股票波動率指標

① 股市高手進 歷史波動率指標 求編程公式

「十大股票軟體排行榜」里有個股診斷功能，裡面有效的分析了大盤及個股壓力位支撐位及消息面分析，一切都是免費的。

② 股票中收益波動率是什麼意思,怎麼計算

股票波動率：波動率是指標的資產投資回報率的變化程度，有實際波動率和歷史波動率之分。它是江恩理論的一個重要內容，在期貨期權市場的指導意義較股票市場更大。

實際波動率

實際波動率又稱作未來波動率，它是指對期權有效期內投資回報率波動程度的度量，由於投資回報率是一個隨機過程，實際波動率永遠是一個未知數。或者說，實際波動率是無法事先精確計算的，人們只能通過各種辦法得到它的估計值。

歷史波動率

歷史波動率是指投資回報率在過去一段時間內所表現出的波動率，它由標的資產市場價格過去一段時間的歷史數據（即St的時間序列資料）反映。這就是說，可以根據{St}的時間序列數據，計算出相應的波動率數據，然後運用統計推斷方法估算回報率的標准差，從而得到歷史波動率的估計值。顯然，如果實際波動率是一個常數，它不隨時間的推移而變化，則歷史波動率就有可能是實際波動率的一個很好的近似。

波動率計算方法

1、上升趨勢的波動率計算方法是：在上升趨勢中，底部與底部的距離除以底部與底部的相隔時間，取整。上升波動率=（第二個底部-第一個底部）/兩底部的時間距離。

2、下降趨勢的波動率計算方法是：在下降趨勢中，頂部與頂部的距離除以頂部與頂部的相隔時間，取整。並用它們作為坐標刻度在紙上繪制。下降波動率=（第二個頂部-第一個頂部）/兩頂部的時間距離。

(2)股票波動率指標擴展閱讀：

股票收益率是反映股票收益水平的指標

1、是反映投資者以現行價格購買股票的預期收益水平。它是年現金股利與現行市價之比率。本期股利收益率=(年現金股利/本期股票價格)*100%。

2、股票投資者持有股票的時間有長有短，股票在持有期間獲得的收益率為持有期收益率。持有期收益率=[(出售價格-購買價格)/持有年限+現金股利]/購買價格*100%。

3、公司進行拆股必然導致股份增加和股價下降，正是由於拆股後股票價格要進行調整，因而拆股後的持有期收益率也隨之發生變化。

拆股後持有期收益率=(調整後的資本所得/持有期限+調整後的現金股利)/調整後的購買價格*100%。

③ 求大神寫個通達信波動率統計指標

可以編寫通達信波動率統計指標，可以統計三十天的平均數，但有一個細節問題需要確認一下，那就是，最高級漲了，1.7和最低價跌了-0.5是怎麼計算的，是這數是具體金額啊還是百分比，是誰減誰啊還是誰除以誰這需要說清楚了才好編寫啊。

④ 請問股票波動率如何計算

波動率的計算：

江恩理論認為，波動率分上升趨勢的波動率計算方法和下降趨勢的波動率計算方法。

1、上升趨勢的波動率計算方法是：在上升趨勢中，底部與底部的距離除以底部與底部的相隔時間，取整。

上升波動率=（第二個底部-第一個底部）/兩底部的時間距離

2、下降趨勢的波動率計算方法是：在下降趨勢中，頂部與頂部的距離除以頂部與頂部的相隔時間，取整。並用它們作為坐標刻度在紙上繪制。

下降波動率=（第二個頂部-第一個頂部）/兩頂部的時間距離

拓展資料：

股市波動率的類型：

1、實際波動率

實際波動率又稱作未來波動率，它是指對期權有效期內投資回報率波動程度的度量，由於投資回報率是一個隨機過程，實際波動率永遠是一個未知數。或者說，實際波動率是無法事先精確計算的，人們只能通過各種辦法得到它的估計值。

2、歷史波動率

歷史波動率是指投資回報率在過去一段時間內所表現出的波動率，它由標的資產市場價格過去一段時間的歷史數據（即St的時間序列資料）反映。這就是說，可以根據{St}的時間序列數據，計算出相應的波動率數據，然後運用統計推斷方法估算回報率的標准差，從而得到歷史波動率的估計值。

顯然，如果實際波動率是一個常數，它不隨時間的推移而變化，則歷史波動率就有可能是實際波動率的一個很好的近似。

3、預測波動率

預測波動率又稱為預期波動率，它是指運用統計推斷方法對實際波動率進行預測得到的結果，並將其用於期權定價模型，確定出期權的理論價值。

因此，預測波動率是人們對期權進行理論定價時實際使用的波動率。這就是說，在討論期權定價問題時所用的波動率一般均是指預測波動率。需要說明的是，預測波動率並不等於歷史波動率。

