20130903-广发证券-基于波动率预测的交易策略_17页_2mb

基于波动率预测的交易策略总结

核心内容概述

本报告探讨了基于波动率预测的交易策略，重点分析了波动率的事后估计方法、事前预测模型、择时策略构建以及波动率与收益率关系在不同市场中的表现。研究通过比较多种波动率预测模型的预测偏差，并结合波动率均线交叉策略进行择时，评估了其在股指期货市场中的表现。

主要观点与关键信息

1. 波动率的事后估计方法

• 移动窗口标准差：常见的波动率估计方法是使用移动窗口标准差，但该方法会引入人为的序列相关性。
• 无重叠样本：为消除序列相关性，必须保证样本区间无重叠，这导致波动率估计频率低于收益率数据频率。
• 日频率波动率估计：
  • 方法一：使用日收益率绝对值。
  • 方法二：基于最高最低价进行事后估计，假设为几何布朗运动。
  • 方法三：使用高频数据计算已实现波动率。
• 绝对值估计的局限性：使用日收益率绝对值估计波动率不够精确，其与实际波动率偏差较大。

2. 波动率预测模型分类与效果比较

• 四类模型：
  • 历史波动率模型
  • GARCH 类模型
  • 随机波动率模型
  • 隐含波动率模型
• 效果排序：
  • 隐含波动率模型预测效果最好；
  • 历史波动率模型优于 GARCH 模型；
  • 随机波动率模型相关研究较少。
• 选用模型：由于隐含波动率不可用，本报告选择了简单移动平均、指数平滑移动平均、EWMA 等历史波动率模型。
• 模型表现：
  • 简单移动平均在大部分参数下优于全历史平均；
  • 指数平滑移动平均在 β 取值 0.1~0.7 时预测偏差低于随机游走模型；
  • EWMA 模型预测偏差较大，模型稳定性差，不适用于本报告。

3. 波动率择时策略构建

• 策略原理：使用长短波动率均线交叉作为择时信号，结合策略参数 Dir（多或空）决定买卖方向。
• 参数优化：采用逐步外推优化方式，每20个交易日优化一次参数，最终确定策略参数。
• 策略表现：
  • 在2011/1/1至2013/7/31期间，该策略获得 58% 的总收益，夏普比率为 0.95；
  • 策略参数 Dir 始终为“多”，即短均线上穿时应做多，与传统“波动率与收益率负相关”的观点不同。

4. 波动率与收益率关系的市场比较

• 沪深300股指期货：除2009年外，均表现为短期波动率扩大时应做多。
• 其他市场：恒生综合指数、日经指数、标普500 等市场中，波动率与收益率的关系较为混乱，有时应做多，有时应做空，缺乏统一规律。

策略有效性与风险提示

策略有效性

• 该策略在沪深300股指期货上表现良好，年化收益率为 19.38%，夏普比率为 0.95。
• 通过不同参数优化，策略在纯外推区间内仍能保持一定收益。
• 但策略在不同市场中的表现差异较大，说明市场特性对策略有效性有显著影响。

风险提示

• 本报告中的模型和结论是基于对复杂现实市场的简化和抽象，无法完全反映实际市场环境或准确预测未来。
• 策略参数和模型假设可能存在偏差，实际应用中需谨慎评估和调整。

图表与数据支持

• 图1：展示股指期货主力合约波动率的移动窗口估计。
• 图2：展示每20个交易日一次的波动率事后估计。
• 图4：对比不同方法估计的日波动率。
• 图6～图8：展示简单移动平均、指数平滑移动平均、EWMA 模型的预测偏差。
• 图9：展示各模型在逐步外推最优参数下的预测偏差对比。
• 图10：展示波动率均线交叉择时策略在纯外推区间内的效果。
• 图11：展示短均线上穿时做多或做空的收益分布。
• 图12～图15：展示沪深300、恒生综合指数、日经指数、标普500 等市场中波动率与收益率关系的检验结果。

结论

本报告指出，波动率与收益率的关系并非如传统观点所认为的负相关，尤其在沪深300指数中，短期波动率扩大时应做多。基于简单移动平均的波动率择时策略在特定市场中表现良好，但需注意其在不同市场中的适用性存在差异。同时，报告强调模型的假设和简化可能影响策略的准确性与可靠性，需在实际应用中进行进一步验证与调整。