波動性模型在股票投資中的應用

Ⅰ 股市中波動率在盤面怎麼顯示的，由什麼代表請具體回答新手

定義：首先將指定區間按照設定的周期分割為若干個樣本區間，然後計算指定周期的平均收益率標准差。例如：指定周期＝月，則計算結果為為月收益率的標准差。

公式：波動率＝{∑[（Ri-∑Ri÷N）^2]÷（N-1）}^0.5 1、根據計算周期（日指交易周期；周、月、季度、年均指日歷周期）在所選時間段內拆分出N個區間（頭尾包含的不完整日歷周期捨去）。 2、獲取每個區間最末一個交易日的收盤價EPi和最初一個交易日的前收盤價BPi。 3、如果所選收益率計算方法是「普通收益率」則以「EPi÷BPi-1」作為區間內的收益率Ri；如果所選收益率計算方式是「對數收益率」則以「Ln（EPi÷BPi）」作為區間內的收益率Ri。 4、根據以下公式確定計算結果。

簡介波動率是標的資產投資回報率的變化程度的度量。
從統計角度看，它是以復利計的標的資產投資回報率的標准差。
從經濟意義上解釋，產生波動率的主要原因來自以下三個方面：
a宏觀經濟因素對某個產業部門的影響，即所謂的系統風險；
b特定的事件對某個企業的沖擊，即所謂的非系統風險；
c投資者心理狀態或預期的變化對股票價格所產生的作用。
但是，無論原因如何，波動率總是一個變數。[1]
分類波動率有下列4種：
（1） 實際波動率。
實際波動率又稱作未來波動率，它是指對期權有效期內投資回報率波動程度的度量，由於投資回報率是一個隨機過程，實際波動率永遠是一個未知數。或者說，實際波動率是無法事先精確計算的，人們只能通過各種辦法得到它的估計值。
（2） 歷史波動率。
歷史波動率是指投資回報率在過去一段時間內所表現出的波動率，它由標的資產市場價格過去一段時間的歷史數據（即St的時間序列資料）反映。這就是說，可以根據{St}的時間序列數據，計算出相應的波動率數據，然後運用統計推斷方法估算回報率的標准差，從而得到歷史波動率的估計值。顯然，如果實際波動率是一個常數，它不隨時間的推移而變化，則歷史波動率就有可能是實際波動率的一個很好的近似。
（3） 預測波動率。
預測波動率又稱為預期波動率，它是指運用統計推斷方法對實際波動率進行預測得到的結果，並將其用於期權定價模型，確定出期權的理論價值。因此，預測波動率是人們對期權進行理論定價時實際使用的波動率。這就是說，在討論期權定價問題時所用的波動率一般均是指預測波動率。需要說明的是，預測波動率並不等於歷史波動率，因為前者是人們對實際波動率的理解和認識，當然，歷史波動率往往是這種理論和認識的基礎。除此之外，人們對實際波動率的預測還可能來自經驗判斷等其他方面。
（4） 隱含波動率。
隱含波動率是制期權市場投資者在進行期權交易時對實際波動率的認識，而且這種認識已反映在期權的定價過程中。從理論上講，要獲得隱含波動率的大小並不困難。由於期權定價模型給出了期權價格與五個基本參數（St，X，r，T-t和ς）之間的定量關系，只要將其中前4個基本參數及期權的實際市場價格作為已知量代入期權定價模型，就可以從中解出惟一的未知量ς，其大小就是隱含波動率。因此，隱含波動率又可以理解為市場實際波動率的預期。
期權定價模型需要的是在期權有效期內標的資產價格的實際波動率。相對於當期時期而言，它是一個未知量，因此，需要用預測波動率代替之，一般可簡單地以歷史波動率估計作為預測波動率，但更好的方法是用定量分析與定性分析相結合的方法，以歷史波動率作為初始預測值，根據定量資料和新得到的實際價格資料，不斷調整修正，確定出波動率。
波動率和時間的關系許多初學者認為，接近到期日，時間價值耗損速度加快，所以應該在接近到期日的時後。去放空選擇權。－－這種觀念是錯誤的。
市場的時間流逝，對於買賣雙方是平等的。您沒有辦法從時間流逝中討到任何便宜的。因為，您在接近到期日放空選擇權，雖然時間價值流逝的速度加快，但是，相對地，您放空選擇權所收取的權利金降低，兩相抵銷，您是討不到半點便宜的。
