股票波动率指标

① 股市高手进 历史波动率指标 求编程公式

“十大股票软件排行榜”里有个股诊断功能，里面有效的分析了大盘及个股压力位支撑位及消息面分析，一切都是免费的。

② 股票中收益波动率是什么意思,怎么计算

股票波动率：波动率是指标的资产投资回报率的变化程度，有实际波动率和历史波动率之分。它是江恩理论的一个重要内容，在期货期权市场的指导意义较股票市场更大。

实际波动率

实际波动率又称作未来波动率，它是指对期权有效期内投资回报率波动程度的度量，由于投资回报率是一个随机过程，实际波动率永远是一个未知数。或者说，实际波动率是无法事先精确计算的，人们只能通过各种办法得到它的估计值。

历史波动率

历史波动率是指投资回报率在过去一段时间内所表现出的波动率，它由标的资产市场价格过去一段时间的历史数据（即St的时间序列资料）反映。这就是说，可以根据{St}的时间序列数据，计算出相应的波动率数据，然后运用统计推断方法估算回报率的标准差，从而得到历史波动率的估计值。显然，如果实际波动率是一个常数，它不随时间的推移而变化，则历史波动率就有可能是实际波动率的一个很好的近似。

波动率计算方法

1、上升趋势的波动率计算方法是：在上升趋势中，底部与底部的距离除以底部与底部的相隔时间，取整。上升波动率=（第二个底部-第一个底部）/两底部的时间距离。

2、下降趋势的波动率计算方法是：在下降趋势中，顶部与顶部的距离除以顶部与顶部的相隔时间，取整。并用它们作为坐标刻度在纸上绘制。下降波动率=（第二个顶部-第一个顶部）/两顶部的时间距离。

(2)股票波动率指标扩展阅读：

股票收益率是反映股票收益水平的指标

1、是反映投资者以现行价格购买股票的预期收益水平。它是年现金股利与现行市价之比率。本期股利收益率=(年现金股利/本期股票价格)*100%。

2、股票投资者持有股票的时间有长有短，股票在持有期间获得的收益率为持有期收益率。持有期收益率=[(出售价格-购买价格)/持有年限+现金股利]/购买价格*100%。

3、公司进行拆股必然导致股份增加和股价下降，正是由于拆股后股票价格要进行调整，因而拆股后的持有期收益率也随之发生变化。

拆股后持有期收益率=(调整后的资本所得/持有期限+调整后的现金股利)/调整后的购买价格*100%。

③ 求大神写个通达信波动率统计指标

可以编写通达信波动率统计指标，可以统计三十天的平均数，但有一个细节问题需要确认一下，那就是，最高级涨了，1.7和最低价跌了-0.5是怎么计算的，是这数是具体金额啊还是百分比，是谁减谁啊还是谁除以谁这需要说清楚了才好编写啊。

④ 请问股票波动率如何计算

波动率的计算：

江恩理论认为，波动率分上升趋势的波动率计算方法和下降趋势的波动率计算方法。

1、上升趋势的波动率计算方法是：在上升趋势中，底部与底部的距离除以底部与底部的相隔时间，取整。

上升波动率=（第二个底部-第一个底部）/两底部的时间距离

2、下降趋势的波动率计算方法是：在下降趋势中，顶部与顶部的距离除以顶部与顶部的相隔时间，取整。并用它们作为坐标刻度在纸上绘制。

下降波动率=（第二个顶部-第一个顶部）/两顶部的时间距离

拓展资料：

股市波动率的类型：

1、实际波动率

实际波动率又称作未来波动率，它是指对期权有效期内投资回报率波动程度的度量，由于投资回报率是一个随机过程，实际波动率永远是一个未知数。或者说，实际波动率是无法事先精确计算的，人们只能通过各种办法得到它的估计值。

2、历史波动率

历史波动率是指投资回报率在过去一段时间内所表现出的波动率，它由标的资产市场价格过去一段时间的历史数据（即St的时间序列资料）反映。这就是说，可以根据{St}的时间序列数据，计算出相应的波动率数据，然后运用统计推断方法估算回报率的标准差，从而得到历史波动率的估计值。

显然，如果实际波动率是一个常数，它不随时间的推移而变化，则历史波动率就有可能是实际波动率的一个很好的近似。

3、预测波动率

预测波动率又称为预期波动率，它是指运用统计推断方法对实际波动率进行预测得到的结果，并将其用于期权定价模型，确定出期权的理论价值。

因此，预测波动率是人们对期权进行理论定价时实际使用的波动率。这就是说，在讨论期权定价问题时所用的波动率一般均是指预测波动率。需要说明的是，预测波动率并不等于历史波动率。