4、隱含波動率

隱含波動率是期權市場投資者在進行期權交易時對實際波動率的認識，而且這種認識已反映在期權的定價過程中。從理論上講，要獲得隱含波動率的大小並不困難。

由於期權定價模型給出了期權價格與五個基本參數（St，X，r，T-t和σ）之間的定量關系，只要將其中前4個基本參數及期權的實際市場價格作為已知量代入期權定價模型，就可以從中解出惟一的未知量σ，其大小就是隱含波動率。因此，隱含波動率又可以理解為市場實際波動率的預期。

參考鏈接：網路：波動率指數

⑤ 股票的波動性是按什麼指標算的

股票的波動性是按波動率指數算的，芝加哥期權交易所(Chicago Board Options Exchange，CBOE)的波動率指數(Volatility Index，VIX)或者稱之為「恐懼指數」，衡量標准普爾500指數(S&P 500 Index)期權的隱含波動率。VIX指數每日計算，代表市場對未來30天的市場波動率的預期。
類型：
1、實際波動率
實際波動率又稱作未來波動率，它是指對期權有效期內投資回報率波動程度的度量，由於投資回報率是一個隨機過程，實際波動率永遠是一個未知數。或者說，實際波動率是無法事先精確計算的，人們只能通過各種辦法得到它的估計值。
2、歷史波動率
歷史波動率是指投資回報率在過去一段時間內所表現出的波動率，它由標的資產市場價格過去一段時間的歷史數據（即St的時間序列資料）反映。這就是說，可以根據{St}的時間序列數據，計算出相應的波動率數據，然後運用統計推斷方法估算回報率的標准差，從而得到歷史波動率的估計值。顯然，如果實際波動率是一個常數，它不隨時間的推移而變化，則歷史波動率就有可能是實際波動率的一個很好的近似。
3、預測波動率
預測波動率又稱為預期波動率，它是指運用統計推斷方法對實際波動率進行預測得到的結果，並將其用於期權定價模型，確定出期權的理論價值。因此，預測波動率是人們對期權進行理論定價時實際使用的波動率。這就是說，在討論期權定價問題時所用的波動率一般均是指預測波動率。需要說明的是，預測波動率並不等於歷史波動率，因為前者是人們對實際波動率的理解和認識，當然，歷史波動率往往是這種理論和認識的基礎。除此之外，人們對實際波動率的預測還可能來自經驗判斷等其他方面。
4、隱含波動率
隱含波動率是期權市場投資者在進行期權交易時對實際波動率的認識，而且這種認識已反映在期權的定價過程中。從理論上講，要獲得隱含波動率的大小並不困難。由於期權定價模型給出了期權價格與五個基本參數（St，X，r，T-t和σ）之間的定量關系，只要將其中前4個基本參數及期權的實際市場價格作為已知量代入期權定價模型，就可以從中解出惟一的未知量σ，其大小就是隱含波動率。因此，隱含波動率又可以理解為市場實際波動率的預期。
期權定價模型需要的是在期權有效期內標的資產價格的實際波動率。相對於當期時期而言，它是一個未知量，因此，需要用預測波動率代替之，一般可簡單地以歷史波動率估計作為預測波動率，但更好的方法是用定量分析與定性分析相結合的方法，以歷史波動率作為初始預測值，根據定量資料和新得到的實際價格資料，不斷調整修正，確定出波動率。

⑥ 什麼軟體有歷史波動率HV指標謝謝。

在wind中找-量化-分析工具，裡面有歷史波動率。

⑦ 如何計算股票歷史波動率 詳細�0�3

1、從市場上獲得標的股票在固定時間間隔(如每天、每周或每月
等)上的價格。
2、對於每個時間段，求出該時間段末的股價不該時段初的股價
之比的自然對數。
3、求出這些對數值的標准差，再乘以一年中包含的時段數量的
平方根(如，選取時間間隔為每天，則若扣除閉市，每年中有 250 個
交易日，應乘以根號250)，得到的即為歷史波動率。
歷史波動率是基於過去的統計分析得出的，假定未來是過去的延
伸，利用歷史方法估計波動率類似於估計標的資產收益系列的標准差。
在股票市場中，歷史波動率反映標的股價過去的波動。然而，由
於股價波動難以預測，利用歷史波動率對權證價格進行預測一般都丌
能保證准確，但是由於目前我國內地沒有權證市場，因而無法獲得權
證價格，也就無法計算隱含波動率。因此權證發行商不投資者在權證
發行初期只能利用歷史波動率作參考。