但是，波動率的偏高或偏低，確實會對買賣雙方造成不平等的差別待遇。也因此，操作選擇權的兩個重點，就是趨勢和波動率。如果您能夠兩者皆掌握得宜，則您可以賺很多錢。如果您只能夠掌握其中一個重點，則您最好是對另一個重點作避險的動作。
與波段幅度的關系一般人都會把波動率和波段幅度，兩者搞混在一起。其實，它們之間是相關而不相同的。
事實上，當行情出現大幅波段（不論漲跌）的時候，波動率也是會被帶動而上升的。但是，同樣的波動率在不同的情況下，卻會出現波段幅度變動巨大的情況。其中的原因，就是波段幅度是波動率的信賴區間，當標准差發生變動的時候，即使波動率完全不變，波幅的變動率還是非常驚人的。
這一點，在實務上尤其重要。當您放空勒式部位賺取權利金的時候，除了要注意在偏高的波動率情況下進場，您還要注意去檢查，過去幾天的波幅是否安全，因為，高幅度的波幅往往會吸引另一個高幅度波幅，導致波幅擴大，行情漲跌超過您放空勒式部位的損益平衡點。
實務上的做法就是，把過去5,10,15,20,25,30,35,40,45,50天期的最高價和最低價之價差，做一個紀錄，拿來比較您所放空部位的損益平衡點，看看該部位的安全性如何，如果即將產生安全顧慮，則最好做一下部位調整。否則，部位調整是浪費手續費，壓縮獲利空間的毒葯。
期限結構眾所皆知，不同長短的波動率取樣期間，會造成波動率變動幅度出現不同的變化景觀。
一般言之，取樣期間愈短，波動率的變動幅度愈大，取樣期間愈長，波動率愈穩定。這種現象稱之為volatility cone。
波動率期間結構，除了有上述的短天期領先長天期的現象之外，它還有短天期回歸長天期的現象。這種現象稱之為mean reversal。
也就是說，當您記錄了一組5,15,30,60,90,150天期的歷史或隱含波動率，除了可以觀察短天期如何影響長天期的現象之外，您還可以觀察短天期如何回歸長天期的現象。
就實務的觀點言之，
如果短天期大部分時間都是在長天期之下，則表示波動率正呈現著下降的趨勢中，您可以盡量放空選擇權。只要，短天期突然跑到長天期之上，則您可以預期會有拉回下降的現象出現，您可以大量放空選擇權。
如果短天期大部分時間都是在長天期之上，則表示波動率正呈現著上升的趨勢中，您可以盡量做多選擇權。只要，短天期突然跑到長天期之下，則您可以預期會有拉回上升的現象出現，您可以大量做多選擇權。
這種現象跟移動平均線非常相似。差別只在於價位的移動平均線，長天期均線本身變化很大，而長天期波動率均線則少有變化，這樣子，反而是它的優點。
評等Wilder曾經發問過，什麼是高價？什麼是低價？
我們對於波動率也同樣可以發問，什麼是偏高的波動率？什麼是偏低的波動率？
如果我們把過去紀錄的歷史波動率，或隱含波動率的紀錄，利用高低評等的excel工具，就可以製作出簡單的波動率高低評等工具。
這種高低評等工具，其實在國外選擇權市場里，是一個很普遍的工具。比方說，Optionetics這個網站就搜集歐美主要期貨選擇權市場的波動率，將之一一做評等比較，依其波動率相對高低，羅列成一張表格。以供交易者決定如何在偏高的波動率情況下，放空選擇權，在偏低的波動率情況下，做多選擇權。
我們也可以利用這個原理，針對台指選擇權波動率，計算出它的相對高低。方法就是：
假設今天的波動率（歷史和隱含）是V，最近20天最高波動率=Vh，最低波動率=Vl，則今天的波動率評等就是：
(V-Vl)⁄(Vh-Vl)
計算出來的值介於1~0之間，如果該值大於0.85，就表示波動率偏高，小於0.15就表示波動率偏低。－－波動率偏高就應該做選擇權賣方，波動率偏低，就應該做選擇權買方。
我們也可以把這些評等比值，利用Excel畫成一條時間系列曲線，以供交易參考。
當然，您也可以針對該比值做快速和慢速的移動平均線，這樣就成為一種KD指標。

