波动性模型在股票投资中的应用

Ⅰ 股市中波动率在盘面怎么显示的，由什么代表请具体回答新手

定义：首先将指定区间按照设定的周期分割为若干个样本区间，然后计算指定周期的平均收益率标准差。例如：指定周期＝月，则计算结果为为月收益率的标准差。

公式：波动率＝{∑[（Ri-∑Ri÷N）^2]÷（N-1）}^0.5 1、根据计算周期（日指交易周期；周、月、季度、年均指日历周期）在所选时间段内拆分出N个区间（头尾包含的不完整日历周期舍去）。 2、获取每个区间最末一个交易日的收盘价EPi和最初一个交易日的前收盘价BPi。 3、如果所选收益率计算方法是“普通收益率”则以“EPi÷BPi-1”作为区间内的收益率Ri；如果所选收益率计算方式是“对数收益率”则以“Ln（EPi÷BPi）”作为区间内的收益率Ri。 4、根据以下公式确定计算结果。

简介波动率是标的资产投资回报率的变化程度的度量。
从统计角度看，它是以复利计的标的资产投资回报率的标准差。
从经济意义上解释，产生波动率的主要原因来自以下三个方面：
a宏观经济因素对某个产业部门的影响，即所谓的系统风险；
b特定的事件对某个企业的冲击，即所谓的非系统风险；
c投资者心理状态或预期的变化对股票价格所产生的作用。
但是，无论原因如何，波动率总是一个变量。[1]
分类波动率有下列4种：
（1） 实际波动率。
实际波动率又称作未来波动率，它是指对期权有效期内投资回报率波动程度的度量，由于投资回报率是一个随机过程，实际波动率永远是一个未知数。或者说，实际波动率是无法事先精确计算的，人们只能通过各种办法得到它的估计值。
（2） 历史波动率。
历史波动率是指投资回报率在过去一段时间内所表现出的波动率，它由标的资产市场价格过去一段时间的历史数据（即St的时间序列资料）反映。这就是说，可以根据{St}的时间序列数据，计算出相应的波动率数据，然后运用统计推断方法估算回报率的标准差，从而得到历史波动率的估计值。显然，如果实际波动率是一个常数，它不随时间的推移而变化，则历史波动率就有可能是实际波动率的一个很好的近似。
（3） 预测波动率。
预测波动率又称为预期波动率，它是指运用统计推断方法对实际波动率进行预测得到的结果，并将其用于期权定价模型，确定出期权的理论价值。因此，预测波动率是人们对期权进行理论定价时实际使用的波动率。这就是说，在讨论期权定价问题时所用的波动率一般均是指预测波动率。需要说明的是，预测波动率并不等于历史波动率，因为前者是人们对实际波动率的理解和认识，当然，历史波动率往往是这种理论和认识的基础。除此之外，人们对实际波动率的预测还可能来自经验判断等其他方面。
（4） 隐含波动率。
隐含波动率是制期权市场投资者在进行期权交易时对实际波动率的认识，而且这种认识已反映在期权的定价过程中。从理论上讲，要获得隐含波动率的大小并不困难。由于期权定价模型给出了期权价格与五个基本参数（St，X，r，T-t和ς）之间的定量关系，只要将其中前4个基本参数及期权的实际市场价格作为已知量代入期权定价模型，就可以从中解出惟一的未知量ς，其大小就是隐含波动率。因此，隐含波动率又可以理解为市场实际波动率的预期。
期权定价模型需要的是在期权有效期内标的资产价格的实际波动率。相对于当期时期而言，它是一个未知量，因此，需要用预测波动率代替之，一般可简单地以历史波动率估计作为预测波动率，但更好的方法是用定量分析与定性分析相结合的方法，以历史波动率作为初始预测值，根据定量资料和新得到的实际价格资料，不断调整修正，确定出波动率。
波动率和时间的关系许多初学者认为，接近到期日，时间价值耗损速度加快，所以应该在接近到期日的时后。去放空选择权。－－这种观念是错误的。
市场的时间流逝，对于买卖双方是平等的。您没有办法从时间流逝中讨到任何便宜的。因为，您在接近到期日放空选择权，虽然时间价值流逝的速度加快，但是，相对地，您放空选择权所收取的权利金降低，两相抵销，您是讨不到半点便宜的。
但是，波动率的偏高或偏低，确实会对买卖双方造成不平等的差别待遇。也因此，操作选择权的两个重点，就是趋势和波动率。如果您能够两者皆掌握得宜，则您可以赚很多钱。如果您只能够掌握其中一个重点，则您最好是对另一个重点作避险的动作。
与波段幅度的关系一般人都会把波动率和波段幅度，两者搞混在一起。其实，它们之间是相关而不相同的。
