波动率度量：三种核心指标的实战对比

做利率债做市，波动率就是我们的「心跳」。心跳太快或太慢，都意味着市场在发生某种变化。今天我来聊聊三种最常用的波动率度量方式：历史波动率、隐含波动率、已实现波动率。这三兄弟各有各的脾气，搞懂了它们，你就能更好地把握市场节奏。

1. 历史波动率：后视镜里的风景

历史波动率，说白了就是「过去N天价格波动的标准差」。它是最直观、最容易计算的指标。我个人习惯用20个交易日作为窗口期，因为一个月大概有20个交易日，这个周期能较好地反映中期波动特征。

计算公式其实很简单：

# 计算对数收益率
import numpy as np

def historical_volatility(prices, window=20):
    log_returns = np.log(prices / prices.shift(1))
    hv = log_returns.rolling(window).std() * np.sqrt(252)
    return hv

嗯，这里要注意一个细节：为什么要乘以根号252？因为我们要把日波动率年化。252是一年的交易日数。我在项目中遇到过有人直接用日波动率去对比年化隐含波动率，结果对不上，白白浪费了半天排查时间。

2. 隐含波动率：市场情绪的体温计

隐含波动率是从期权价格反推出来的。它反映的是市场对未来波动的一致预期。你想想看，如果大家都在抢着买期权，期权价格就会上涨，隐含波动率自然就高了。

计算隐含波动率需要用到数值方法，比如牛顿迭代法：

from scipy.stats import norm
from scipy.optimize import brentq

def implied_volatility(option_price, S, K, T, r, option_type='call'):
    def bs_price(sigma):
        d1 = (np.log(S/K) + (r + 0.5*sigma**2)*T) / (sigma*np.sqrt(T))
        d2 = d1 - sigma*np.sqrt(T)
        if option_type == 'call':
            return S*norm.cdf(d1) - K*np.exp(-r*T)*norm.cdf(d2)
        else:
            return K*np.exp(-r*T)*norm.cdf(-d2) - S*norm.cdf(-d1)
    
    try:
        iv = brentq(lambda s: bs_price(s) - option_price, 0.001, 2.0)
        return iv
    except:
        return np.nan

我曾经在国债期货期权上吃过亏。当时隐含波动率突然飙升到历史高位的1.5倍，我以为是市场恐慌，赶紧做空了波动率。结果第二天央行意外降息，波动率继续飙升，我被打脸了。后来我学乖了：隐含波动率飙升时，先别急着下结论，要结合宏观事件来判断。

3. 已实现波动率：最真实的「当下」

已实现波动率是用高频数据算出来的。比如用5分钟级别的收益率数据，计算一天的波动率。它比历史波动率更「新鲜」，能捕捉到日内波动的细节。

计算方式如下：

def realized_volatility(prices, freq='5min'):
    # 假设prices是5分钟级别的价格序列
    log_returns = np.log(prices / prices.shift(1))
    rv = np.sqrt(np.sum(log_returns**2))
    # 年化处理
    rv_annual = rv * np.sqrt(252 * (6.5*60/5))  # 6.5小时交易时间
    return rv_annual

为什么用5分钟？太短了会有微观结构噪声，太长了又丢失信息。我个人习惯用5分钟作为基准，但在关键数据公布前后，会切换到1分钟级别来捕捉瞬时波动。

4. 三种波动率的对比：谁更靠谱？

我整理了一个对比表，方便你快速理解：

指标	数据来源	时间视角	优点	缺点
历史波动率	历史价格	过去	计算简单，稳定	滞后，无法反映突变
隐含波动率	期权价格	未来	前瞻性强	受流动性影响大
已实现波动率	高频价格	当下	实时性强	对数据频率敏感

你可能会问：那到底该用哪个？我的答案是：全都要。做市商不是分析师，不能只盯着一个指标。我自己的做法是：

• 日常做市：以已实现波动率为基准，动态调整价差
• 风险监控：用历史波动率设定阈值，超过2倍标准差就预警
• 策略调整：参考隐含波动率，判断市场情绪是否过热或过冷

5. 知识体系框架

下面这张图是我自己梳理的波动率度量体系，你可以把它当作一个「作战地图」：