其他分享
首页 > 其他分享> > 高频波动率交易

高频波动率交易

作者:互联网

https://zhuanlan.zhihu.com/p/408273484

目录


什么是vega?

BS公式:

[公式] 的证明和推导

Vega求导

https://core.ac.uk/download/pdf/234629502.pdf
  position cash position pnl
delta delta delta * spot delta * spot_change
gamma gamma * spot^2 gamma * spot^2 / 100 0.5 * gamma * (spot_change)^2
vega F*e^(-rT) * sqrt(T) * pdf(d1) vega_position * IV% vega_position * IV_change%

什么是波动率(RV,IV,HV)


不同瞬时波动率RV的估计值

  波动率估计的期望值是Return标准差的多少倍
sqrt(sum(return_list**2)) 均值为零的RV定义
|R| estimator 0.798*sigma 线性,低估
R^2 estimator 非线性,低估或高估
log(R) estimator need pro WolframAlpha
First Exit estimator 1.25*sigma 线性,高估,随着样本数变化
Parkinson estimator 0.9*sigma 线性,低估,随着样本数变化 f(n)
GK1980-OHLC estimator 0.9*sigma 线性,低估,随着样本数变化 f(n)
Bollerslev(1998)  
Nadaraya-Watson  
Tick volume  
Yang-Zhang  
Rogers-Satchell  

|R|和|R^2|的波动率估计值在(0.5,0.4相交叉),因此交易员可以根据对实际波动率的解读来改变波动率预测的激进度。0.5倍的真实波动率之下,|R|估计的更高,0.5倍真实波动率之上则R^2的估计更高。


因子预测

(以下结果均出自于超过10w条高频数据样本集)

1. 波动率条件触发型因子

df['sig'] = np.where((df['rolling_vol'] < 10) & (50 < df['rsi']) & (tmp_df['rsi'] < 80), 1, 0)
df['sig'] = np.where((df['rolling_vol'] > 20) & (20 < df['rsi']) & (df['rsi'] < 50), -1, 0)

2. RV,IV,HV,HV_1w,HV_1m等波动率的直接差值预测

用1-4个历史数据点
用5-95个历史数据点
跟5s的return做lasso系数拟合
用1,5,10s加权的IC是0.08

3. 最大似然参数时间序列预测因子

4. 离散模型里的LL和RNW波动率估计

5. variance swap方差互换波动预期指数


5. 根据不同到期日 [公式] 的曲线套利

6. 波动率斜率与行权价套利回归因子(volatility skewness)

7. cubicspline回归到taylor expansion

标签:RV,HV,波动,IV,vega,高频,期权,交易
来源: https://www.cnblogs.com/dhcn/p/15430391.html