⑧ 怎麼看股票的波動率

沖天牛為您解答：
股票價格波動率 被定義為股票收益率（股票價格變動比例）的標准差，它反映了股票價格的「發散」程度。從理論上講，可轉換公司債券的價格受可轉換公司債券存續期間標的股票波動率的影響；但是，事後的波動率事前並不能准確得知。在實際操作過程中，除了用已知派生證券的價格和其定價公式倒推「隱含波動率」（Implied Volatility）之外，一個常用的方法是用標的股票歷史的波動率來替代將來派生證券存續期標的股票的波動率。具體計算年波動率的方法如下：
假定： n： 連續觀察的交易日數
Si：在第i個交易日末的股價
令：
其中： i=1，2，…，n
則 的估計值為：
其中： 為ui的均值
N為年交易天數
全球股票市場的波動率平均約20％左右，亞洲偏高在30％左右，由於我國證券市場是新興市場，因此每年的股票波動率變化幅度較大，以上證綜指為例，1992年股票波動率高達96％，1993年下降到60％，到2000年只有34％，波動幅度非常大，但總體下降趨勢是明顯的。

望採納！！

⑨ 什麼是波動率指數

原文鏈接：http://tecdat.cn/?p=19129

摘要

在學術界和金融界，分析高頻財務數據的經濟價值現在顯而易見。它是每日風險監控和預測的基礎，也是高頻交易的基礎。為了在財務決策中高效利用高頻數據，高頻時代採用了最先進的技術，用於清洗和匹配交易和報價，以及基於高收益的流動性的計算和預測。

高頻數據的處理

在本節中，我們討論高頻金融數據處理中兩個非常常見的步驟：（i）清理和（ii）數據聚合。

> dim(dataraw);[1] 48484 7> tdata$report;initial number no zero prices select exchange48484 48479 20795sales condition merge same timestamp20135 9105> dim(afterfirstclean)[1] 9105 7

高頻數據的匯總

通常不會在等間隔的時間點記錄價格，而許多實際波動率衡量方法都依賴等實際間隔的收益。有幾種方法可以將這些非同步和/或不規則記錄的序列同步為等距時間數據。
最受歡迎的方法是按照時間匯總，它通過獲取每個網格點之前的最後價格來將價格強制為等距網格。

> # 載入樣本價格數據> data("sample");> # 聚合到5分鍾的采樣頻率：> head(tsagg5min);PRICE2008-01-04 09:35:00 193.9202008-01-04 09:40:00 194.6302008-01-04 09:45:00 193.5202008-01-04 09:50:00 192.8502008-01-04 09:55:00 190.7952008-01-04 10:00:00 190.420> # 聚合到30秒的頻率：> tail(tsagg30sec);PRICE2008-01-04 15:57:30 191.7902008-01-04 15:58:00 191.7402008-01-04 15:58:30 191.7602008-01-04 15:59:00 191.4702008-01-04 15:59:30 191.8252008-01-04 16:00:00 191.670

在上面的示例中，價格被強制設置為5分鍾和30秒的等距時間網格。此外，aggregates函數內置於所有已實現的度量中，可以通過設置參數align.by和align.period來調用該函數。在這種情況下，首先將價格強制等間隔的常規時間網格，然後根據這些常規時間段內執行觀察值的收益率來計算實際度量。這樣做的優點是，用戶可以將原始價格序列輸入到實際度量中，而不必擔心價格序列的非同步性或不規則性。

帶有時間和波動率計算的價格示例：

> #我們假設stock1和stock2包含虛擬股票的價格數據：> #匯總到一分鍾：> Price_1min = cbind(aggregatePrice(stock1),aggregatePrice(stock2));> #刷新時間聚合：refreshTime(list(stock1,stock2));> #計算跳躍魯棒的波動性指標> #基於同步數據rBPCov(Price_1min,makeReturns=TRUE);> #計算跳躍和雜訊魯棒的波動性度量> #基於非同步數據：

實際波動性度量

高頻數據的可用性使研究人員能夠根據日內收益的平方來估計實際波動性（Andersen等，2003）。實際上，單變數波動率估計的主要挑戰是應對（i）價格的上漲和（ii）微觀結構雜訊。因此多變數波動率估計也引起了人們的注意。高頻軟體包實施了許多新近提出的實際波動率方法。

下面的示例代碼說明了日內周期的估計：

> #計算並繪制日內周期> head(out); returns vol dailyvol periodicvol2005-03-04 09:35:00 -0.0010966963 0.004081072 0.001896816 2.1515392005-03-04 09:40:00 -0.0005614217 0.003695715 0.001896816 1.9483792005-03-04 09:45:00 -0.0026443880 0.003417950 0.001896816 1.801941

最受歡迎的見解

1.HAR-RV-J與遞歸神經網路（RNN）混合模型預測和交易大型股票指數的高頻波動率

2.WinBUGS對多元隨機波動率模型：貝葉斯估計與模型比較

3.波動率的實現：ARCH模型與HAR-RV模型

4.R語言ARMA-EGARCH模型、集成預測演算法對SPX實際波動率進行預測

5.使用R語言隨機波動模型SV處理時間序列中的隨機波動率

6.R語言多元COPULA GARCH 模型時間序列預測

7.R語言基於ARMA-GARCH過程的VAR擬合和預測

8.R語言隨機搜索變數選擇SSVS估計貝葉斯向量自回歸（BVAR）模型

9.R語言對S＆P500股票指數進行ARIMA + GARCH交易策略