SMART-LAB
Новый дизайн
Мы делаем деньги на бирже
Информация
Блог им. AlexeyPetrushin
Волатильность это 2 числа
- 17 декабря 2025, 08:40
- |
Волатильность это скрытый лог нормальный процесс (без перекоса и без тяжелых хвостов). И поэтому все упрощется и в каждый момент его можно описать всего 2мя числами — локация и дисперсия. Соотв прогноз волатильности это 2 числа, не одно.
Если мерять через IV поверхность, то локация это волатильность ATM а дисперсия — как сильно отличается волатильность на FAR OTM, т.е. как высоко идут крылья.
Если мерять через интрадей, то локация это Е[log r^2] а дисперсия std[log r^2] от минутных лог прибылей.
Практический смысл? Возможно стоит на графиках вывести 2 линии вместо одной (или одну переменной толщины), может они смогут лучше обьяснить режимы рынка и т.п. чем одна линия...
П.С. И это то чего не может GARCH, он отслеживает только loc, упуская 2е (ну и динамику).
Если мерять через IV поверхность, то локация это волатильность ATM а дисперсия — как сильно отличается волатильность на FAR OTM, т.е. как высоко идут крылья.
Если мерять через интрадей, то локация это Е[log r^2] а дисперсия std[log r^2] от минутных лог прибылей.
Практический смысл? Возможно стоит на графиках вывести 2 линии вместо одной (или одну переменной толщины), может они смогут лучше обьяснить режимы рынка и т.п. чем одна линия...
П.С. И это то чего не может GARCH, он отслеживает только loc, упуская 2е (ну и динамику).
273 |
Читайте на SMART-LAB:
ДОМ.PФ секьюритизирует ипотечные кредиты ВТБ на 1 трлн рублей
ДОМ.РФ и ВТБ договорились секьюритизировать 1 трлн рублей ипотечных кредитов ВТБ на платформе ДОМ.РФ до конца 2030 года. Таким образом, банк...
17:55
теги блога Alex Craft
- amd
- GARCH
- Implied Volatility
- java
- Javascript
- Matlab
- microsoft
- options
- portfolio
- python
- swift
- VAR
- volatility
- акции
- алгоритм
- алготрейдинг
- анализ
- аналитика
- банки
- Беларусь
- бизнес
- Блэк-Шоулз
- Брокер
- брокеры
- визуализация
- волатильность
- госдолг США
- данные
- деньги
- доллар
- доллар рубль
- золото
- игра
- ИИ
- иммиграция
- инвестирование
- инвестиции
- инфляция
- инфляция в России
- инфляция в США
- искусственный интеллект
- исторические данные
- Келли
- макро
- Мандельброт
- математика
- мобильный пост
- модели
- модель
- монте-карло
- мудрость
- Нассим Талеб
- недвижимость
- Нелинейность рынка
- Нефть
- Новости
- опцион
- опционы
- отчёт
- оффтоп
- парето
- плечи
- портфель
- портфолио
- премиальные опционы
- прибыль
- прогноз
- программироание
- пут опцион
- пут опционы
- работа
- распределение
- Ребалансировка
- ресурсы
- риск
- рост
- рубль
- рынки
- рынок
- серебро
- спекуляции
- статистика
- стратегии
- стратегия
- США
- талеб
- теория вероятностей
- теханализ
- технический анализ
- торговые роботы
- трейдинг
- убытки
- уран
- форекс
- фракталы
- фундаментал
- хэдж
- экономика
- экономика США
- энергия
в нашенском деле — интереснее распад волатильности…
я уж совсем свалю в оффтоп, но реально «устойчивое дно дискуссии» — это функция полезности, в ней естественным образом вылазят и волатильность и все остальные моменты (не только 3й и 4й, а вообще все) и вопрос где рубить разложение полезности по моментам — это вопрос о таймфрейме, потому что на разных таймфреймах вклад разных моментов убывает по разному
Если использовать трансформу r^2 без лога, мы не получим ни нормальности ни симметричности, будет что то перекошенное с тяжелыми хвостами, ну и тоже нестационарностью ошибки.
На дневных ценах (250 акций, 50 лет кждая) в тестах что я делал гарч с r^2 likelihood получается самый худший, |r| лучше, log r2 еще чуть лучше.
Про разные таймфреймы возможно вы правы. Я не проверял минуток/пятиминуток, не могу ничего сказать. Вроде как говорят что на интрадее распределение ближе к нормальному чем на дневных ценах, и может там r^2 может получиться лучше.
думаю нет… я про вот это
как вообще пришли к GARCH?
— сначала прогнозировали r как регрессию от предыдущих r и \eps, по сути это ARMA для локация
— задумались, что \sigma перед \eps тоже как-то меняется и написали на неё (её квадрат) еще одну регрессию — это ARMA для масштаба или GARCH
впринципе, то о чем вы пишите дальше — это про регрессию для log \Sigma^2 через неё саму и log \r^2, таки да, оно постационарнее будет чем просто для \sigma^2, но вот будет ли оно правдоподобнее я не проверял, наверное будет ...
вопрос — а почему вы останавливаетесь на модели для log \sigma^2? можно же продолжать и дальше — у этой модели есть инновация — coeff * (log [r^2 / \sigma^2] — avg)
всё сказанное выше можно провернуть еще раз и для log coeff^2
ps: кстати, а как вы логорифмируете r^2 при r=0?