Ⅱ 請教投資大師江恩理論的波動率如何運用

對於江恩, 我覺得有點象氣功大師，他的理論很奇怪，也許他是比較早發現波動率並應用到投資上， 需要知道的是在1900那個年代的資本市場是個強信息市場，股票的價格並未完全包含其內在的價值和風險，通過歷史數據觀察出波動率的確可以獲得套利， 但是現代的資本市場遠遠比那個年代復雜的多了，最主要的一點是匯率的影響，現在資本的流動性遠遠非那個時代可以相比的。

理論上波動率表示一種干擾（象wiener process），並遵循正態分布， 一種演算法可以通過歷史數據來計算，但是計算工作難度大（注1），實際通常方法是通過市場上已有的期權價格代進black-scholes的公式中算出隱含波動率。隱含波動率在應用中有個很著名的Var模型，通過它計算未來一段時間最壞的可能下損失有多少。隱含波動率還可以作一個指標來預測未來股票價格上升和跌的幅度。問題是波動率需要期權價格來指導才能觀察，現在國內還沒有期權市場，所以這一變數只能通過歷史數據做大概估計。同時波動率有誤差，需要修正，如波動率微笑(這個現象有點象江說的共振現象).

注1：在弱信息市場理論中認為今天股票的價格已經完全表露了其價格的風險， 所以今天的價格不能預測未來價格。

Ⅲ 股票的波動性是按什麼指標算的

股票的波動性是按波動率指數算的，芝加哥期權交易所(Chicago Board Options Exchange，CBOE)的波動率指數(Volatility Index，VIX)或者稱之為「恐懼指數」，衡量標准普爾500指數(S&P 500 Index)期權的隱含波動率。VIX指數每日計算，代表市場對未來30天的市場波動率的預期。
類型：
1、實際波動率
實際波動率又稱作未來波動率，它是指對期權有效期內投資回報率波動程度的度量，由於投資回報率是一個隨機過程，實際波動率永遠是一個未知數。或者說，實際波動率是無法事先精確計算的，人們只能通過各種辦法得到它的估計值。
2、歷史波動率
歷史波動率是指投資回報率在過去一段時間內所表現出的波動率，它由標的資產市場價格過去一段時間的歷史數據（即St的時間序列資料）反映。這就是說，可以根據{St}的時間序列數據，計算出相應的波動率數據，然後運用統計推斷方法估算回報率的標准差，從而得到歷史波動率的估計值。顯然，如果實際波動率是一個常數，它不隨時間的推移而變化，則歷史波動率就有可能是實際波動率的一個很好的近似。
3、預測波動率
預測波動率又稱為預期波動率，它是指運用統計推斷方法對實際波動率進行預測得到的結果，並將其用於期權定價模型，確定出期權的理論價值。因此，預測波動率是人們對期權進行理論定價時實際使用的波動率。這就是說，在討論期權定價問題時所用的波動率一般均是指預測波動率。需要說明的是，預測波動率並不等於歷史波動率，因為前者是人們對實際波動率的理解和認識，當然，歷史波動率往往是這種理論和認識的基礎。除此之外，人們對實際波動率的預測還可能來自經驗判斷等其他方面。
4、隱含波動率
隱含波動率是期權市場投資者在進行期權交易時對實際波動率的認識，而且這種認識已反映在期權的定價過程中。從理論上講，要獲得隱含波動率的大小並不困難。由於期權定價模型給出了期權價格與五個基本參數（St，X，r，T-t和σ）之間的定量關系，只要將其中前4個基本參數及期權的實際市場價格作為已知量代入期權定價模型，就可以從中解出惟一的未知量σ，其大小就是隱含波動率。因此，隱含波動率又可以理解為市場實際波動率的預期。
期權定價模型需要的是在期權有效期內標的資產價格的實際波動率。相對於當期時期而言，它是一個未知量，因此，需要用預測波動率代替之，一般可簡單地以歷史波動率估計作為預測波動率，但更好的方法是用定量分析與定性分析相結合的方法，以歷史波動率作為初始預測值，根據定量資料和新得到的實際價格資料，不斷調整修正，確定出波動率。

