σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyRoadmapsSkills
Ctrl K
AO
+1,2 Tsd. Lernende
AnmeldenBeitreten ↗
RoadmapsSkills
AO
+1,2 Tsd. Lernende
Anmelden
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyRoadmapsSkills
Ctrl K
AO
+1,2 Tsd. Lernende
AnmeldenBeitreten ↗
RoadmapsSkills
AO
+1,2 Tsd. Lernende
Anmelden
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Time Series-Skill›Modul 3 · Volatilität›Thema 3.3·~55 Min.Fortgeschritten

Schätzer der realisierten Volatilität

Position in der SkillModul 3 von 5 · Thema 3 von 3
3.3 Schätzer der realisierten Volatilität
—Lab-Punkte— / 100XP gesamt—Serie—

Eine unsichtbare Volatilität messen

Volatilität wird nie direkt beobachtet, nur geschätzt. Der einfachste Schätzer ist Close-to-Close: die Standardabweichung der täglichen logarithmischen Renditen, annualisiert durch Multiplikation mit 252\sqrt{252}252​. Er nutzt eine Zahl pro Tag und ignoriert alles zwischen Eröffnung und Schluss. Mit Intraday-Kursen geht es viel besser. Die realisierte Varianz eines Tages ist die Summe seiner quadrierten Intraday-Renditen, RVt=∑i=1mrt,i2RV_t=\sum_{i=1}^{m}r_{t,i}^{2}RVt​=∑i=1m​rt,i2​, und nähert sich bei feinerer Abtastung der wahren Varianz des Tages. In der Praxis schlägt die feinste Abtastung zurück, weil Bid-Ask-Bounce und Rundung Rauschen hinzufügen, das RVRVRV aufbläht; Renditen im 5-Minuten-Takt oder ein Mittel über mehrere versetzte Raster sind ein üblicher Kompromiss.

RVt=∑i=1mrt,i2,σ^P2=(ln⁡(H/L))24ln⁡2,σA=σD252,RVt+1=β0+βdRVt+βwRVt(5)+βmRVt(22)+εRV_t=\sum_{i=1}^{m}r_{t,i}^{2},\qquad \hat\sigma^{2}_{P}=\frac{\big(\ln(H/L)\big)^{2}}{4\ln 2},\qquad \sigma_{A}=\sigma_{D}\sqrt{252},\qquad RV_{t+1}=\beta_0+\beta_dRV_t+\beta_wRV_{t}^{(5)}+\beta_mRV_{t}^{(22)}+\varepsilonRVt​=i=1∑m​rt,i2​,σ^P2​=4ln2(ln(H/L))2​,σA​=σD​252​,RVt+1​=β0​+βd​RVt​+βw​RVt(5)​+βm​RVt(22)​+ε(1)

Ohne Intraday-Daten tragen das Tageshoch HHH und das Tagestief LLL noch Information über den Verlauf. Parkinsons Schätzer σ^2=(ln⁡(H/L))2/(4ln⁡2)\hat\sigma^{2}=(\ln(H/L))^{2}/(4\ln2)σ^2=(ln(H/L))2/(4ln2) ist etwa fünfmal effizienter als Close-to-Close, und Garman-Klass bezieht Eröffnung und Schluss ein. Sie unterstellen kontinuierlichen Handel und sind daher nach unten verzerrt, wenn Kurse springen oder die Übernachtlücke groß ist. Eine bessere Messung will man fürs Prognostizieren: Die quadrierte Tagesrendite ist ein erwartungstreuer, aber extrem verrauschter Näherungswert für die Tagesvarianz, eine Ziehung aus einer breiten Verteilung, während RVRVRV viele Ziehungen mittelt. Das HAR-RV-Modell von Corsi regressiert das morgige RVRVRV auf den heutigen Wert, den Durchschnitt der letzten 5 Tage und den der letzten 22 Tage. Drei Terme genügen, um den langsamen Zerfall der Volatilität mit langem Gedächtnis nachzubilden, und das Modell ist als Benchmark schwer zu schlagen.

