可能会有些困难。本文将为您提供详细步骤和代码示例，帮助您顺利完成这一任务。
## 整体流程
下面是实现Python GARCH模型计算波动率的基本流程：
| 步骤 | 说明
# 计算每日波动率的Python实践
在金融市场中，波动率是衡量资产价格变化幅度的重要指标。波动率越高，表示价格的变动越剧烈，投资风险也相对较大。在本文中，我们将学习如何使用Python计算每日波动率，并提供代码示例来帮助理解。
## 什么是每日波动率？
每日波动率通常是指资产在每日交易中价格的标准差，反映了价格变动的幅度。波动率的计算不仅可以帮助投资者评估风险，还可以用于构建投资组合和制定
# Python 中的历史波动率计算
在金融市场中，波动率是衡量资产价格波动程度的重要指标。历史波动率（Historical Volatility）是指在特定时间内，资产价格相对于其平均值的波动程度。在这篇文章中，我们将介绍历史波动率的概念、计算方法以及如何使用 Python 实现这一计算。
## 一、波动率的概念
波动率可以简单理解为价格变动的剧烈程度。较高的波动率表示价格波动大，风险更高
波动率模型：期货波动率VS现货波动率1. 主要思想2. 模型推导3. 参数估计4. 模拟实验 Fackler, P. L., & Tian, Y. (1999). Volatility models for commodity markets.1. 主要思想期货价格的波动率和期权的隐含波动率依赖于基本面因素，尤其是现货的价格。（期权的隐含波动率暂时不关心） 其中，是期货价格的波动率，是现
转载
2024-05-20 15:33:46
66阅读
什么是时间序列简而言之：对某一个或者一组变量x(t)进行观察测量，将在一系列时刻t1,t2,⋯,tn所得到的离散数字组成的序列集合，称之为时间序列。例如: 某股票A从2015年6月1日到2016年6月1日之间各个交易日的收盘价，可以构成一个时间序列；某地每天的最高气温可以构成一个时间序列。一些特征:趋势：是时间序列在长时期内呈现出来的持续向上或持续向下的变动。季节变动：是时间序列在一年内重复出现的
转载
2024-01-31 00:14:39
125阅读