Ⅳ eviews中如何用garch（1，1）計算股票波動率

打開Eviews然後點擊Quick然後點擊Equation Estimation，然後選擇ARCH方法，然後估計就行了
股票波動率:
波動率是指標的資產投資回報率的變化程度，有實際波動率和歷史波動率之分。它是江恩理論的一個重要內容，在期貨期權市場的指導意義較股票市場更大。下面我們將對波動率的計算及交易策略進行詳細講解，希望對股民有一定的指導意義，趕緊跟著小編一起學習波動率的知識吧！
一、波動率：概述
波動率是指標的資產投資回報率的變化程度，有實際波動率和歷史波動率之分。它是江恩理論的一個重要內容，在期貨期權市場的指導意義較股票市場更大。
（一）、實際波動率
實際波動率又稱作未來波動率，它是指對期權有效期內投資回報率波動程度的度量，由於投資回報率是一個隨機過程，實際波動率永遠是一個未知數。或者說，實際波動率是無法事先精確計算的，人們只能通過各種辦法得到它的估計值。
（二）、歷史波動率
歷史波動率是指投資回報率在過去一段時間內所表現出的波動率，它由標的資產市場價格過去一段時間的歷史數據（即St的時間序列資料）反映。這就是說，可以根據{St}的時間序列數據，計算出相應的波動率數據，然後運用統計推斷方法估算回報率的標准差，從而得到歷史波動率的估計值。顯然，如果實際波動率是一個常數，它不隨時間的推移而變化，則歷史波動率就有可能是實際波動率的一個很好的近似。
二、波動率：計算
江恩理論認為，波動率分上升趨勢的波動率計算方法和下降趨勢的波動率計算方法。
（一）、上升趨勢的波動率計算方法是：在上升趨勢中，底部與底部的距離除以底部與底部的相隔時間，取整。
上升波動率=（第二個底部-第一個底部）/兩底部的時間距離
（二）、下降趨勢的波動率計算方法是：在下降趨勢中，頂部與頂部的距離除以頂部與頂部的相隔時間，取整。並用它們作為坐標刻度在紙上繪制。
下降波動率=（第二個頂部-第一個頂部）/兩頂部的時間距離
三、波動率：交易策略
對於投資者來說，期貨市場上除了牛熊市之外，更多的時間處於一種無法辨別價格走勢或者價格沒有大幅變化的狀況。此時的交易策略可以根據市場波動率的大小具體細分。當市場預期波動較小價格變化不大時，可採取賣出跨式組合和賣出寬跨式組合的策略。當預期市場波動較大但對價格上漲和下跌的方向不能確定時，可採取買入跨式組合和買入寬跨式組合的策略。
賣出跨式組合由賣出一手某一執行價格的買權， 同時賣出一手同一執行價格的賣權組成。
採用該策略的動機在於：認為市場走勢波動不大，可以賣出期權賺取權利金收益。但是一旦市場價格發生較大波動，那就要面對遭受損失的風險。
「波動率」：波動率是江恩理論的一個重要內容，在期貨期權市場的指導意義較股票市場更大。經過上面對波動率計算方法和交易策略的學習，相信投資者對波動率有了一定的了解。此外投資者在運用波動率指標時還需結合均線和波浪理論來綜合分析.