Zwei kleine SchätzungenVier Intraday-Renditen von 0,10%0{,}10\%0,10%, −0,20%-0{,}20\%−0,20%, 0,15%0{,}15\%0,15% und 0,05%0{,}05\%0,05% ergeben RV=0,01+0,04+0,0225+0,0025=0,075RV=0{,}01+0{,}04+0{,}0225+0{,}0025=0{,}075RV=0,01+0,04+0,0225+0,0025=0,075 in Prozent zum Quadrat, eine Volatilität von 0,27%0{,}27\%0,27% für den abgedeckten Abschnitt. Ein Tag mit Hoch 102102102 und Tief 999999 ergibt ln⁡(102/99)=0,0299\ln(102/99)=0{,}0299ln(102/99)=0,0299, die Parkinson-Varianz ist also 0,02992/(4ln⁡2)=0,0003210{,}0299^{2}/(4\ln2)=0{,}0003210,02992/(4ln2)=0,000321 und die Tagesvolatilität 1,79%1{,}79\%1,79%, annualisiert 1,79%⋅252≈28,5%1{,}79\%\cdot\sqrt{252}\approx28{,}5\%1,79%⋅252​≈28,5%. Eine HAR-Prognose mit β=(0,1;0,3;0,4;0,2)\beta=(0{,}1;0{,}3;0{,}4;0{,}2)β=(0,1;0,3;0,4;0,2) und RVRVRV-Werten 222 (heute), 1,51{,}51,5 (5-Tage-Mittel) und 111 (22-Tage-Mittel) beträgt 0,1+0,6+0,6+0,2=1,50{,}1+0{,}6+0{,}6+0{,}2=1{,}50,1+0,6+0,6+0,2=1,5.
  • Close-to-Close: Standardabweichung der Tagesrenditen mal 252\sqrt{252}252​; ignoriert den Verlauf innerhalb des Tages.
  • Die realisierte Varianz summiert quadrierte Intraday-Renditen; sehr feine Abtastung fügt Mikrostrukturrauschen hinzu.
  • Spannenschätzer (Parkinson, Garman-Klass) nutzen Hoch, Tief, Eröffnung und Schluss; HAR-RV prognostiziert aus Tages-, Wochen- und Monatsdurchschnitten.

Lab: Was bewertet wird

  • Realisierte Varianz15 Pkt.
  • Annualisieren15 Pkt.
  • Parkinsons Schätzer15 Pkt.
  • Eine HAR-Prognose15 Pkt.
  • Warum nicht jede Sekunde abtasten10 Pkt.
  • Begriffe zuordnen15 Pkt.
  • Ein besserer Näherungswert als die quadrierte Rendite15 Pkt.
0/ 7 beantwortet
Aufgaben
1Numerische Antwort15 Pkt.Nicht beantwortet

Vier Intraday-Renditen in Prozent sind 0,10; −0,20; 0,15; 0,050{,}10;\,-0{,}20;\,0{,}15;\,0{,}050,10;−0,20;0,15;0,05. Wie groß ist ihre realisierte Varianz ∑r2\sum r^{2}∑r2 (in Prozent zum Quadrat)?

rv=rv =rv=akzeptiert: ± 0.002
2Numerische Antwort15 Pkt.Nicht beantwortet

Eine Aktie hat eine Tagesvolatilität von 1%1\%1%. Wie groß ist die annualisierte Volatilität σ252\sigma\sqrt{252}σ252​ in Prozent? Geben Sie zwei Dezimalstellen an.

ann=ann =ann=akzeptiert: ± 0.02
3Numerische Antwort15 Pkt.Nicht beantwortet

Ein Tag hat ein Hoch von 102102102 und ein Tief von 999999. Wie groß ist Parkinsons Tagesvolatilität (ln⁡(H/L))2/(4ln⁡2)\sqrt{(\ln(H/L))^{2}/(4\ln2)}(ln(H/L))2/(4ln2)​ in Prozent? Geben Sie zwei Dezimalstellen an.

p=p =p=akzeptiert: ± 0.02
4Numerische Antwort15 Pkt.Nicht beantwortet

Ein HAR-Modell hat die Konstante 0,10{,}10,1 und Koeffizienten 0,30{,}30,3 auf das heutige RVRVRV, 0,40{,}40,4 auf den 5-Tage-Mittelwert und 0,20{,}20,2 auf den 22-Tage-Mittelwert. Das heutige RVRVRV ist 222, der 5-Tage-Mittelwert 1,51{,}51,5 und der 22-Tage-Mittelwert 111. Wie lautet die Prognose für morgen?

f=f =f=akzeptiert: ± 0.01
5Auswahl10 Pkt.Nicht beantwortet

Warum wird die realisierte Varianz meist aus 5-Minuten- statt aus 1-Sekunden-Renditen berechnet?

6Zuordnen15 Pkt.Nicht beantwortet

Ordnen Sie jedem Schätzer seine Beschreibung zu.

Wähle den Partner für jedes Element links.

Close-to-Close
Parkinson
Realisierte Varianz
HAR-RV
7In Worten erklären15 Pkt.Nicht beantwortet

Erklären Sie in ein bis zwei Sätzen, warum die realisierte Varianz ein besserer Näherungswert für die wahre Tagesvarianz ist als die quadrierte Tagesrendite.

Mathe-ModusEingabe per Tastatur oder LaTeXAufgabe 1 von 7 · Strg ⏎ zum Prüfen

Melde dich an, um deinen Code auszuführen.

Alle Lektionen kannst du kostenlos lesen. Erstelle ein Konto oder melde dich an, um Code auszuführen, Tests zu starten und dieses Lab abzugeben.

  • IDE im Browser mit Bash-Terminal — nichts zu installieren
  • Sofortige Bewertung, XP und dein Platz auf der Skill
Konto erstellenAnmelden
ODER
Weiter mit GitHub