波动率指数及其衍生品介绍

波动率指数是根据股指期权价格计算的指数，反映了投资者对未来一段时间股票市场波动的看法。

如果说股票指数是实体经济的晴雨表，那么波动率指数就是股票市场的情绪压力计。1993 年美国芝加哥期权交易所发布了全球第一个波动率指数（vix），此后欧洲、日本、印度、韩国、香港等经济体也纷纷推出了各自的波动率指数。这些指数在揭示市场环境、运行状态和投资者信心等方面具有重要的作用，国际货币基金组织、欧洲系统性风险管理委员会、美联储等金融监管当局均将其作为政策制定的关键参考指标。

在推出波动率指数后，全球主要市场还相继推出了相应的波动率指数期货或期权产品，这些波动率指数衍生品被广泛地应用于风险监测和股票市场的风险对冲。目前，全球波动率指数衍生产品数量已达到 20 余个，主要包括波动率指数期货、期权以及 ETF等三类产品。

投资者也可以利用真格量化编制自己关注的衍生品的波动率指数。
（一）波动率指数的概念和含义

根据期权定价理论，波动率，或者说市场对波动率的预期，是决定期权价格最重要的因素，期权价格反映了市场预期的波动率水平。

目前各个市场的波动率指数一般是基于大盘蓝筹指数的股指期权价格编制、反映投资者对整体市场在未来一段时间内（通常为 30 天）年化波动率预期的指数。

如果说股票价格指数是对股票市场总体价格水平的一个代表，那么波动率指数就是股指期权市场众多期权合约价格所隐含的波动率的代表，反映市场对未来一段时间内波动率的预期。例如某一天 CBOE 基于标普 500 股指期权的 VIX为 20 点，表示市场预期标普 500 指数在未来 30 天的年化波动率为 20%。

对于金融市场不同相关参与者来说，波动率指数具有三个方面的功能：

一是提供了市场波动水平的指标，有助于投资者制定交易和避险策略。市场未来的波动水平决定了投资者承担的风险大小，在没有期权市场时投资者只能通过成交量、换手率和市场消息来间接地判断未来的波动率，准确度较低。而波动率指数的高低直接反映未来波动率的走势，有了这样的信息投资者做出的交易和避险决策将更为合理。

二是为监管机构提供了市场预警指标，有利于监管机构把握市场投资者情绪及未来市场的运行状态，及时采取相应措施。提前预测系统性金融风险并及时采取措施是金融监管机构高度重视的任务，在这方面波动率指数这样的市场前瞻性指标具有传统经济指标难以比拟的作用。目前境外主要金融监管机构在构建宏观审慎指标体系时都将观察波动率指数作为重要一环，在最近的几次金融危机中发挥了重要的作用。

三是为场内和场外交易的个股期权、股指期权和相关衍生产品提供了定价的关键有利于权益类衍生品市场的发展。在发达国家的金融市场，有各式各样不同回报类型的权益类衍生产品，可以满足不同类型投资者的定制化需求。要“定制”这些衍生产品和相关的理财产品，给它们定出合理的价格，波动率这个参数是至关重要的。波动率指数的推出，可以推进相关市场的发展。

（二）波动率指数风险对冲的原理

波动率指数可以用作风险对冲工具因为其与标的指数一般具有负相关性。

当预期股票市场有较大波动或担忧下跌时，持有现货资产的投资者倾向于购买股指期权避险，因此推升股指期权价格，进而使得其平均隐含波动率上升，即波动率指数上升；反之当投资者预期股市平稳或上涨时，则会减少对冲头寸，压低股指期权价格，进而使得波动率指数下降。

波动率指数不仅与股票指数的负相关，并且其负相关性是非对称的，即在标的指数上涨时，波动率指数的下降幅度远低于标的指数下跌时波动率指数的上升幅度。这主要是因为，股市下跌时，投资者通常过度恐慌，进而大量抛售现货或高价购买看跌期权行为，这使得股市下跌时波动率指数上涨幅度显著较大；反之，当股市上涨时，市场情绪得到释放，波动率指数将下降，但这一过程相对平缓。