事实上，当行情出现大幅波段（不论涨跌）的时候，波动率也是会被带动而上升的。但是，同样的波动率在不同的情况下，却会出现波段幅度变动巨大的情况。其中的原因，就是波段幅度是波动率的信赖区间，当标准差发生变动的时候，即使波动率完全不变，波幅的变动率还是非常惊人的。
这一点，在实务上尤其重要。当您放空勒式部位赚取权利金的时候，除了要注意在偏高的波动率情况下进场，您还要注意去检查，过去几天的波幅是否安全，因为，高幅度的波幅往往会吸引另一个高幅度波幅，导致波幅扩大，行情涨跌超过您放空勒式部位的损益平衡点。
实务上的做法就是，把过去5,10,15,20,25,30,35,40,45,50天期的最高价和最低价之价差，做一个纪录，拿来比较您所放空部位的损益平衡点，看看该部位的安全性如何，如果即将产生安全顾虑，则最好做一下部位调整。否则，部位调整是浪费手续费，压缩获利空间的毒药。
期限结构众所皆知，不同长短的波动率取样期间，会造成波动率变动幅度出现不同的变化景观。
一般言之，取样期间愈短，波动率的变动幅度愈大，取样期间愈长，波动率愈稳定。这种现象称之为volatility cone。
波动率期间结构，除了有上述的短天期领先长天期的现象之外，它还有短天期回归长天期的现象。这种现象称之为mean reversal。
也就是说，当您记录了一组5,15,30,60,90,150天期的历史或隐含波动率，除了可以观察短天期如何影响长天期的现象之外，您还可以观察短天期如何回归长天期的现象。
就实务的观点言之，
如果短天期大部分时间都是在长天期之下，则表示波动率正呈现着下降的趋势中，您可以尽量放空选择权。只要，短天期突然跑到长天期之上，则您可以预期会有拉回下降的现象出现，您可以大量放空选择权。
如果短天期大部分时间都是在长天期之上，则表示波动率正呈现着上升的趋势中，您可以尽量做多选择权。只要，短天期突然跑到长天期之下，则您可以预期会有拉回上升的现象出现，您可以大量做多选择权。
这种现象跟移动平均线非常相似。差别只在于价位的移动平均线，长天期均线本身变化很大，而长天期波动率均线则少有变化，这样子，反而是它的优点。
评等Wilder曾经发问过，什么是高价？什么是低价？
我们对于波动率也同样可以发问，什么是偏高的波动率？什么是偏低的波动率？
如果我们把过去纪录的历史波动率，或隐含波动率的纪录，利用高低评等的excel工具，就可以制作出简单的波动率高低评等工具。
这种高低评等工具，其实在国外选择权市场里，是一个很普遍的工具。比方说，Optionetics这个网站就搜集欧美主要期货选择权市场的波动率，将之一一做评等比较，依其波动率相对高低，罗列成一张表格。以供交易者决定如何在偏高的波动率情况下，放空选择权，在偏低的波动率情况下，做多选择权。
我们也可以利用这个原理，针对台指选择权波动率，计算出它的相对高低。方法就是：
假设今天的波动率（历史和隐含）是V，最近20天最高波动率=Vh，最低波动率=Vl，则今天的波动率评等就是：
(V-Vl)⁄(Vh-Vl)
计算出来的值介于1~0之间，如果该值大于0.85，就表示波动率偏高，小于0.15就表示波动率偏低。－－波动率偏高就应该做选择权卖方，波动率偏低，就应该做选择权买方。
我们也可以把这些评等比值，利用Excel画成一条时间系列曲线，以供交易参考。
当然，您也可以针对该比值做快速和慢速的移动平均线，这样就成为一种KD指标。

Ⅱ 请教投资大师江恩理论的波动率如何运用

对于江恩, 我觉得有点象气功大师，他的理论很奇怪，也许他是比较早发现波动率并应用到投资上， 需要知道的是在1900那个年代的资本市场是个强信息市场，股票的价格并未完全包含其内在的价值和风险，通过历史数据观察出波动率的确可以获得套利， 但是现代的资本市场远远比那个年代复杂的多了，最主要的一点是汇率的影响，现在资本的流动性远远非那个时代可以相比的。

理论上波动率表示一种干扰（象wiener process），并遵循正态分布， 一种算法可以通过历史数据来计算，但是计算工作难度大（注1），实际通常方法是通过市场上已有的期权价格代进black-scholes的公式中算出隐含波动率。隐含波动率在应用中有个很著名的Var模型，通过它计算未来一段时间最坏的可能下损失有多少。隐含波动率还可以作一个指标来预测未来股票价格上升和跌的幅度。问题是波动率需要期权价格来指导才能观察，现在国内还没有期权市场，所以这一变量只能通过历史数据做大概估计。同时波动率有误差，需要修正，如波动率微笑(这个现象有点象江说的共振现象).

