第2章隐含波动率与历史波动率

2. 隐含波动率与历史波动率：定义、计算方式、差异分析、在套利中的应用

波动率套利，说白了就是赌「波动率」本身的价格错了。但这里有个关键问题——波动率不是一个可以直接看到的东西。我们得先搞清楚两个概念：历史波动率和隐含波动率。这两个词，我做了这么多年交易，发现很多人其实没真正理解它们的区别。

嗯，咱们一个一个来拆。

2.1 历史波动率：过去的事，已经定了

历史波动率（Historical Volatility, HV），也叫已实现波动率。它衡量的是过去一段时间里，资产价格实际波动的剧烈程度。说白了，就是「已经发生了的波动」。

计算方式：

我个人习惯用对数收益率的标准差来算。公式不复杂：

1. 取每日收盘价，计算对数收益率：
   r_i = ln(P_i / P_{i-1})

2. 计算这些收益率的标准差：
   σ = sqrt( (1/(n-1)) * Σ(r_i - r̄)² )

3. 年化处理（假设252个交易日）：
   HV_annual = σ * sqrt(252)

举个例子，我拿沪深300指数过去30天的数据算一下：

import numpy as np
import pandas as pd

# 模拟数据
prices = [4000, 4020, 3980, 4010, 4050, 4030, 3990, 3970, 4000, 4040]
returns = np.log(prices[1:] / prices[:-1])
hv_30d = np.std(returns, ddof=1) * np.sqrt(252)

print(f"30日历史波动率: {hv_30d:.2%}")

输出大概是 15%-25% 之间，具体看市场状态。

我的经验： 历史波动率有个坑——窗口期选多长很关键。20天太短，噪音大；252天太长，反应太慢。我一般用30天和60天两个窗口对照着看。

2.2 隐含波动率：市场在赌什么？

隐含波动率（Implied Volatility, IV）就完全不一样了。它不是算出来的，而是从期权价格里「反推」出来的。你想想看，期权价格是市场交易出来的，里面包含了大家对未来波动的预期。把这个预期反解出来，就是隐含波动率。

怎么反推？

用Black-Scholes模型。已知期权价格、标的价格、行权价、到期时间、无风险利率，就一个未知数——波动率。用牛顿迭代法或者二分法，把这个波动率解出来。

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

def bs_call_price(S, K, T, r, sigma):
    d1 = (np.log(S/K) + (r + 0.5*sigma**2)*T) / (sigma*np.sqrt(T))
    d2 = d1 - sigma*np.sqrt(T)
    return S*norm.cdf(d1) - K*np.exp(-r*T)*norm.cdf(d2)

def implied_volatility(market_price, S, K, T, r):
    # 用二分法反推隐含波动率
    f = lambda sigma: bs_call_price(S, K, T, r, sigma) - market_price
    return brentq(f, 0.01, 2.0)  # 波动率范围1%-200%

# 假设市场价5.2元，S=100, K=100, T=30天, r=3%
iv = implied_volatility(5.2, 100, 100, 30/365, 0.03)
print(f"隐含波动率: {iv:.2%}")

注意： 隐含波动率不是「真实波动率」，它是市场情绪的映射。我曾经见过一个极端案例——财报前IV飙到80%，但实际波动只有30%。如果你按IV去定价，会亏得很惨。

2.3 差异分析：为什么它们总是不一样？

历史波动率和隐含波动率，就像「后视镜」和「挡风玻璃」。一个看过去，一个看未来。它们之间的差值，就是套利空间。

核心差异点：

数据来源不同： HV来自标的价格历史数据，IV来自期权市场交易价格
时间属性不同： HV是向后看的，IV是向前看的
影响因素不同： HV只受价格波动影响，IV还受供需、情绪、事件预期影响
稳定性不同： HV相对平滑，IV容易受突发事件冲击

我举个例子你就明白了。2020年3月，美股熔断那会儿，标普500的HV飙到80%以上，但IV更高，接近100%。为什么？因为市场恐慌，大家觉得未来还会更糟。这就是典型的「恐慌溢价」。

  关键结论： 当IV显著高于HV时，期权被高估；当IV显著低于HV时，期权被低估。这就是波动率套利的基础。

2.4 在套利中的应用：怎么赚钱？

波动率套利的核心逻辑很简单：做多被低估的波动率，做空被高估的波动率。但具体怎么操作？

策略一：IV-HV 差值回归

我记得2019年做A股50ETF期权时，发现一个规律：当IV比HV高出15个百分点以上时，大概率会在1-2周内回归。这时候我会卖出跨式期权（Straddle），做空波动率。

# 伪代码示例
if (iv - hv) > 0.15:
    # 卖出平值看涨和看跌期权
    sell_call(strike=at_price, quantity=1)
    sell_put(strike=at_price, quantity=1)
    # 设置止损：如果IV继续扩大5%，平仓
    stop_loss = iv + 0.05

策略二：事件驱动套利

财报、议息会议、大选前，IV通常会飙升。但历史数据显示，大部分事件的实际波动并没有预期那么大。这时候可以做空IV，等事件落地后IV回落。

我曾经在2021年美联储议息会议前做过一次：

会议前3天，IV从18%涨到28%
我卖出了宽跨式期权（Iron Condor）
会议结果符合预期，IV两天内跌回20%
赚了约8%的波动率溢价

避坑指南： 我曾经犯过一个错误——只看IV-HV的差值，没考虑趋势。如果IV在上升趋势中，即使差值很大，做空也可能被继续拉升打爆。一定要结合波动率期限结构来判断。

2.5 知识体系图

下面这张图，把整个逻辑串起来了：

这张图把整个逻辑讲清楚了。从HV和IV的定义出发，到它们的计算方式，再到差异分析，最后落到套利应用上。每一步都是环环相扣的。

  一句话总结： 历史波动率是「已经发生的」，隐含波动率是「市场预期的」。套利就是赌这两个之间的差距会收敛。

嗯，这一章的内容就到这儿。记住，波动率套利不是无风险的，它只是「统计套利」的一种。你永远不知道黑天鹅什么时候来。所以，仓位管理、止损纪律，比策略本身更重要。

📚 课程目录

2. 隐含波动率与历史波动率：定义、计算方式、差异分析、在套利中的应用

2.1 历史波动率：过去的事，已经定了

2.2 隐含波动率：市场在赌什么？

2.3 差异分析：为什么它们总是不一样？

2.4 在套利中的应用：怎么赚钱？

2.5 知识体系图