除了上面提到的前瞻性、与标的指数负相关性以及变化的非对称性，波动率指数还具有均值回复性。波动率指数虽然会随着标的市场价格的变动而变动，但是历史数据显示波动率不会一直朝一个方向运动。波动率指数相当于市场的加速度，通常快速上涨或下跌之后都会趋于稳定甚至反向运动。因此，无论波动率上涨到多高或者下降到多低，最终都会回到一个均衡的水平。一般在成熟市场，波动率指数在10和30点之间来回波动。波动率均值回归的特性对利用波动率指数衍生品进行风险对冲操作的投资者也有重要的参考价值。

— — — — — — E N D — — — — — —

真格量化可访问：
https://quant.pobo.net.cn

真格量化微信公众号，长按关注：

遇到了技术问题？欢迎加入真格量化Python技术交流QQ群 726895887

往期文章：
Numpy处理tick级别数据技巧
真正赚钱的期权策略曲线是这样的
多品种历史波动率计算
如何实现全市场自动盯盘
AI是怎样看懂研报的
真格量化策略debug秘籍
真格量化对接实盘交易
常见高频交易策略简介

如何用撤单函数改进套利成交

Deque提高处理队列效率

策略编程选Python还是C++

如何用Python继承机制节约代码量

十大机器学习算法
如何调用策略附件数据

如何使用智能单

如何扫描全市场跨月价差

如何筛选策略最适合的品种

活用订单类型规避频繁撤单风险

真格量化回测撮合机制简介

如何调用外部数据

如何处理回测与实盘差别

如何利用趋势必然终结获利

常见量化策略介绍

期权交易“七宗罪”

波动率交易介绍

推高波动率的因素

波动率的预测之道

趋势交易面临挑战
如何构建知识图谱
机器学习就是现代统计学

AI技术在金融行业的应用

如何避免模型过拟合

低延迟交易介绍

架构设计中的编程范式

交易所视角下的套利指令撮合

距离概念与特征识别

气象风险与天气衍生品

设计量化策略的七个“大坑”

云计算在金融行业的应用

机器学习模型评估方法
真格量化制作期权HV-IV价差
另类数据介绍

TensorFlow中的Tensor是什么？

机器学习的经验之谈

用yfinance调用雅虎财经数据

容器技术如何改进交易系统
Python调用C++
如何选择数据库代理
统计套利揭秘

[h1]一个Call搅动市场？让我们温习一下波动率策略[/h1][h1]如何用真格量化设计持仓排名跟踪策略[/h1][h1]还不理解真格量化API设计？我们不妨参考一下CTP平台[/h1][h1]理解同步、异步、阻塞与非阻塞[/h1][h1]隐波相关系数和偏度——高维风险的守望者[/h1]Delta中性还不够？——看看如何设计Gamma中性期权策略

[h1]Python的多线程和多进程——从一个爬虫任务谈起[/h1]线程与进程的区别皮尔逊相关系数与历史K线匹配

Python2和Python3的兼容写法 Python代码优化技巧
理解Python的上下文管理器

如何写出更好的Python代码？这是Python软件基金会的建议
评估程序化模型时我们容易忽视的指标
看看如何定位Python程序性能瓶颈
什么是Python的GIL
投资研究中的大数据分析趋势及应用
理解CTP中的回调函数
如何围绕隐含波动率设计期权交易策略
看看如何用Python进行英文文本的情感分析
算法交易的分类
Python编码的最佳实践总结
什么是波动率锥？如何用波动率锥设计期权策略？
期权的波动率策略与时间价值收集策略对比

期权用于套期保值和无风险套利
隐含波动率对期权策略的影响

卖出期权交易的风险管理原则和技巧
期权交易中的“大头针”风险
期权做市商策略简介

精细化您的交易——交易成本评估与交易执行策略
海外市场交易执行策略的实践
设计期权套期保值方案时应注意的问题
美式期权、欧式期权比较分析——定价与风险管理
构建您的AI时代武器库——常用的机器学习相关Python库
期权波动率“微笑曲线”之谜
运算任务愈发繁重，如何加速Python程序运行？
证券市场微观结构理论模型是什么
是瞬间成交还是漫长等待？——如何衡量市场流动性

波动率指数及其衍生品介绍

浏览过的版块