1. 波动率基础：什么是波动率？历史波动率与隐含波动率的定义与区别

做期权交易这些年，我见过太多人一上来就盯着价格看。其实啊，波动率才是期权定价的灵魂。今天咱们就把这个最基础、也最容易被忽视的概念彻底讲透。

1.1 波动率到底是什么？

说白了，波动率就是资产价格上下跳动的剧烈程度。不是涨跌方向，是幅度。你想想看，一只股票一天涨5%和一天涨0.5%，哪个波动大？显然是前者。

我个人习惯把波动率理解成「市场的情绪温度计」。温度高，说明市场情绪激烈，价格上蹿下跳；温度低，说明市场平静如水。

数学上，它长这样：

σ = √( Σ(Ri - R̄)² / (n-1) )

其中 Ri 是每日收益率，R̄ 是平均收益率，n 是样本数。嗯，这里要注意，我们通常用对数收益率，而不是简单收益率。为什么？因为对数收益率在时间上可加，更符合金融资产的连续复利特性。

1.2 历史波动率：回头看

历史波动率，就是拿过去的数据算出来的波动率。它告诉你「过去发生了什么」。

计算步骤其实不复杂：

1. 取过去N天的收盘价
2. 计算每日对数收益率：ln(Pt / Pt-1)
3. 算这些收益率的标准差
4. 年化处理（乘以√252，因为一年大约252个交易日）

举个例子：

import numpy as np

prices = [100, 102, 101, 105, 103]
returns = np.log(prices[1:] / prices[:-1])
hv = np.std(returns, ddof=1) * np.sqrt(252)
print(f"年化历史波动率: {hv:.2%}")

我在项目中遇到过一个问题：取多少天的数据合适？20天？60天？还是252天？

这其实没有标准答案。短周期（比如20天）对近期变化敏感，但噪音大；长周期（比如252天）更平滑，但反应迟钝。我个人习惯同时看20天和60天两个窗口，对比着用。

1.3 隐含波动率：向前看

隐含波动率就完全不一样了。它不是算出来的，是「反推」出来的。

你把期权当前的市场价格、行权价、到期时间、无风险利率、标的资产价格，一股脑塞进Black-Scholes模型，反解出来的那个波动率，就是隐含波动率。

说白了，隐含波动率是市场参与者对未来波动率的「集体投票结果」。它反映了市场预期。

我曾经犯过一个错：看到隐含波动率很低，就以为未来波动一定小，结果被一波行情打得措手不及。后来我明白了，隐含波动率只是市场预期，预期可能对，也可能错。

1.4 两者的核心区别

咱们用一张表来对比：

维度	历史波动率	隐含波动率
数据来源	历史价格	期权市场价格
计算方式	统计计算	模型反推
代表含义	过去实际波动	未来预期波动
时效性	滞后	实时
交易用途	参考基准	定价与套利

你想想看，如果历史波动率是30%，而隐含波动率是45%，这说明什么？市场预期未来波动会比过去更大。这时候做多波动率（买期权）就要小心了——你可能在支付一个「溢价」。

1.5 波动率套利的底层逻辑

波动率套利的本质，就是利用历史波动率和隐含波动率之间的「价差」。

当隐含波动率显著高于历史波动率时，期权被高估，可以考虑卖出期权做空波动率。反过来，当隐含波动率显著低于历史波动率时，期权被低估，可以考虑买入期权做多波动率。

1.6 知识体系总览

下面这张图，把本章的核心逻辑串起来了：

1.7 实战中的几点体会

最后分享几个我这些年摸爬滚打总结出来的经验：

• 不要迷信单一指标。历史波动率和隐含波动率各有局限，结合起来看才有意义。
• 注意数据频率。日线、小时线、分钟线算出来的波动率差异很大。高频交易用分钟级，中长线用日线就够了。
• 警惕极端行情。2020年3月那次，隐含波动率飙到80%以上，历史波动率才30%。如果你当时做空波动率，会被打得很惨。趋势面前，估值逻辑暂时失效。
• 波动率有聚集效应。高波动之后往往跟着高波动，低波动之后往往跟着低波动。这不是玄学，是统计事实。

嗯，波动率基础就讲到这里。记住一句话：波动率不是风险本身，而是风险的「价格」。理解了这一点，后面的期限结构、偏度、曲面这些东西，你学起来会轻松很多。

---

公众号:蓝海资料掘金营，微信deep3321