波动率基础与度量方法

各位同学，咱们今天聊波动率。说实话，这东西在国债期货做市里，比价格本身还重要。你想想看，价格是表面，波动率才是灵魂。我做了这么多年量化，见过太多人盯着价格看，结果被波动率坑得血本无归。

今天这一章，咱们把波动率的几个核心概念掰开揉碎。历史波动率、已实现波动率、隐含波动率，还有那个让人又爱又恨的波动率微笑和期限结构。嗯，内容不少，但都是基本功。

一、波动率到底是什么？

先问个问题：波动率是啥？说白了，就是资产价格变动的剧烈程度。国债期货一天波动0.1%算正常，但要是突然跳到0.5%，那你就得小心了。

我个人习惯把波动率分成三类：

• 历史波动率：过去的数据算出来的，像后视镜
• 已实现波动率：高频数据算出来的，更精细
• 隐含波动率：从期权价格反推的，反映市场预期

这三者各有各的用处。做市的时候，我经常拿历史波动率当基准，用已实现波动率做风控，再拿隐含波动率判断市场情绪。缺一个都不行。

二、历史波动率的计算

历史波动率，说白了就是过去一段时间价格波动的标准差。公式很简单：

σ = sqrt( 1/(n-1) * Σ(ln(P_t / P_{t-1}) - μ)² )

其中P_t是t时刻的价格，μ是对数收益率的均值。嗯，这里要注意，我们用的是对数收益率，不是简单收益率。为什么？因为对数收益率可加，而且更符合正态分布假设。

我在项目中遇到过一个问题：用日数据算历史波动率，结果发现跟实际交易对不上。后来才发现，日数据太粗糙了。你想想看，一天之内价格可能波动好几次，但日收盘价只记录一个点。所以，我建议做市的时候至少用30分钟或1小时的数据。

三、已实现波动率

已实现波动率，这个更高级一点。它用的是高频数据，比如每5分钟或每1分钟的价格。公式是：

RV = sqrt( Σ(r_i²) )

其中r_i是每个时间间隔的对数收益率。注意，这里没有减去均值，因为高频数据下均值趋近于0。

我记得有一次做回测，用日数据算的波动率跟实际交易成本对不上。后来换成已实现波动率，一下子就准了。为什么？因为做市商赚的是高频的价差，低频数据根本捕捉不到。

四、隐含波动率

隐含波动率，这个就有点玄学了。它是从期权价格反推出来的。你想想看，期权价格是市场交易出来的，那隐含波动率就是市场对未来的预期。

公式？其实没有显式公式。BS模型里，波动率是输入，价格是输出。隐含波动率就是反过来：给定价格，反推波动率。一般用牛顿迭代法或者二分法。

# 二分法求隐含波动率
def implied_volatility(price, S, K, T, r, option_type):
    low, high = 0.01, 2.0
    for _ in range(100):
        mid = (low + high) / 2
        est_price = bs_price(S, K, T, r, mid, option_type)
        if est_price > price:
            high = mid
        else:
            low = mid
    return (low + high) / 2

这段代码看起来简单，但实际用的时候要注意收敛速度。我一般用牛顿法，但初始值要选好，不然容易发散。

五、波动率微笑与期限结构

这两个概念，是波动率模型的核心。咱们先看微笑。

波动率微笑：不同行权价的期权，隐含波动率不一样。一般来说，平值期权波动率最低，两边高。为什么？因为市场预期极端行情发生的概率比正态分布高。

国债期货的波动率微笑，跟股票不太一样。国债的尾部风险小一些，所以微笑没那么明显。但做市的时候，还是要关注。我记得有一次，国债期货的波动率微笑突然变得很陡，结果第二天就出了个重大政策。嗯，市场提前反应了。

波动率期限结构：不同到期日的期权，隐含波动率也不一样。一般来说，短期波动率高，长期波动率低。但也有倒挂的时候，比如市场预期近期有大波动。

我建议做市的时候，每天都要看波动率期限结构。如果发现异常，比如短期波动率突然飙升，那就要调整做市策略了。

六、知识体系图

下面这张图，是我自己画的波动率知识体系。你看一眼，就能明白今天讲的内容是怎么串起来的。

七、总结与实战建议

好了，今天的内容就这些。咱们回顾一下：

• 历史波动率看过去，已实现波动率看当下，隐含波动率看未来
• 计算的时候注意数据频率和窗口期
• 波动率微笑和期限结构，是市场情绪的晴雨表

我个人建议，刚开始做市的时候，先把历史波动率和已实现波动率搞明白。隐含波动率可以慢慢来，但一定要理解它的含义。我曾经见过一个新手，把隐含波动率当成了历史波动率来用，结果亏了不少。嗯，这个坑你们别踩。

最后说一句：波动率这东西，看似简单，实则深不见底。但只要你把基础打牢了，后面的模型和策略就水到渠成。