Студопедия — Расчет волатильности
Студопедия Главная Случайная страница Обратная связь

Разделы: Автомобили Астрономия Биология География Дом и сад Другие языки Другое Информатика История Культура Литература Логика Математика Медицина Металлургия Механика Образование Охрана труда Педагогика Политика Право Психология Религия Риторика Социология Спорт Строительство Технология Туризм Физика Философия Финансы Химия Черчение Экология Экономика Электроника

Расчет волатильности






Один из важных параметров, который трейдер, желающий использовать опи­сываемые в этой главе концепции, должен ввести, — это волатильность. Су­ществует два способа определения волатильности. Первый — использование оценки на основе рыночных данных — дает подразумеваемую волатильность. Модели ценообразования опционов, представленные в этой главе, использу­ют волатильность в качестве одного из своих входных параметров для получе­ния справедливой теоретической цены опциона. Подразумеваемая волатиль­ность основывается на предположении, что рыночная цена опциона эквива­лентна его справедливой теоретической цене. Волатильность, которая дает справедливую теоретическую цену, равную рыночной цене, и есть подразуме­ваемая волатильность. Второй метод расчета волатильности основывается на использовании исто­рических данных. Полученная таким образом историческая волатильность оп­ределяется фактической ценой базового инструмента. Хотя волатильность в ка­честве входного данного в модели ценообразования опционов выражается в го­довых процентах, при ее определении используется более короткий временной отрезок, обычно 10-20 дней, а получившийся в результате ответ переводится в годовое значение.

Ниже показан расчет 20-дневной годовой исторической волатильности.

Шаг 1. Разделите сегодняшнее закрытие на предыдущее закрытие ры­ночного дня.

 

Шаг 2. Возьмите натуральный логарифм частного, полученного в шаге 1. Для примера рассчитаем годовую историческую волатильность японской йены на март 1991 года. При написании даты будем использовать формат (год/месяц/день). Закрытие 910225, равное 74,52, разделим на закрытие 910222, равное 75,52.

74,82 / 75,52 = 0,9907309322 Натуральный логарифм 0,9907309322 равен 0,009312258.

 

Шаг 3. По истечении 21 дня у вас будет 20 значений для шага 2. Теперь рас­считайте 20-дневную скользящую среднюю значений из шага 2.

 

Шаг 4. Найдите 20-дневную дисперсию выборки данных из шага 2. Для этого необходима 20-дневная скользящая средняя (см. шаг 3). Далее, для каждого из 20 последних дней вычтем скользящую среднюю из значе­ний шага 2. Теперь возведем в квадрат полученные значения, чтобы преобразовать все отрицательные ответы в положительные. После этого сложим все значения за последние 20 дней. Наконец, разделим найденную сумму на 19 и получим дисперсию по выборке данных за последние 20 дней. 20-дневная дисперсия для 901226 составляет 0,00009. Подобным об­разом вы можете рассчитать 20-дневную дисперсию для любого дня.

 

Шаг 5. После того как вы определили 20-дневную дисперсию для конкрет­ного дня, необходимо преобразовать ее в 20-дневное стандартное от­клонение. Это легко сделать путем извлечения квадратного корня из дисперсии. Таким образом, для 901226 квадратный корень дисперсии (которая, как было показано, равна 0,00009) даст нам 20-дневное стандартное отклонение 0,009486832981.

Шаг 6. Теперь преобразуем полученные данные в «годовые». Так как мы используем дневные данные и исходим из того, что по йене в году 252 торговых дня (примерно), умножим ответы из шага 5 на квад­ратный корень 252, то есть на 15,87450787. Для 901226 20-дневное стандартное отклонение по выборке составляет 0,009486832981. Умножив его на 15,87450787, получаем 0,1505988048. Это значе­ние является исторической волатильностью, в нашем случае — 15,06%, и оно может быть использовано в качестве входного зна­чения волатильности в модели ценообразования опционов Блэка-Шоулса.

Следующая таблица показывает шаги, необходимые для нахождения 20-дневной «годовой» исторической волатильности. Заметьте, что промежуточные шаги для определения дисперсии, которые были показаны в предыдущей таблице, сюда не включены.