4、隐含波动率

隐含波动率是期权市场投资者在进行期权交易时对实际波动率的认识，而且这种认识已反映在期权的定价过程中。从理论上讲，要获得隐含波动率的大小并不困难。

由于期权定价模型给出了期权价格与五个基本参数（St，X，r，T-t和σ）之间的定量关系，只要将其中前4个基本参数及期权的实际市场价格作为已知量代入期权定价模型，就可以从中解出惟一的未知量σ，其大小就是隐含波动率。因此，隐含波动率又可以理解为市场实际波动率的预期。

参考链接：网络：波动率指数

⑤ 股票的波动性是按什么指标算的

股票的波动性是按波动率指数算的，芝加哥期权交易所(Chicago Board Options Exchange，CBOE)的波动率指数(Volatility Index，VIX)或者称之为“恐惧指数”，衡量标准普尔500指数(S&P 500 Index)期权的隐含波动率。VIX指数每日计算，代表市场对未来30天的市场波动率的预期。
类型：
1、实际波动率
实际波动率又称作未来波动率，它是指对期权有效期内投资回报率波动程度的度量，由于投资回报率是一个随机过程，实际波动率永远是一个未知数。或者说，实际波动率是无法事先精确计算的，人们只能通过各种办法得到它的估计值。
2、历史波动率
历史波动率是指投资回报率在过去一段时间内所表现出的波动率，它由标的资产市场价格过去一段时间的历史数据（即St的时间序列资料）反映。这就是说，可以根据{St}的时间序列数据，计算出相应的波动率数据，然后运用统计推断方法估算回报率的标准差，从而得到历史波动率的估计值。显然，如果实际波动率是一个常数，它不随时间的推移而变化，则历史波动率就有可能是实际波动率的一个很好的近似。
3、预测波动率
预测波动率又称为预期波动率，它是指运用统计推断方法对实际波动率进行预测得到的结果，并将其用于期权定价模型，确定出期权的理论价值。因此，预测波动率是人们对期权进行理论定价时实际使用的波动率。这就是说，在讨论期权定价问题时所用的波动率一般均是指预测波动率。需要说明的是，预测波动率并不等于历史波动率，因为前者是人们对实际波动率的理解和认识，当然，历史波动率往往是这种理论和认识的基础。除此之外，人们对实际波动率的预测还可能来自经验判断等其他方面。
4、隐含波动率
隐含波动率是期权市场投资者在进行期权交易时对实际波动率的认识，而且这种认识已反映在期权的定价过程中。从理论上讲，要获得隐含波动率的大小并不困难。由于期权定价模型给出了期权价格与五个基本参数（St，X，r，T-t和σ）之间的定量关系，只要将其中前4个基本参数及期权的实际市场价格作为已知量代入期权定价模型，就可以从中解出惟一的未知量σ，其大小就是隐含波动率。因此，隐含波动率又可以理解为市场实际波动率的预期。
期权定价模型需要的是在期权有效期内标的资产价格的实际波动率。相对于当期时期而言，它是一个未知量，因此，需要用预测波动率代替之，一般可简单地以历史波动率估计作为预测波动率，但更好的方法是用定量分析与定性分析相结合的方法，以历史波动率作为初始预测值，根据定量资料和新得到的实际价格资料，不断调整修正，确定出波动率。

⑥ 什么软件有历史波动率HV指标谢谢。

在wind中找-量化-分析工具，里面有历史波动率。

⑦ 如何计算股票历史波动率 详细�0�3

1、从市场上获得标的股票在固定时间间隔(如每天、每周或每月
等)上的价格。
2、对于每个时间段，求出该时间段末的股价不该时段初的股价
之比的自然对数。
3、求出这些对数值的标准差，再乘以一年中包含的时段数量的
平方根(如，选取时间间隔为每天，则若扣除闭市，每年中有 250 个
交易日，应乘以根号250)，得到的即为历史波动率。
历史波动率是基于过去的统计分析得出的，假定未来是过去的延
伸，利用历史方法估计波动率类似于估计标的资产收益系列的标准差。
在股票市场中，历史波动率反映标的股价过去的波动。然而，由
于股价波动难以预测，利用历史波动率对权证价格进行预测一般都丌
能保证准确，但是由于目前我国内地没有权证市场，因而无法获得权
证价格，也就无法计算隐含波动率。因此权证发行商不投资者在权证
发行初期只能利用历史波动率作参考。