Ⅳ 用eviews軟體計算股票波動率，garch（1,1）模型估計出來的結果如下圖，請問那些數值是表示波動率的

c————歐米伽

RESID(-1)^2——阿爾法

GARCH（-1）——貝塔

帶入下面方程式

Ⅵ 用GARCH(1,1)模型對股票收盤價收益率序列建模，如何在eviews軟體中得出收益率序列的波動性方差

接分啦。。。找到一篇不錯的文章
樓主看下，參考資料：
2.關聯規則挖掘過程、分類及其相關演算法
2.1關聯規則挖掘的過程
關聯規則挖掘過程主要包含兩個階段：第一階段必須先從資料集合中找出所有的高頻項目組(Frequent Itemsets)，第二階段再由這些高頻項目組中產生關聯規則(Association Rules)。
關聯規則挖掘的第一階段必須從原始資料集合中，找出所有高頻項目組(Large Itemsets)。高頻的意思是指某一項目組出現的頻率相對於所有記錄而言，必須達到某一水平。一項目組出現的頻率稱為支持度(Support)，以一個包含A與B兩個項目的2-itemset為例，我們可以經由公式(1)求得包含項目組的支持度，若支持度大於等於所設定的最小支持度(Minimum Support)門檻值時，則稱為高頻項目組。一個滿足最小支持度的k-itemset，則稱為高頻k-項目組(Frequent k-itemset)，一般表示為Large k或Frequent k。演算法並從Large k的項目組中再產生Large k+1，直到無法再找到更長的高頻項目組為止。
關聯規則挖掘的第二階段是要產生關聯規則(Association Rules)。從高頻項目組產生關聯規則，是利用前一步驟的高頻k-項目組來產生規則，在最小信賴度(Minimum Confidence)的條件門檻下，若一規則所求得的信賴度滿足最小信賴度，稱此規則為關聯規則。例如：經由高頻k-項目組所產生的規則AB，其信賴度可經由公式(2)求得，若信賴度大於等於最小信賴度，則稱AB為關聯規則。
就沃爾馬案例而言，使用關聯規則挖掘技術，對交易資料庫中的紀錄進行資料挖掘，首先必須要設定最小支持度與最小信賴度兩個門檻值，在此假設最小支持度min_support=5% 且最小信賴度min_confidence=70%。因此符合此該超市需求的關聯規則將必須同時滿足以上兩個條件。若經過挖掘過程所找到的關聯規則「尿布，啤酒」，滿足下列條件，將可接受「尿布，啤酒」的關聯規則。用公式可以描述Support(尿布，啤酒)>=5%且Confidence(尿布，啤酒)>=70%。其中，Support(尿布，啤酒)>=5%於此應用範例中的意義為:在所有的交易紀錄資料中，至少有5%的交易呈現尿布與啤酒這兩項商品被同時購買的交易行為。Confidence(尿布，啤酒)>=70%於此應用範例中的意義為:在所有包含尿布的交易紀錄資料中，至少有70%的交易會同時購買啤酒。因此，今後若有某消費者出現購買尿布的行為，超市將可推薦該消費者同時購買啤酒。這個商品推薦的行為則是根據「尿布，啤酒」關聯規則，因為就該超市過去的交易紀錄而言，支持了「大部份購買尿布的交易，會同時購買啤酒」的消費行為。
從上面的介紹還可以看出，關聯規則挖掘通常比較適用與記錄中的指標取離散值的情況。如果原始資料庫中的指標值是取連續的數據，則在關聯規則挖掘之前應該進行適當的數據離散化（實際上就是將某個區間的值對應於某個值），數據的離散化是數據挖掘前的重要環節，離散化的過程是否合理將直接影響關聯規則的挖掘結果。
2.2關聯規則的分類
按照不同情況，關聯規則可以進行分類如下：
1.基於規則中處理的變數的類別，關聯規則可以分為布爾型和數值型。
布爾型關聯規則處理的值都是離散的、種類化的，它顯示了這些變數之間的關系；而數值型關聯規則可以和多維關聯或多層關聯規則結合起來，對數值型欄位進行處理，將其進行動態的分割，或者直接對原始的數據進行處理，當然

