波动率

策略介绍：

本策略是104选股策略模板的具体应用

策略流程：

股票池过滤：剔除ST、退市、停牌股

筛选条件：根据标准化后的240日波动率的相反数、标准化后的近7日平均换手率的排名、过去21天量价相关系数，计算得分

排序条件：按得分从高到低

策略回测：持股10只等权重、持仓3天、2021-01-01至2024-04-26

策略源码：

[https://bigquant.com/codeshare/dd0d59e8-7a8c-4789-811c-d43a022d0e36](https://bigquant.com/codeshare/dd0d59e8-7a8c-4

策略源码：

{{membership}}

https://bigquant.com/codeshare/f9260c26-9a8a-406f-bc5d-3f394ce76d73

\

波动率（Volatility）是金融市场中用于衡量资产价格随时间变化的程度。波动率越高，表示资产价格的变动幅度越大，风险也越高。在股票市场中，波动率通常以历史波动率（基于过去的价格变动）或隐含波动率（基于期权定价）来衡量。

BigQuant的金融市场历史数据因子平台以及AI量化策略编写平台（PC端），可以验证波动率指标因子组成的量化策略。

![](/wiki/api/attachments.redirect

ATR即平均真实范围（Average True Range）是由著名的技术分析大师J. Welles Wilder Jr.在1978年提出的，主要用于衡量市场波动性。

ATR是衡量资产价格波动性的指标，表现为价格在一定时间内的平均最大波动范围，主要反映价格波动的强度。

计算方法：

ATR计算基于一定时期内的真实波幅（TR）平均值。

真实波幅（TR）考虑

之前我们说到，凯利公式是解决呈现二项分布的胜率赔率固定的赌博活动的方案，但是交易呈现出的结果远比二项分布要复杂，因此凯利公式能够提供的帮助有限。不过，由于波动率主要是在损失一端造成严重的损害，因此如果使用止损严格的进行限制，只要波动率足够低，那么实际上我们可以近似的使用凯利公式。而且，也只有这种情况下，凯利公式才有一些实践意义。这也同时说明，重仓交易的首要前提，是极低的风险金，而绝非是交易者对未来行情的观点。很多新手在这里有认识的错误，总是认为这一次我很确定，或者说这一次行情会很大，因此我决定重仓交易。这样很容易失败，没有人事先知道交易的成败，能够控制的只有风险金的规模。而如果对风险控制意识淡

导语：资本市场上有诸多风险资产，各有不同的收益率和波动率。为了分散风险，我们一般会同时持有多种不同的资产，但是如何合理地进行配置是个难题。配置不好的话可能不光分散了风险，也对冲没了收益。本文要介绍的，就是著名的现代资产配置（MPT）理论。

作者：肖睿 编辑：宏观经济算命师

本文由JoinQuant量化课堂推出，难度为进阶上，深度为 level-1。

阅读本文需要掌握效用和[风险模型](https://www.joinquant.com/post/1774?f

很多MFE或者MF的课程里，在衍生品对冲或Black Scholes推导中都会介绍一种叫Delta hedging的对冲方式。在这些课程或者书籍里，大家都知道Delta就是期权关于标的资产价格的偏导数，然后做Delta hedging是为了消除掉来自于标的价格的风险。非常多的学生会很浅显的把Delta hedging就当作是个消除标的风险的过程，然后用之来推导BS等formula。

然而在实际的trading里，Delta hedging又是怎么用的呢？今天，我带着大家了解一下很多朋友既熟悉又陌生的Delta hedging。

首先，在我之前的文章讲过，期权区别于一般交易的显著特征就是它的

超预期的低波动率在读下面的文字之前大家闭上眼睛， 想一下低波动率的股票有哪些？ 再思考一下买这些股票的投资组合的收益会是什么样的？ 是高还是低？ 能不能跑赢指数？1。 2 。 3 。。有了一个答案以后我们继续看下去。

