Replicating the CBOE VIX using a synthetic volatility index trading algorithm
https://www.tandfonline.com/doi/full/10.1080/23322039.2019.1641063歷史隨機波動率模擬（Stochastic SVIX）方法：Cary & van Vuuren（2019）提出，利用標的資產的隨機模型（如 GARCH 類或 Monte Carlo 模型）模擬未來方差，並將其映射至 0–100% 區間，即得 SVIX。
本質說明：其 Stochastic SVIX 並非直接提取選擇權 (options) 隱含波動率，而是：
1. 以 K 線估計隨機波動率模型（如 GARCH, Heston, GARCH, EGARCH, Stochastic Volatility... 等）
2. 由今日起模擬未來 30 天的價格路徑，計算每條路徑的年化方差
3. 平均後映射至 0–100，形成 SVIX
4. 僅需 K 線資料即可建構「預期波動率」指標
模型推薦排序與理據
a. 若追求準確與靈活性 → 優先採用 SV 模型
b. 若求次佳但計算輕量 → 考慮 EGARCH
c. 若以簡便為主，可從 GARCH(1,1) 入手
最後的程式實作採用 SV (Stochastic Volatility) 模型, 並以XS script 寫成, 且提供75600筆分K資料做在地化的參數重置, 執行在XQ軟體, 用15分K線系統呈現如下:
另有製作一個告警旗標 (藍色粗線): 由 -1 拉升至 +1 (警報響起); 由 +1 回落至 -1 (警報解除)
上圖: 告警旗標在 2025/03/28 10:30 警報響起 (預期波動率變大)
警報時間完整涵蓋此次川普製造的漲停與跌停區間
以前文章說過: 價差絕對不是某些老師講一定要的紀律, 而是因每個人的條件不同, 該用的時候就用, 不該用的時候就不用 -> 視需求做價差(spread on demand)
模型類型 | 說明 |
SV 模型 | 最靈活、具隨機波動處理能力、預測誤差最小 |
EGARCH | 能處理槓桿效應與負面衝擊放大、無零界約束 |
GARCH | 基本模型，結構簡單，適合入門應用 |
b. 若求次佳但計算輕量 → 考慮 EGARCH
c. 若以簡便為主，可從 GARCH(1,1) 入手
最後的程式實作採用 SV (Stochastic Volatility) 模型, 並以XS script 寫成, 且提供75600筆分K資料做在地化的參數重置, 執行在XQ軟體, 用15分K線系統呈現如下:
另有製作一個告警旗標 (藍色粗線): 由 -1 拉升至 +1 (警報響起); 由 +1 回落至 -1 (警報解除)
上圖: 告警旗標在 2025/03/28 10:30 警報響起 (預期波動率變大)
警報時間完整涵蓋此次川普製造的漲停與跌停區間
以前文章說過: 價差絕對不是某些老師講一定要的紀律, 而是因每個人的條件不同, 該用的時候就用, 不該用的時候就不用 -> 視需求做價差(spread on demand)
由於有這告警系統的幫助, 可以讓你輕鬆達到 "視需求做價差(spread on demand)" 的目標
下圖: 告警旗標在 2025/04/11 13:30 警報解除 (預期波動率變小)
0 comments :
張貼留言