注1：在弱信息市场理论中认为今天股票的价格已经完全表露了其价格的风险， 所以今天的价格不能预测未来价格。

Ⅲ 股票的波动性是按什么指标算的

股票的波动性是按波动率指数算的，芝加哥期权交易所(Chicago Board Options Exchange，CBOE)的波动率指数(Volatility Index，VIX)或者称之为“恐惧指数”，衡量标准普尔500指数(S&P 500 Index)期权的隐含波动率。VIX指数每日计算，代表市场对未来30天的市场波动率的预期。
类型：
1、实际波动率
实际波动率又称作未来波动率，它是指对期权有效期内投资回报率波动程度的度量，由于投资回报率是一个随机过程，实际波动率永远是一个未知数。或者说，实际波动率是无法事先精确计算的，人们只能通过各种办法得到它的估计值。
2、历史波动率
历史波动率是指投资回报率在过去一段时间内所表现出的波动率，它由标的资产市场价格过去一段时间的历史数据（即St的时间序列资料）反映。这就是说，可以根据{St}的时间序列数据，计算出相应的波动率数据，然后运用统计推断方法估算回报率的标准差，从而得到历史波动率的估计值。显然，如果实际波动率是一个常数，它不随时间的推移而变化，则历史波动率就有可能是实际波动率的一个很好的近似。
3、预测波动率
预测波动率又称为预期波动率，它是指运用统计推断方法对实际波动率进行预测得到的结果，并将其用于期权定价模型，确定出期权的理论价值。因此，预测波动率是人们对期权进行理论定价时实际使用的波动率。这就是说，在讨论期权定价问题时所用的波动率一般均是指预测波动率。需要说明的是，预测波动率并不等于历史波动率，因为前者是人们对实际波动率的理解和认识，当然，历史波动率往往是这种理论和认识的基础。除此之外，人们对实际波动率的预测还可能来自经验判断等其他方面。
4、隐含波动率
隐含波动率是期权市场投资者在进行期权交易时对实际波动率的认识，而且这种认识已反映在期权的定价过程中。从理论上讲，要获得隐含波动率的大小并不困难。由于期权定价模型给出了期权价格与五个基本参数（St，X，r，T-t和σ）之间的定量关系，只要将其中前4个基本参数及期权的实际市场价格作为已知量代入期权定价模型，就可以从中解出惟一的未知量σ，其大小就是隐含波动率。因此，隐含波动率又可以理解为市场实际波动率的预期。
期权定价模型需要的是在期权有效期内标的资产价格的实际波动率。相对于当期时期而言，它是一个未知量，因此，需要用预测波动率代替之，一般可简单地以历史波动率估计作为预测波动率，但更好的方法是用定量分析与定性分析相结合的方法，以历史波动率作为初始预测值，根据定量资料和新得到的实际价格资料，不断调整修正，确定出波动率。