旧金融学认为 高风险 意味着高收益， 低风险意味着低收益。 所以那些低波动率股票的投资组合应该获取不到多少的超额收益。但说出来你可能不信，低波动率的表现会比高波动率股票的表现更好。下图是不同因子在老美市场的表现。可以看到， 每种策略都在08 年国际金融危机中受到了不小的冲击，但是无论是危机之前还是危机之后， 低波动率策略表现仅次于多因子策略， 低波动率因子表现比其他单一

期权一直是欧美专业交易团队的秘密武器， 因其结构复杂、交易方式多样而备受推崇。近年来，在对冲基金行业表现低迷的美国，传统的趋势追踪策略收益缩水，但期权策略基金却异军突起，屡屡斩获行业大奖。中国市场继ETF50期权之后，豆粕和白糖期权的上市又给投资者增加了新的兴奋点。目前市场上关于期权交易策略的内容铺天盖地，保护看跌、备兑看涨、垂直/水平价差、跨式/宽跨式组合、蝶式组合、鹰式组合、波动率套利……其中，看起来最神秘、最高深莫测的策略莫过于“波动率套利”策略了，这也是我们在众多专业期权基金和自营交易公司的材料上经常看到的策略。

为什么“波动率套利”这几个字让人总是让人觉得很高冷、有

导语：资本市场上有诸多风险资产，各有不同的收益率和波动率。为了分散风险，我们一般会同时持有多种不同的资产，但是如何合理地进行配置是个难题。配置不好的话可能不光分散了风险，也对冲没了收益。本文要介绍的，就是著名的现代资产配置（MPT）理论。

阅读本文需要掌握效用和风险模型（level-1）的知识。

本文是一系列文章中的第三篇。本系列从基础概念入手，推导出 CAPM 模型。系列中共有四篇：

1. 效用模型
2. [风险模型](https://www.joinquant.com/post/1774?

在现代投资组合理论中，马科维茨首先提出可以使用资产收益序列的标准差来衡量其波动情况，自此以后收益波动率成为最常用的风险度量之一。在传统的资产定价理论中，资产波动率是最重要的参数之一。波动率越大，资产预期收益的不确定性越高，资产公允价格也越高，来作为投资者承担收益不确定性的风险补偿。从我们下文分析结果来看，个股波动率因子暴露度和其未来预期收益总体上存在负相关（详见“IC分析”和“收益分析”），表明投资者更偏好于持有低波动率的个股，而高波动率的个股长期而言并未获得相应的风险补偿。

在上一期多因子检验研究报告中，我们对估值因子进行了系统检验。在本期报告中，我们进一步使用股票量价数据的波动率

预测模型背后的基本思想是指标可能包含可以用来预测前瞻性变量（称为目标变量）的信息。预测模型的任务是寻找和利用任何此类信息。

日期 趋势性 波动率 日回报率

20130214 0.251 1.572 0.144

20130215 0.101 1.778 0.055

20130216 -0.167 2.004 -0.013

假设我们使用几年的数据建立模型，并让它学习如何用前一期的两个指标，趋势性和波动率，来对日回报率进行预测。在机器学习中，这个过程对应的术语称为模型的训练。然后，我们可以利用近期价格计算出当期趋势性等于0.225，波动率等于1.244。基于这些数据，训练的模型能预测出目标

我有个朋友，酷爱主观交易。每每聊天，他经常说，“我这有个好的trade，能有25%的return，比你那个5%的book强多了”。我便和他讲，“你那个交易，动辄回撤30%，我这个日波动率只有2%，我加8倍杠杆都比你安全，回报分分钟到40%”；可能他就是揶揄我，所以这样的对话发生了很多回，他依然乐此不彼。我决定写文章讲讲这回事。

很多主观交易员一直不能理解Sharpe究竟在衡量什么。在传统的语境下，衡量一个对冲基金表现的一直是绝对回报率，比如周一见报的这篇文章，

摘要

在高频观市系列的第一篇报告《量化交易对市场特征有何影响》中，海外研究结果对于高频交易对于市场的影响有分有合。其中高频交易对市场流动性与波动性的影响是争论的重心。因此，我们在本篇报告中将对流动性和波动率这两类微观指标进行构建，并以这两个角度作为切入点对市场进行观察与分析。