 

А Дата В Закрытие С LN изменений D 20-дневная средняя Е 20-дневная дисперсия F 20-дневное стандартное отклонение G Годовое значение F * 15,87451
  77,96                    
  76,91 -0,0136                
  74,93 -0,0261                
  75,37 0,0059                
  74,18 -0,0159                
  74,72 0,0073                
  74,57 -0,0020                
  75,42 0,0113                
  76,44 0,0134                

 

торгуете без опционов и рассматриваете торговлю как не ограниченную во вре­мени, ваш реальный риск банкротства равен 1. При таких условиях вы неми­нуемо разоритесь, что вполне согласуется с уравнениями риска банкротства, поскольку в них в качестве входных переменных используются эмпирические данные, то есть входные данные в уравнениях риска банкротства основывают­ся на ограниченных наборах сделок. Утверждение о гарантированном банкрот­стве при бесконечно долгой игре с неограниченной ответственностью делает­ся с позиций параметрического подхода. Параметрический подход учитывает большие проигрышные сделки, которые расположены в левом хвосте распре­деления, но еще не произошли, поэтому они не являются частью ограничен­ного набора, используемого в качестве входных данных в уравнениях риска банкротства. Для примера представьте себе торговую систему, в которой применяется по­стоянное количество контрактов. В каждой сделке используется 1 контракт. Что­бы узнать, каким может стать баланс через Х сделок, мы просто умножим Х на среднюю сделку. Таким образом, если система имеет среднюю сделку 250 долла­ров и мы хотим знать, каким может стать баланс через 7 сделок, мы $250 умножим на 7 и получим $1750. Отметьте, что кривая арифметического математического ожидания задается линейной функцией. Любая сделка может принести убыток, который отбросит нас назад (времен­но) от ожидаемой линии. В такой ситуации есть предел проигрыша по сделке. Так как наша линия всегда выше, чем самая большая сумма, которую можно проиг­рать за сделку, мы не можем обанкротиться сразу. Однако длинная проигрышная полоса может отбросить нас достаточно далеко от этой линии, и мы не сможем продолжить торговлю, то есть обанкротимся. Вероятность подобного развития событий уменьшается с течением времени, когда линия ожидания становится выше. Уравнение риска банкротства позволяет рассчитать вероятность банкрот­ства еще до того, как мы начнем торговать по выбранной системе. Если бы мы торговали в такой системе на основе фиксированной доли счета, линия загибалась бы вверх, становясь после каждой сделки все круче. Однако проигрыш всегда сопоставим с тем, насколько высоко мы находимся на линии. Таким образом, вероятность банкротства не уменьшается с течением времени. В теории, однако, риск банкротства при торговле фиксированной долей счета мож­но сделать равным нулю, если торговать бесконечно делимыми единицами. К ре­альной торговле это не применимо. Риск банкротства при торговле фиксирован­ной долей счета всегда немного выше, чем в этой же системе при торговле на ос­нове постоянного количества контрактов. В действительности, нет верхнего предела суммы, которую вы можете проиг­рать за одну сделку; кривые состояния счета могут снизиться до нуля за одну сделку независимо от того, насколько высоко они расположены. Таким обра­зом, если мы торгуем бесконечно долгий период времени инструментом с нео­граниченной ответственностью, постоянным количеством контрактов или фиксированной долей счета, риск банкротства составляет 1. Банкротство гаран­тировано. Единственный способ избежать такого развития событий — поста­вить ограничение на максимальный проигрыш. Этого можно достичь, исполь­зуя опционы, когда позиция относится в дебет (если трейдер платит за премию больше, чем получает, то разница между уплаченной и полученной суммами на­зывается «дебет»)1.







Дата добавления: 2015-10-12; просмотров: 361. Нарушение авторских прав; Мы поможем в написании вашей работы!



Обзор компонентов Multisim Компоненты – это основа любой схемы, это все элементы, из которых она состоит. Multisim оперирует с двумя категориями...

Композиция из абстрактных геометрических фигур Данная композиция состоит из линий, штриховки, абстрактных геометрических форм...

Важнейшие способы обработки и анализа рядов динамики Не во всех случаях эмпирические данные рядов динамики позволяют определить тенденцию изменения явления во времени...

ТЕОРЕТИЧЕСКАЯ МЕХАНИКА Статика является частью теоретической механики, изучающей условия, при ко­торых тело находится под действием заданной системы сил...

ТЕОРИЯ ЗАЩИТНЫХ МЕХАНИЗМОВ ЛИЧНОСТИ В современной психологической литературе встречаются различные термины, касающиеся феноменов защиты...

Этические проблемы проведения экспериментов на человеке и животных В настоящее время четко определены новые подходы и требования к биомедицинским исследованиям...

Классификация потерь населения в очагах поражения в военное время Ядерное, химическое и бактериологическое (биологическое) оружие является оружием массового поражения...

Индекс гингивита (PMA) (Schour, Massler, 1948) Для оценки тяжести гингивита (а в последующем и ре­гистрации динамики процесса) используют папиллярно-маргинально-альвеолярный индекс (РМА)...

Методика исследования периферических лимфатических узлов. Исследование периферических лимфатических узлов производится с помощью осмотра и пальпации...

Роль органов чувств в ориентировке слепых Процесс ориентации протекает на основе совместной, интегративной деятельности сохранных анализаторов, каждый из которых при определенных объективных условиях может выступать как ведущий...

Studopedia.info - Студопедия - 2014-2024 год . (0.013 сек.) русская версия | украинская версия