Ⅳ eviews中如何用garch（1，1）计算股票波动率

打开Eviews然后点击Quick然后点击Equation Estimation，然后选择ARCH方法，然后估计就行了
股票波动率:
波动率是指标的资产投资回报率的变化程度，有实际波动率和历史波动率之分。它是江恩理论的一个重要内容，在期货期权市场的指导意义较股票市场更大。下面我们将对波动率的计算及交易策略进行详细讲解，希望对股民有一定的指导意义，赶紧跟着小编一起学习波动率的知识吧！
一、波动率：概述
波动率是指标的资产投资回报率的变化程度，有实际波动率和历史波动率之分。它是江恩理论的一个重要内容，在期货期权市场的指导意义较股票市场更大。
（一）、实际波动率
实际波动率又称作未来波动率，它是指对期权有效期内投资回报率波动程度的度量，由于投资回报率是一个随机过程，实际波动率永远是一个未知数。或者说，实际波动率是无法事先精确计算的，人们只能通过各种办法得到它的估计值。
（二）、历史波动率
历史波动率是指投资回报率在过去一段时间内所表现出的波动率，它由标的资产市场价格过去一段时间的历史数据（即St的时间序列资料）反映。这就是说，可以根据{St}的时间序列数据，计算出相应的波动率数据，然后运用统计推断方法估算回报率的标准差，从而得到历史波动率的估计值。显然，如果实际波动率是一个常数，它不随时间的推移而变化，则历史波动率就有可能是实际波动率的一个很好的近似。
二、波动率：计算
江恩理论认为，波动率分上升趋势的波动率计算方法和下降趋势的波动率计算方法。
（一）、上升趋势的波动率计算方法是：在上升趋势中，底部与底部的距离除以底部与底部的相隔时间，取整。
上升波动率=（第二个底部-第一个底部）/两底部的时间距离
（二）、下降趋势的波动率计算方法是：在下降趋势中，顶部与顶部的距离除以顶部与顶部的相隔时间，取整。并用它们作为坐标刻度在纸上绘制。
下降波动率=（第二个顶部-第一个顶部）/两顶部的时间距离
三、波动率：交易策略
对于投资者来说，期货市场上除了牛熊市之外，更多的时间处于一种无法辨别价格走势或者价格没有大幅变化的状况。此时的交易策略可以根据市场波动率的大小具体细分。当市场预期波动较小价格变化不大时，可采取卖出跨式组合和卖出宽跨式组合的策略。当预期市场波动较大但对价格上涨和下跌的方向不能确定时，可采取买入跨式组合和买入宽跨式组合的策略。
卖出跨式组合由卖出一手某一执行价格的买权， 同时卖出一手同一执行价格的卖权组成。
采用该策略的动机在于：认为市场走势波动不大，可以卖出期权赚取权利金收益。但是一旦市场价格发生较大波动，那就要面对遭受损失的风险。
“波动率”：波动率是江恩理论的一个重要内容，在期货期权市场的指导意义较股票市场更大。经过上面对波动率计算方法和交易策略的学习，相信投资者对波动率有了一定的了解。此外投资者在运用波动率指标时还需结合均线和波浪理论来综合分析.

Ⅳ 用eviews软件计算股票波动率，garch（1,1）模型估计出来的结果如下图，请问那些数值是表示波动率的

c————欧米伽

RESID(-1)^2——阿尔法

GARCH（-1）——贝塔

带入下面方程式

Ⅵ 用GARCH(1,1)模型对股票收盘价收益率序列建模，如何在eviews软件中得出收益率序列的波动性方差

接分啦。。。找到一篇不错的文章
楼主看下，参考资料：
2.关联规则挖掘过程、分类及其相关算法
2.1关联规则挖掘的过程
关联规则挖掘过程主要包含两个阶段：第一阶段必须先从资料集合中找出所有的高频项目组(Frequent Itemsets)，第二阶段再由这些高频项目组中产生关联规则(Association Rules)。
关联规则挖掘的第一阶段必须从原始资料集合中，找出所有高频项目组(Large Itemsets)。高频的意思是指某一项目组出现的频率相对于所有记录而言，必须达到某一水平。一项目组出现的频率称为支持度(Support)，以一个包含A与B两个项目的2-itemset为例，我们可以经由公式(1)求得包含项目组的支持度，若支持度大于等于所设定的最小支持度(Minimum Support)门槛值时，则称为高频项目组。一个满足最小支持度的k-itemset，则称为高频k-项目组(Frequent k-itemset)，一般表示为Large k或Frequent k。算法并从Large k的项目组中再产生Large k+1，直到无法再找到更长的高频项目组为止。
关联规则挖掘的第二阶段是要产生关联规则(Association Rules)。从高频项目组产生关联规则，是利用前一步骤的高频k-项目组来产生规则，在最小信赖度(Minimum Confidence)的条件门槛下，若一规则所求得的信赖度满足最小信赖度，称此规则为关联规则。例如：经由高频k-项目组所产生的规则AB，其信赖度可经由公式(2)求得，若信赖度大于等于最小信赖度，则称AB为关联规则。
就沃尔马案例而言，使用关联规则挖掘技术，对交易资料库中的纪录进行资料挖掘，首先必须要设定最小支持度与最小信赖度两个门槛值，在此假设最小支持度min_support=5% 且最小信赖度min_confidence=70%。因此符合此该超市需求的关联规则将必须同时满足以上两个条件。若经过挖掘过程所找到的关联规则「尿布，啤酒」，满足下列条件，将可接受「尿布，啤酒」的关联规则。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%于此应用范例中的意义为:在所有的交易纪录资料中，至少有5%的交易呈现尿布与啤酒这两项商品被同时购买的交易行为。Confidence(尿布，啤酒)>=70%于此应用范例中的意义为:在所有包含尿布的交易纪录资料中，至少有70%的交易会同时购买啤酒。因此，今后若有某消费者出现购买尿布的行为，超市将可推荐该消费者同时购买啤酒。这个商品推荐的行为则是根据「尿布，啤酒」关联规则，因为就该超市过去的交易纪录而言，支持了“大部份购买尿布的交易，会同时购买啤酒”的消费行为。
从上面的介绍还可以看出，关联规则挖掘通常比较适用与记录中的指标取离散值的情况。如果原始数据库中的指标值是取连续的数据，则在关联规则挖掘之前应该进行适当的数据离散化（实际上就是将某个区间的值对应于某个值），数据的离散化是数据挖掘前的重要环节，离散化的过程是否合理将直接影响关联规则的挖掘结果。
2.2关联规则的分类
按照不同情况，关联规则可以进行分类如下：
1.基于规则中处理的变量的类别，关联规则可以分为布尔型和数值型。
布尔型关联规则处理的值都是离散的、种类化的，它显示了这些变量之间的关系；而数值型关联规则可以和多维关联或多层关联规则结合起来，对数值型字段进行处理，将其进行动态的分割，或者直接对原始的数据进行处理，当然