指标构建

结合国外研究成果，我们利用日内高频数据构建出一系列刻画流动性与波动率的诸多细分指标，并基于这些指标进一步构建出综合流动性指标与综合波动指标。同时，在上述指标的基础上，利用市场主流宽基指数与行业指数的权重计算出主流指数的各类微观特征。

1. 使用日内tick和level1级别数据，构建微观流

绩效和风险指标被广泛用于评估股票或投资组合的绩效，是投资组合管理的主要组成部分。在这篇文章中，我们将尝试触及一些重要的投资组合和风险指标，这些指标可以让您清楚地了解您的投资业绩和风险。

本文的第一部分着眼于这些常用的性能指标，这些指标使我们能够深入了解交易策略的结构。在本文的第二部分，我们将介绍投资或投资组合中风险管理的一些重要指标。最后一部分通过一个简单的示例简要说明了您的投资组合的策略优化。

为什么我们需要投资组合风险管理？

资产组合的表现是通过一组参数来衡量的。例如，如果您进行股票交易，那么您的回报将与基准指数进行比较。投资组合回报的一致性也被证明是一个重要因素。

期权可能大家都不陌生，这里我带大家捋一捋一些基本的知识点，也带大家了解一些期权交易中的规律和现象。

1，期权的价格由很多个的因素构成，因此它风险的来源也远远多于股票等标的资产。常用的风险来源包括：标的资产价格的方向（Delta），标的资产的波动率大小（vega），标的资产价格的凸性（Gamma），波动率的凸性（volga），时间价值的损耗（Theta），与其他资产的相关性（correlation），以及偏度（skewness）。不论什么市场什么期权，Delta和vega是所有维度中最重要的。其他因素会在其他考量时利用。

2，期权的价值并不和标的股票价格呈线性关系。而是凸函数，如下图所示：

指标介绍

顺势指标（Commodity Channel Index）：简称CCI

所需数据和参数：CCI(high,low,close,tp_per,md_per,const )

指标伪码：

TYP:=(HIGH+LOW+CLOSE)/3;

CCI:(TYP-MA(TYP,tp_per))/(const*AVEDEV(TYP,md_per));

指标含义

[/wiki/static/upload/66/66738cbe-f3d6-4cfe-b4da-2219d83947a3.pdf](/wiki/static/upload/66/66738cbe-f3d6-4cfe

本文来自方正证券研究所于2022年5月30日发布的报告《个股波动率的变动及“勇攀高峰”因子构建——多因子选股系列研究之三》，欲了解具体内容，请阅读报告原文，分析师：曹春晓 S1220522030005。

摘要

在股票市场中，波动率是最受关注的市场变量之一，波动率不仅自身对股票收益率有较大影响，而且对于市场其他驱动因子也存在较强的影响。个股波动率的增大，既有可能预示着风险的加剧，也可能是股价飙升的前兆，而分辨波动率提升是喜是忧的关键在于，波动率加剧的同时收益率有没有随之提高。

本文中我们将参考学术界的做法，使用收益波动比这一指标，来对收益率随波动率的变化程度加以衡量。通过考察

本文来自方正证券研究所于2022年8月4日发布的报告《波动率的波动率与投资者模糊性厌恶——多因子选股系列研究之五》，欲了解具体内容，请阅读报告原文，分析师：曹春晓 S1220522030005。

摘要

波动率是股票市场最常用的风险度量指标之一，同时波动率因子对于其他驱动因子特别是量价类因子存在较为明显的影响。而波动率本身也存在明显波动，Kostopoulos等(2021)提到使用波动率的波动率来刻画波动率的模糊性。研究发现投资者普遍是波动率的模糊性（以下简称模糊性）的厌恶者，当模糊性较大时，投资者会急于卖出股票，减少在风险资产上的配置。

本文我们通过三种方式衡量模糊性较大时

研究结论

如果没有额外的信息或者大资金的强行介入、股票的日内交易特征应该处于较稳定状态，反之如果股票的日内价量特征很不稳定，那么该股票大概率有信息溢出或者被幕后大资金操控，而此时应该是考虑离场的时候了。