⑧ 怎么看股票的波动率

冲天牛为您解答：
股票价格波动率 被定义为股票收益率（股票价格变动比例）的标准差，它反映了股票价格的“发散”程度。从理论上讲，可转换公司债券的价格受可转换公司债券存续期间标的股票波动率的影响；但是，事后的波动率事前并不能准确得知。在实际操作过程中，除了用已知派生证券的价格和其定价公式倒推“隐含波动率”（Implied Volatility）之外，一个常用的方法是用标的股票历史的波动率来替代将来派生证券存续期标的股票的波动率。具体计算年波动率的方法如下：
假定： n： 连续观察的交易日数
Si：在第i个交易日末的股价
令：
其中： i=1，2，…，n
则 的估计值为：
其中： 为ui的均值
N为年交易天数
全球股票市场的波动率平均约20％左右，亚洲偏高在30％左右，由于我国证券市场是新兴市场，因此每年的股票波动率变化幅度较大，以上证综指为例，1992年股票波动率高达96％，1993年下降到60％，到2000年只有34％，波动幅度非常大，但总体下降趋势是明显的。

望采纳！！

⑨ 什么是波动率指数

原文链接：http://tecdat.cn/?p=19129

摘要

在学术界和金融界，分析高频财务数据的经济价值现在显而易见。它是每日风险监控和预测的基础，也是高频交易的基础。为了在财务决策中高效利用高频数据，高频时代采用了最先进的技术，用于清洗和匹配交易和报价，以及基于高收益的流动性的计算和预测。

高频数据的处理

在本节中，我们讨论高频金融数据处理中两个非常常见的步骤：（i）清理和（ii）数据聚合。

> 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

高频数据的汇总

通常不会在等间隔的时间点记录价格，而许多实际波动率衡量方法都依赖等实际间隔的收益。有几种方法可以将这些异步和/或不规则记录的序列同步为等距时间数据。
最受欢迎的方法是按照时间汇总，它通过获取每个网格点之前的最后价格来将价格强制为等距网格。

> # 加载样本价格数据> data("sample");> # 聚合到5分钟的采样频率：> 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秒的频率：> 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，价格被强制设置为5分钟和30秒的等距时间网格。此外，aggregates函数内置于所有已实现的度量中，可以通过设置参数align.by和align.period来调用该函数。在这种情况下，首先将价格强制等间隔的常规时间网格，然后根据这些常规时间段内执行观察值的收益率来计算实际度量。这样做的优点是，用户可以将原始价格序列输入到实际度量中，而不必担心价格序列的异步性或不规则性。

带有时间和波动率计算的价格示例：

> #我们假设stock1和stock2包含虚拟股票的价格数据：> #汇总到一分钟：> Price_1min = cbind(aggregatePrice(stock1),aggregatePrice(stock2));> #刷新时间聚合：refreshTime(list(stock1,stock2));> #计算跳跃鲁棒的波动性指标> #基于同步数据rBPCov(Price_1min,makeReturns=TRUE);> #计算跳跃和噪声鲁棒的波动性度量> #基于异步数据：

实际波动性度量

高频数据的可用性使研究人员能够根据日内收益的平方来估计实际波动性（Andersen等，2003）。实际上，单变量波动率估计的主要挑战是应对（i）价格的上涨和（ii）微观结构噪声。因此多变量波动率估计也引起了人们的注意。高频软件包实施了许多新近提出的实际波动率方法。

下面的示例代码说明了日内周期的估计：

> #计算并绘制日内周期> 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

最受欢迎的见解

1.HAR-RV-J与递归神经网络（RNN）混合模型预测和交易大型股票指数的高频波动率

2.WinBUGS对多元随机波动率模型：贝叶斯估计与模型比较

3.波动率的实现：ARCH模型与HAR-RV模型

4.R语言ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测

5.使用R语言随机波动模型SV处理时间序列中的随机波动率

6.R语言多元COPULA GARCH 模型时间序列预测

7.R语言基于ARMA-GARCH过程的VAR拟合和预测

8.R语言随机搜索变量选择SSVS估计贝叶斯向量自回归（BVAR）模型

9.R语言对S＆P500股票指数进行ARIMA + GARCH交易策略