Ⅶ ARCH模型在股票收益率分析中的应用是怎样的

假设用标准差表示的条件波动率在某一期间围绕0.5%和3%之间波动。如果投资者有一个对应与标准普尔500指数的资产组合，那么明天该投资者有多少资本面临损失？假设预测标准差是0.5%，他的损失(99%的概率)将不会超过资产组合价值的1.2%。如果预测标准差是3%，相应的资本损失将高达6.7%。同样，在银行和其他金融机构计算资产组合的市场风险时，在险价值(VaR：ValueatRisk)也至关重要。从1996以来，巴塞尔(Basle)国际协议规定了银行在控制资本充足率时要使用在险价值。ARCH成为金融部门风险评估中不可缺少的工具。

Ⅷ 股票价值评估的模型有哪些分别适用于哪些情况,在实际操作中需要注意什么问题

股票价值评估分以下几种模型：

1.DDM模型（Dividend discount model /股利折现模型)
2.DCF /Discount Cash Flow /折现现金流模型）
（1）FCFE （ Free cash flow for the equity equity /股权自由现金流模型)模型
（2）FCFF模型（ Free cash flow for the firm firm /公司自由现金流模型）
DDM模型
V代表普通股的内在价值， Dt为普通股第t期支付的股息或红利，r为贴现率
对股息增长率的不同假定，股息贴现模型可以分为
：零增长模型、不变增长模型（高顿增长模型）、二阶段股利增长模型（H模型）、三阶段股利增长模型和多元增长模型等形式。
最为基础的模型；红利折现是内在价值最严格的定义； DCF法大量借鉴了DDM的一些逻辑和计算方法（基于同样的假设/相同的限制）。
1. DDM DDM模型模型法（Dividend discount model / Dividend discount model / 股利折现模型股利折现模型)
DDM模型
2. DDM DDM模型的适用分红多且稳定的公司，非周期性行业；
3. DDM DDM模型的不适用分红很少或者不稳定公司，周期性行业；
DDM模型在大陆基本不适用；
大陆股市的行业结构及上市公司资金饥渴决定，分红比例不高，分红的比例与数量不具有稳定性，难以对股利增长率做出预测。
DCF 模型
2.DCF /Discount Cash Flow /折现现金流模型） DCF估值法为最严谨的对企业和股票估值的方法，原则上该模型适用于任何类型的公司。
自由现金流替代股利，更科学、不易受人为影响。
当全部股权自由现金流用于股息支付时， FCFE模型与DDM模型并无区别；但总体而言，股息不等同于股权自由现金流，时高时低，原因有四：
稳定性要求（不确定未来是否有能力支付高股息）；
未来投资的需要（预计未来资本支出/融资的不便与昂贵）；
税收因素（累进制的个人所得税较高时）；
信号特征（股息上升/前景看好；股息下降/前景看淡）
DCF模型的优缺点
优点：比其他常用的建议评价模型涵盖更完整的评价模型，框架最严谨但相对较复杂的评价模型。需要的信息量更多,角度更全面, 考虑公司发展的长期性。较为详细，预测时间较长，而且考虑较多的变数，如获利成长、资金成本等，能够提供适当思考的模型。
缺点：需要耗费较长的时间，须对公司的营运情形与产业特性有深入的了解。考量公司的未来获利、成长与风险的完整评价模型，但是其数据估算具有高度的主观性与不确定性。复杂的模型，可能因数据估算不易而无法采用，即使勉强进行估算，错误的数据套入完美的模型中，也无法得到正确的结果。小变化在输入上可能导致大变化在公司的价值上。该模型的准确性受输入值的影响很大（可作敏感性分析补救）。