我们基于日内5分钟线计算了日内收益率的波动率、偏度、峰度和日内成交量的波动率、偏度、峰度和HHI指数共7个日内交易特征，考虑到时间序列自相关性，我们采用Newey-West调整标准差度量日内交易特征的稳定性（SDRVOL，SDRSKEW，SDRKURT，SDVVOL，SDVSKEW，SDVKURT和SDVHHI）。

7个日内交易特征稳定性因子在各个样本空间均展现出日内交易特

摘要

历史背景

长时间来，学界及业界开发了包括日内估计、GARCH、连续时间模型等近200-300种描述及预测波动率的模型。从交易信号到算法策略，这些模型为许多量化组合提供了极为重要的参考。

预测波动率的重要性

波动率模型为建立交易信号、算法策略、量化组合的分配都提供了重要参考。

波动率预测的难点

对于金融市场上不同类的资产，仅仅一类模型将很难给出一个有效的预测。我们需要对不同的资产标的针对性地使用不同种类的波动率模型来得到可靠的结果。

人工选择合适的模型是一个非常复杂且低效的方法。通过监督性学习算法，我们可以自动化这一过程。同时，通过对一些指标的监

摘要

前言：本篇报告为东吴金工“波动率选股因子”系列研究的第二篇，受到学术界“股价波动与股票信息流”关系理论的启发，从“信息冲击”的角度出发，逐步构建了衡量“股票信息分布均匀度”的选股因子

波动率与信息冲击

学术研究表明，股票价格的波动，与流入股票的信息流直接相关。借鉴前人研究经验，我们提出如下猜想：若股票信息匀速流入市场，则股价的波动相对较小；但若信息流入市场的速度发生剧烈变化，则会造成股价的波动迅速增大。因此，我们认为股价波动率大小的变化幅度，可以用来衡量信息冲击的剧烈程度

信息分布均匀度UID因子

利用个股分钟数据，在计算每日高频波动率的基础上，构建信息分

研究结论

众所周知，波动率具有整体负向的选股效果。但从波动率因子分组收益来看，波动率因子的多空组合主要是空头端贡献的，无论在中证全指还是中证800内，波动率最低的那组长期也是没有超额收益的

我们基于海外对于波动率异像的研究对A股的结果做了综合的测试，主要测试了分析师偏好，基金偏好，投资者彩票偏好，套利非对称性等说法，发现主要还是投资者的彩票偏好（投机行为）导致了波动率异像，而这个投机行为同样存在于投资者对于基金产品的选择上。

此外，我们发现波动率具有套利非对称性，在综合得分较高的优质股中，波动较高的股票在未来一个月有正的超额收益，而波动较低的股票反而超额收益为负；而在得分较低的劣质

摘要

主要观点

从特质波动率出发

所谓特质风险，是系统性风险因子所无法把握的公司层面的自有风险，通常使用特质波动率来刻划特质风险的大小。股票特质波动率与横截面预期收益率之间具有显著的相关性，该现象在中国市场上显著存在。同时，特质波动率还对未来个股相对基准指数偏离程度（包括：正偏离和负偏离）具有良好的预测效果：特质波动率越高的股票，未来相对基准指数的偏离程度越大；而在单调性方面，相比于超额收益，特质波动率在偏离度指标上的IC系数亦得到明显提高。

指数残差波动率

大多数指数难以直接用传统意义上的特质波动率概念对其进行建模，但可以引入相应的残差波动率概念。与特质

摘要

前言：东吴金工推出“波动率选股因子”系列研究，尝试在目前已被广泛使用的传统波动率因子的基础上，进行一系列新的探索。作为系列研究第一篇，本报告受到“波动率聚集现象”的启发，从波动率因子的跨期截面相关性入手，对传统的特质波动率因子，提出一种简单朴素而又效果优秀的改进方案。

传统特质波动率因子

基于Fama-French三因子模型，构建特质波动率因子。回测结果显示，传统特质波动率因子已经具备不错的选股能力，其月度IC均值为-0.059，年化ICIR为-1.78，5分组多空对冲的信息比率为1.48，月度胜率为70.65%；但它与换手率因子相关性较高，且选股能力不如换手率因子，