第4章已实现波动率

第四节：已实现波动率——从理论到实战的桥梁

各位同学，今天我们来聊聊已实现波动率。说实话，这个指标是我在实盘中最依赖的工具之一。它不像隐含波动率那样带着市场情绪的「滤镜」，也不像历史波动率那样滞后。已实现波动率，说白了就是「过去一段时间，价格到底动了多少」——用高频数据算出来的真实波动。

我个人习惯把已实现波动率叫做「市场的脚印」。你想想看，如果脚印又大又乱，说明市场情绪激烈；如果脚印整齐划一，那可能就是机构在控盘。嗯，咱们先别急，一步步来拆解。

先看最基础的定义。假设我们在一天内采集了 n+1 个价格点，得到 n 个对数收益率：

r_i = ln(P_i / P_{i-1})   (i = 1, 2, ..., n)

那么已实现方差（RV）就是这些收益率的平方和：

RV = Σ r_i²

已实现波动率（RVOL）就是它的平方根：

RVOL = sqrt(RV)

是不是很简单？但这里有个坑——采样频率怎么选。我刚开始做量化时，傻乎乎地用了 tick 级数据，结果算出来的波动率大得离谱。后来才明白，微观结构噪声会把信号淹没掉。

核心公式（年化版）：

RV_annual = sqrt( Σ r_i² × N_year )

其中 N_year 是一年内的采样次数。比如5分钟数据，一天约288个，一年约72000个。

这里我要分享一个实战经验。我曾经在某个商品期货上做波动率套利，一开始用1分钟数据算 RV，结果回测曲线漂亮得不像话。但实盘一跑，直接亏了3%。为什么？因为1分钟数据里包含了太多买卖价差反弹（bid-ask bounce）——价格在买一和卖一之间来回跳，算出来的波动率虚高。

后来我改用5分钟采样，效果就好多了。这里有个经验法则：

为什么会这样？其实跟市场微观结构有关。高频数据里，每一笔成交都带着「摩擦成本」——买卖价差、订单簿深度变化、大单拆单等等。这些微观结构噪声，在低频数据里会被平均掉，但在高频数据里会被放大。

我的避坑指南：

我曾经在回测中用过1秒级别的数据，结果RV算出来比实际波动高了40%。后来我加了一个简单的中位数滤波器，把异常跳点去掉，才把误差压到5%以内。记住：高频数据一定要做预处理。

你以为已实现波动率就是个普通的时间序列？错了。它的统计特征非常有意思，我总结了几点：

长记忆性：今天的波动率高，明天大概率也高。这不是玄学，是实证结果。我见过一个极端案例——某只股票连续5天高波动，第6天才突然安静下来。
厚尾分布：RV的分布不是正态的，而是右偏的。也就是说，极端高波动事件比正态分布预测的要频繁得多。嗯，这跟金融市场的「黑天鹅」特征一脉相承。
日内U型模式：开盘和收盘时波动率最高，中午最低。我做过一个统计，A股上午9:30-10:00的波动率，大约是下午1:00-2:00的1.8倍。这个模式在做日内套利时非常有用。
杠杆效应：价格下跌时波动率上升，价格上涨时波动率下降。说白了，市场恐慌时波动更大，贪婪时反而平稳。

你想想看，这些特征意味着什么？意味着我们不能用简单的AR模型去预测RV。我个人习惯用HAR-RV模型（异质自回归模型），它把日、周、月的RV都考虑进去，效果比普通AR好得多。

注意：已实现波动率不是「真实波动」的完美估计。它受采样频率、微观结构噪声、隔夜跳空等因素影响。我见过有人直接用5分钟RV做期权定价，结果偏差很大——因为隔夜跳空没算进去。建议加上隔夜收益率的调整项。

下面这张SVG图，是我自己梳理的已实现波动率知识框架。你可以把它当作学习地图：

最后，我把自己在实盘中踩过的坑总结一下，希望能帮你少走弯路：

采样频率不是越高越好。我见过有人用毫秒级数据算RV，结果全是噪声。建议先用5分钟数据试水，再根据品种流动性调整。
隔夜跳空必须处理。A股有涨跌停板，隔夜跳空有时能达到5%。如果不处理，RV会系统性偏低。我一般用「开盘价/前收盘价」算一个隔夜收益率，加到当天的RV里。
注意数据清洗。高频数据里经常有异常值——比如某笔成交价比前一笔低了10%。这种数据不剔除，RV会虚高。我习惯用3倍中位数绝对偏差（MAD）来过滤。
RV不是万能的。它只能反映已发生的波动，不能预测未来。做套利时，一定要结合隐含波动率一起看——当IV远高于RV时，才是入场时机。

一个小技巧：如果你用Python做RV计算，建议用numpy的向量化操作，别用for循环。我试过，100万行数据，向量化只要0.3秒，循环要30秒。代码示例如下：

import numpy as np
prices = np.array([...])  # 价格序列
log_returns = np.diff(np.log(prices))
rv = np.sum(log_returns**2)
rvol = np.sqrt(rv)

好了，关于已实现波动率的基础内容就讲到这里。记住一句话：采样频率决定信号质量，统计特征决定建模方向。下一节我们会深入讨论如何用RV做波动率套利策略，到时候会用到今天讲的所有知识点。

公众号:蓝海资料掘金营，微信deep3321