上证50ETF期权隐含波动率曲面预测研究——基于融入先验金融知识的集成GRU神经网络

基于Zheng等人[1]的研究框架,即将先验金融知识纳入神经网络的设计和训练,提出了一种预测隐含波动率曲面的集成GRU神经网络模型。该模型使用了一种包含波动率微笑的激活函数,并将无套利、左右边界和渐进斜率等金融条件纳入神经网络的训练过程中。利用上证50ETF期权2015年2月9日至2023年3月31日期间的交易数据进行了实证分析。实证结果显示:与SSVI模型和基准神经网络模型相比,集成GRU模型在训练集上的平均绝对百分比误差为8.56,在测试集上的平均绝对百分比误差为11.17,是所有模型中预测精度最高的,同时满足了嵌入的金融条件。

新冠肺炎疫情期间中国股票市场有效性检验——基于期权隐含波动率视角

新冠肺炎疫情期间,股票市场在多种因素的共同作用下出现了较大幅度的波动,这样的波动能否及时反映市场信息,取决于市场有效性的强弱。检验市场有效性可以通过观察投资者的投资收益实现,在有效市场下,投资者不能根据历史信息获得超额收益。因此,本文基于期权隐含波动率这一历史信息构建投资策略,通过衡量该策略在疫情期间投资收益的表现检验市场的有效性。研究发现,基于期权隐含波动率的投资策略在疫情严重期间能够获得超额收益,在此时期,中国股票市场并没有及时反映市场历史信息,即市场并非有效;当疫情得到控制,股票市场逐步恢复平稳运行时,策略收益低于市场收益,该策略失效。以上现象证明了我国股票市场有效性强度会受宏观事件影响而发生变化。

我国定期存贷款利率期权隐含波动率研究

拓展Jiang和Tian[1]模型获得了看涨看跌期权的无模型隐含波动率的理论表达式.并对理论表达式做了进一步处理,获得满足实际应用需要的计算表达式.根据无套利原理,由当前商业银行不同期限存贷款利率构造出不同执行价的看涨和看跌期权,再运用3次曲线拟合的方法,获得满足实际应用需要的一系列看涨和看跌期权;最后计算得到5年期定期存贷款利率的隐含波动率.研究结果表明我国当前银行存贷款利率存在上涨压力.

基于GARCH模型的波动率与隐含波动率的实证分析——以上证50ETF期权为例

波动率表征未来一定期限内标的资产收益率波动的标准差,是研究衍生品交易的重要指标,受到市场交易主体的高度关注。2015年上证50ETF股指期权公开挂牌交易,填补了我国金融市场上期权交易空白,同时研究其隐含波动率变动率具有重要理论价值和实践意义。以上证50ETF指数基金为标的,利用GARCH模型对其进行历史波动率研究,然后用Black-Scholes模型反推50ETF股指看涨期权的隐含波动率。研究表明,上证50ETF波动率"尖峰厚尾"、波动率聚集、长记忆性特性得到验证;同时实证结果表明隐含波动率数值相较于历史波动率研判结果相对准确。

Variance Gamma过程与股票期权定价中的波动率偏度的纠正

针对 Black- Scholes期权定价模型在股票期权定价中的波动率偏度的定价偏差 ,介绍一种新的改进模型来纠正波动率偏度 ,这种改进模型是通过将 Black- Scholes期权定价模型中的布朗运动过程替换为 variance gamma过程来实现的。在给出相应欧式看涨期权价格的解析解的基础上 ,对改进模型的定价性能进行实证检验。

期权“隐含波动率微笑”成因分析

Black-Scholes期权定价模型低估深实值和深虚值期权的现象称为“波动率微笑”。其主要原因是资产价格过程假设和市场机制因素给期权卖方的△套期保值带来了额外风险和成本。确定波动率和随机波动率研究都对BS模型做出了修正。

考虑投资者情绪的期权价格隐含信息对波动率预测效果研究

资产价格波动率的预测是金融风险管理以及资产定价的重要内容和关键环节.为有效预测资产收益波动率,本文构建一个考虑投资者情绪的长期波动率预测模型,并在此基础上基于2000-2015年香港股票市场数据对模型有效性进行检验.研究结果表明:第一,投资者情绪是影响波动率预测的关键因素,含有投资者情绪的模型表现更优;第二,在考虑投资者情绪后,基于期权隐含信息的波动率预测模型的优化效果要明显超过基于已实现波动率的模型;第三,风险中性偏度的参数估计结果仅在市场情绪高涨时显著且为正,隐含波动率的参数估计结果会随着投资者情绪的变化而变化.上述研究结论的启示是:第一,投资者在进行投资决策时要充分认识到资产价格被高估的可能性和资产价格波动的不确定性,避免盲从,合理做出投资决策,将投资风险控制在合理范围内.第二,证券监管机构要通过政策引导,对资本市场进行适度的逆向调节,尤其在经济上行期时应加强管制,防止资产价格出现大涨大跌,以稳定投资者预期,避免羊群效应发生.

