年化日內波動率
我一直在嘗試基於日終波動率的股票交易策略，我正在尋找是否可以在更短的時間內使用類似的策略。鑑於上午 9:30 與下午 2:00 的市場狀況大不相同，每天查看歷史波動率要簡單得多，但我想知道是否有可能查看盤中波動率的歷史分佈根據一天中的特定時間估計年化（或每日）波動率值。
例如，使用 VIX 作為一個熟悉的指標，假設它的目前值為 20。這相當於 1.26% 的每日波動率（假設一年中有 252 個交易日）
20% / 252^0.5 = 1.26%假設我們要查看 10 分鐘的波動率。一個交易日有 6.5 小時或 39 個 10 分鐘時段。20 的 VIX 相當於 0.202% 的 10 分鐘隱含波動率。
20% / (252 * 39)^0.5 = 0.202%然而，開場的 10 分鐘與下午早些時候的 10 分鐘有很大不同。20% 的年化日波動率可能等同於開盤 10 分鐘的年化日內波動率 40% 以上和下午早些時候的 10%。因此，對於給定的 10 分鐘週期，年化波動率為 20%，人們需要知道一天中的時間，才能知道這代表高波動率還是低波動率。
也許一個簡單的方法是計算一個日期範圍內每 10 分鐘週期的平均值，並為每個日內週期相對於該日期範圍內的每日波動率找到一個乘數，然後可以通過將日內波動率乘以平方來估計每日波動率乘數的根。像下面這樣的東西，
hv_multiplier試圖捕捉歸因於給定時期的每日波動率的（倒數）部分，並且會根據一天中的時間而變化。daily_hv_estimate = intraday_hv * sqrt(hv_multiplier)但是，這實際上只是一個猜測，我不確定它在數學上是否有效。我的統計知識非常基礎 - 如果亞群與總體人口的關係已知，是否有一種正式的方法來推斷異質人口的標準差？
您可以嘗試進行回歸分析，將一天細分為時間視窗，然後嘗試通過說 x% 的每日變異數將在交易的第一個小時內累積等來適應季節性。
你快到了！
年變異數是日變異數的總和： $$ \sigma_y^2 t_y = \sum_{i=1}^{252}{\sigma_d(i)^2 t_d} $$ 在哪裡 $ t_d=\frac{1}{252} $ 和 $ t_y=1 $ 因此 $ \sqrt{252} $ 如果您假設波動率預計每天都相同，那麼您得到的術語。每日變異數與平均 10 分鐘柱線變異數有關 $ \sigma_m $ : $$ \sigma_d^2 t_d = \sum_{i=1}^{39}{\sigma_m^2(i) t_m} $$
如果 $ \sigma_m(i) $ 假設隨時間變化，您可以定義相對變異數權重 $ w_i $ 給定的 10 分鐘酒吧 $ i $ : $$ \sigma_m^2(i) = \sigma_m^2 w_i $$ 變異數權重 $ w_i $ 然後可以估計為這 10 分鐘柱對當天變異數的貢獻的平均比例。