14、波动率与信息：已实现波动率、隐含波动率的信息含量、波动率微笑与偏斜、波动率风险溢价
波动率这东西，我做了十年交易，越做越觉得它有意思。很多人盯着价格看，其实价格里藏着的秘密，远不如波动率多。今天咱们就聊聊，波动率到底能告诉我们什么信息。
14.1 已实现波动率：过去发生了什么
已实现波动率，说白了就是「已经发生的波动」。它衡量的是过去一段时间里，资产价格实际波动的剧烈程度。我个人习惯用5分钟高频数据来计算，这样能捕捉到日内的大部分波动信息。
计算方式其实不复杂：
# 已实现波动率计算（5分钟频率）
import numpy as np
import pandas as pd
def realized_volatility(price_series, freq='5min'):
# 计算对数收益率
log_returns = np.log(price_series / price_series.shift(1))
# 去掉NaN
log_returns = log_returns.dropna()
# 已实现方差
rv = np.sum(log_returns ** 2)
# 年化已实现波动率
rv_annual = np.sqrt(rv * 252)
return rv_annual嗯，这里要注意：采样频率越高，对微观结构的噪声越敏感。我曾在项目中遇到过用tick级数据算波动率，结果噪声比信号还大，后来老老实实改回5分钟频率。
关键点：已实现波动率是后验的，它告诉我们「市场已经发生了什么」。但它有个致命缺陷——无法预测未来。
14.2 隐含波动率：市场在预期什么
隐含波动率就不一样了。它是从期权价格里反推出来的，反映的是市场对未来波动的一致预期。你想想看，期权交易者愿意花多少钱买保护，这本身就包含了大量信息。
计算隐含波动率需要解一个非线性方程：
from scipy.optimize import brentq
from scipy.stats import norm
def implied_volatility(option_price, S, K, T, r, option_type='call'):
"""使用二分法求解隐含波动率"""
def bs_price(sigma):
d1 = (np.log(S/K) + (r + 0.5*sigma**2)*T) / (sigma*np.sqrt(T))
d2 = d1 - sigma*np.sqrt(T)
if option_type == 'call':
price = S*norm.cdf(d1) - K*np.exp(-r*T)*norm.cdf(d2)
else:
price = K*np.exp(-r*T)*norm.cdf(-d2) - S*norm.cdf(-d1)
return price - option_price
try:
iv = brentq(bs_price, 0.01, 2.0)
return iv
except:
return np.nan个人经验：隐含波动率往往比已实现波动率高，尤其是在市场恐慌时。我曾经在2015年股灾期间观察过，隐含波动率一度飙到已实现波动率的2倍以上。这说明什么？市场在给不确定性定价时，总是倾向于保守。
14.3 波动率微笑与偏斜：市场情绪的密码
如果市场是完美的，不同行权价的期权应该隐含相同的波动率。但现实不是这样。你会发现，虚值看跌期权的隐含波动率往往更高——这就是波动率微笑和偏斜。
为什么会这样？我个人的理解是：
- 波动率微笑：极端行权价的IV高于平值IV，像个笑脸。这反映了市场对尾部风险的担忧。
- 波动率偏斜：看跌端IV明显高于看涨端，说明市场更害怕暴跌而非暴涨。
我曾在项目中用以下代码来量化偏斜程度：
def skew_measure(iv_puts, iv_calls, moneyness):
"""计算波动率偏斜指标"""
# 选取25-delta的看跌和看涨期权
put_25 = np.interp(0.25, moneyness, iv_puts)
call_25 = np.interp(0.25, moneyness, iv_calls)
# 偏斜 = 看跌IV - 看涨IV
skew = put_25 - call_25
return skew避坑指南：我曾经犯过一个错误——直接用平值附近的IV来代表整个波动率曲面。结果在极端行情下，这个指标完全失效。记住，波动率微笑的形态本身就是一个重要的信息变量。
14.4 波动率风险溢价：谁在为不确定性买单
波动率风险溢价，就是隐含波动率和已实现波动率之间的差值。说白了，这是期权卖方收取的「风险补偿」。
我习惯这样理解：
- 如果IV > RV，说明市场在支付溢价来对冲风险
- 如果IV < RV，说明市场低估了风险（这种情况很少见）
实际交易中，这个溢价是持续存在的。我统计过标普500指数过去10年的数据，平均波动率风险溢价大约在3-5个波动率点。这意味着什么？长期做空波动率是有正期望收益的——但前提是你扛得住黑天鹅。
核心结论：波动率风险溢价是市场对不确定性定价的「超额部分」。它包含了投资者的风险厌恶情绪、对冲需求以及市场微观结构的影响。
14.5 知识体系总览
下面这张图，是我自己梳理的波动率与信息的关系框架。你看完应该能有个整体把握：
你看这张图就清楚了：已实现波动率和隐含波动率是两条腿，波动率微笑与偏斜是情绪的放大器，而波动率风险溢价则是最终的「定价结果」。做交易时，我习惯把这四个维度结合起来看，而不是孤立地盯某一个指标。
我的习惯：每天早上开盘前，我会先看一眼波动率曲面的形态。如果偏斜突然变大，说明市场在酝酿什么。这时候我会更谨慎，减少方向性头寸，增加对冲。
好了，波动率与信息的关系，咱们就聊到这儿。记住一句话：波动率不是风险本身，而是市场对风险的定价。读懂这个定价，你就能比别人多看到一层信息。