Ⅶ ARCH模型在股票收益率分析中的應用是怎樣的

假設用標准差表示的條件波動率在某一期間圍繞0.5%和3%之間波動。如果投資者有一個對應與標准普爾500指數的資產組合，那麼明天該投資者有多少資本面臨損失？假設預測標准差是0.5%，他的損失(99%的概率)將不會超過資產組合價值的1.2%。如果預測標准差是3%，相應的資本損失將高達6.7%。同樣，在銀行和其他金融機構計算資產組合的市場風險時，在險價值(VaR：ValueatRisk)也至關重要。從1996以來，巴塞爾(Basle)國際協議規定了銀行在控制資本充足率時要使用在險價值。ARCH成為金融部門風險評估中不可缺少的工具。

Ⅷ 股票價值評估的模型有哪些分別適用於哪些情況,在實際操作中需要注意什麼問題

股票價值評估分以下幾種模型：

1.DDM模型（Dividend discount model /股利折現模型)
2.DCF /Discount Cash Flow /折現現金流模型）
（1）FCFE （ Free cash flow for the equity equity /股權自由現金流模型)模型
（2）FCFF模型（ Free cash flow for the firm firm /公司自由現金流模型）
DDM模型
V代表普通股的內在價值， Dt為普通股第t期支付的股息或紅利，r為貼現率
對股息增長率的不同假定，股息貼現模型可以分為
：零增長模型、不變增長模型（高頓增長模型）、二階段股利增長模型（H模型）、三階段股利增長模型和多元增長模型等形式。
最為基礎的模型；紅利折現是內在價值最嚴格的定義； DCF法大量借鑒了DDM的一些邏輯和計算方法（基於同樣的假設/相同的限制）。
1. DDM DDM模型模型法（Dividend discount model / Dividend discount model / 股利折現模型股利折現模型)
DDM模型
2. DDM DDM模型的適用分紅多且穩定的公司，非周期性行業；
3. DDM DDM模型的不適用分紅很少或者不穩定公司，周期性行業；
DDM模型在大陸基本不適用；
大陸股市的行業結構及上市公司資金飢渴決定，分紅比例不高，分紅的比例與數量不具有穩定性，難以對股利增長率做出預測。
DCF 模型
2.DCF /Discount Cash Flow /折現現金流模型） DCF估值法為最嚴謹的對企業和股票估值的方法，原則上該模型適用於任何類型的公司。
自由現金流替代股利，更科學、不易受人為影響。
當全部股權自由現金流用於股息支付時， FCFE模型與DDM模型並無區別；但總體而言，股息不等同於股權自由現金流，時高時低，原因有四：
穩定性要求（不確定未來是否有能力支付高股息）；
未來投資的需要（預計未來資本支出/融資的不便與昂貴）；
稅收因素（累進制的個人所得稅較高時）；
信號特徵（股息上升/前景看好；股息下降/前景看淡）
DCF模型的優缺點
優點：比其他常用的建議評價模型涵蓋更完整的評價模型，框架最嚴謹但相對較復雜的評價模型。需要的信息量更多,角度更全面, 考慮公司發展的長期性。較為詳細，預測時間較長，而且考慮較多的變數，如獲利成長、資金成本等，能夠提供適當思考的模型。
缺點：需要耗費較長的時間，須對公司的營運情形與產業特性有深入的了解。考量公司的未來獲利、成長與風險的完整評價模型，但是其數據估算具有高度的主觀性與不確定性。復雜的模型，可能因數據估算不易而無法採用，即使勉強進行估算，錯誤的數據套入完美的模型中，也無法得到正確的結果。小變化在輸入上可能導致大變化在公司的價值上。該模型的准確性受輸入值的影響很大（可作敏感性分析補救）。