期权隐含波动率估计

隐含波动率是一个重要的风险指标。本文用牛顿法对其估计并讨论波动率笑容的成因以及在此情况下的估计方法。

基于遗传算法的SABR模型对上证50ETF期权隐含波动率拟合优化的实证研究

作为风险管理和财富管理的重要衍生工具,上证50ETF期权合约自2015年上市以来,已经成为全球流动性最好的期权品种之一,学术界对于其定价理论及其波动率的研究也在日益深入。本文主要研究上证50ETF期权隐含波动率的拟合问题,从SABR随机波动率模型出发,在剔除Borrow Rate对于期权隐含波动率的影响后,对上证50ETF期权波动率进行实证分析。同时,为提升SABR模型在参数优化方面的效率与稳定性,本文引入了遗传算法对参数进行优化。实证结果表明,SABR模型可以对当前上证50ETF期权隐含波动率进行有效的拟合与估计,但对于深度实值期权与深度虚值期权而言,SABR模型的误差仍有待进一步优化。

期权隐含波动率的估计方法

波动率是影响期权价值的一个重要变量.在B-S期权定价模型中,其他因素都可以从市场上直接获得,但是波动率却不能直接得到.因此,在本文中,作者详细的归纳了几种估计波动率的方法.

基于MATLAB的欧式期权定价与隐含波动率应用

期权价格依赖于标的产品的价格、执行价格、无风险利率、从目前到期权到期的时间、基础资产的波动率等变量。欧式期权定价和银行波动率的应用是金融工程领域研究的重要内容。本文利用MATLAB工具箱实现对欧式期权定价的求解,并进一步探讨隐含波动率在投资实践中的应用。

美式期权定价优化模型及隐含波动率计算

在无套利假设下,自由边界的Black-Scholes方程可以等价地转化为一个含有微分算子的互补问题,利用传统差分方法离散微分算子并且将波动率视为变量,原问题变为非线性互补问题;进而转化为优化问题,并且加入新的历史价格约束,给出可求解美式期权价格并可计算隐含波动率的优化模型。数值实验表明其有效性。

人民币外汇期权隐含波动率和实际波动率的比较研究——兼论对交易和汇兑层面宏观审慎管理的启示

本文运用外汇期权和即期市场的大量基础数据,使用"无模型"方法计算了人民币汇率的期限为一个月的期权隐含波动率和实际波动率,Wilconxon符号秩次检验表明它们存在显著差异,体现了汇率波动率不确定性的风险,且811汇改后,这种差异在增大。本文实证分析发现:市场结售汇对隐含波动率有显著影响,811汇改前后,售汇行为波动增大和售汇行为加剧分别对汇率波动率的预期发挥加速器和稳定器作用;811汇改后,短期资本流入增大有利于平抑实际汇率波动,美元指数变动加大会促进下一期实际波动率收敛。为守住不发生系统性金融风险的底线,建议采用差异化安排交易和汇兑层面的主动性宏观审慎管理措施。

不同隐含波动率估计模型在人民币外汇期权市场中的实证比对分析

文章对外汇期权市场隐含波动率三种估计模型(三次样条插值方法、SABR模型和Vanna Volga模型)开展人民币外汇期权市场实证分析,结果表明,在流动性相对充分的市场条件下,三种模型均能有效估计波动率;但在流动性欠佳的情况下,三次样条插值方法和Vanna Volga模型存在一定的局限性,而SABR模型则显示了相对的稳定性。

人民币外汇期权隐含波动率的各期限因子:形成机制和定价能力

文章运用Nelson-Siegel模型,从大量基础数据中提取了人民币外汇期权隐含波动率的各期限因子,并分析了其背后的形成机制和对即期汇率的定价能力。实证发现隐含波动率的各期限因子对经济金融变量的反应不同,境内外证券价格成为影响人民币汇率预期的重要边际力量,各期限因子对即期汇率的定价能力也存在差异。文章进而给出该研究对银行间外汇市场实务的几点启示。

上证50ETF期权隐含波动率曲面建模和实证分析方法

本文介绍了一种供实操层面使用的非参数多项式插值的隐含波动率建模方法,针对国内上海证券交易所的50ETF期权合约样本进行数据处理,以适应国内期权市场特征,建立了每日动态调整的更符合交易员需求的隐含波动率曲面。基于对所建立波动率曲面的分析,发现其呈现的波动率微笑特征,近月合约和远月合约不同的波动率特点。

上证50ETF期权隐含波动率曲面的非参数拟合

在 Black-Scholes期权定价模型中,波动率是假设在期权存续期内保持不变的,而通过对我国上海证券交易所的50ETF期权合约交易数据分析发现,其隐含波动率有着明显的微笑表现。因此,本文根据BS隐含波动率函数对上证50ETF期权进行了非参数拟合,通过所建立的隐含波动率曲面发现了其具有的波动率微笑特征,这为未来期权价格的预测模型的建立奠定了基础。

铜期权隐含波动率曲面拟合方法比较

本文以上海期货交易所的铜期权为研究对象,对不同隐含波动率曲面模型的拟合精度和不同市场情况下的适用性进行了实证对比。从实证结果来看,SABR模型的拟合精度最高且对不同市场情况都有较好地刻画,而二次多项式模型和VGVV模型的拟合误差相对较大。SSVI模型的拟合精度略低于SABR模型,但在拟合速度和参数稳定性上更有优势且对于数据要求相对较低。在实际应用中,可根据实际市场情况和数据质量,结合SABR和SSVI两种模型得到适合的隐含波动率曲面。

股票指数波动率的估计方法及其应用

介绍了股票指数波动率的概念和基本的估计方法，并用有关数据进行了计算。利用其结果对股票市场的风险进行了度量，并对Black－Scholes期权定价公式进行了参数估计．对进行组合证券保险具有重要的意义。

用改进的Newton-Raphson方法计算隐含波动率

如何利用标的资产价格的价格确定波动率函数有着重要的意义.对于欧式期权,在Black-Scholes模型框架下,分析了经典Newton-Raphson迭代格式及修正格式和二分法,有效地解决了隐含波动率的数值计算问题.最后,通过数值算例对比分析了方法的有效性.