---
title: "波动率锥：跨期限比较实现波动率"
description: "用匹配的滚动窗口、年化实现波动率、历史分位数和有记录的数据选择构建并解释波动率锥。"
image: "https://wiki.fcontext.com/og.png"
---

> Documentation Index
> Fetch the complete documentation index at: https://wiki.fcontext.com/llms.txt
> Use this file to discover all available pages before exploring further.

# 波动率锥：跨期限比较实现波动率

> 仅供教育参考；不构成个别投资、法律或税务建议。期权及其他投资可能产生损失。

<a id="answer"></a>

## 直接答案

**波动率锥**是按多个回看期限分别计算的实现波动率历史分位数集合。对 `10`、`20`、`60`、`120` 或 `250` 个交易日窗口，常见展示使用第 10、25、50、75 和 90 分位数；把相同分位跨期限连接起来，就得到锥。

比较必须使用同一标的和同一收益口径，回答的是：“今天的估计值在该资产可比期限的历史中处于哪里？”锥是描述性工具，不能预测方向、证明均值回归，也不能证明期权便宜或昂贵。20 日观察应与 20 日分布比较，而不是 250 日中位数。

本文例子针对截至 `2026-08-23` 的美国上市股票或指数、日频复权收盘价，并采用 `252` 个交易日年化。产品、市场时段、币种、数据供应商或除息处理不同，锥也会不同。账户类型、行权与指派流程、保证金规则及税务和披露义务取决于产品和账户所在司法辖区；OCC 文件适用于美国标准化期权，并非所有市场的规则手册。

<a id="mechanism"></a>

## 构建方法与统计含义

使用一套有记录的价格序列，计算日对数收益 `r_i = ln(P_i/P_(i−1))`。`n` 个收益的常见收盘到收盘样本估计量为：

`RV_n = sqrt(252) × sqrt[Σ(r_i − r̄)^2 / (n − 1)]`

窗口每次向前滚动一个交易日，再计算各期限的历史分位数。记录证券标识、市场和时区、供应商与数据版本、复权政策、样本日期、缺失值规则、收益定义、年化因子、是否包含当日及分位数算法。拆股、分配、陈旧价格、停牌和错误成交都可能制造虚假波动。

短窗口的抽样分布通常更宽，因为少数收益和一次跳空就能主导估计。长窗口会稀释孤立冲击而更平滑；这种统计平滑不等于长期经济风险或跳空风险有上限。

滚动观测彼此相关。连续的 60 日估计共享 59 个收益，因此 90 分位线是经验排名，不是独立试验得到的 90% 概率。报告有效观测数，用非重叠样本或自助法检查敏感性，历史过短时不要报告尾部分位。

收盘到收盘波动率包含隔夜跳空，却不包含日内路径。区间估计量和高频估计量使用不同输入，回答不同问题。应在查看结果前选定估计量，并在各期限保持一致。

<a id="example"></a>

## 匹配期限的例子

假设五年复权日数据得到：

| 窗口 | 10 分位 | 中位数 | 90 分位 | 当前 |
| --- | ---: | ---: | ---: | ---: |
| 20 日 | `16%` | `24%` | `43%` | `46%` |
| 60 日 | `19%` | `27%` | `38%` | `31%` |
| 250 日 | `22%` | `29%` | `34%` | `28%` |

当前 20 日估计高于自身历史 90 分位，60 日估计中度偏高，250 日估计接近中位数。这描述了近期集中冲击尚未主导长窗口，并不证明 20 日波动率下一步必然下降。

一份剩余 `21` 个交易日的美国上市平值期权 IV 为 `52%`。把 `52%` 与接近的 20 日分布比较可以作为筛选输入，但 IV 是前瞻的期权定价，锥是回顾性的实现波动率。若 `8` 天后公布财报、市场隐含约 `9%` 的事件移动，IV 的一部分可能是在定价普通历史窗口没有的跳跃。`52% − 43% = 9` 个百分点既不是套利，也不是预期收益。

<a id="risks"></a>

## 可靠流程与控制

- 计算前冻结证券、市场时段、币种、数据版本、复权政策和截至日期。
- 所有期限使用同一收益定义和年化口径；计数的是收益而非价格。
- 同时维护近期状态锥和全历史锥，并标注财报、停牌、并购、危机及业务变化。
- 将期权剩余期限匹配到接近的实现窗口，把已知事件方差与普通历史分开。
- 分别比较绝对波动率和自身历史分位；35% 对某资产可能普通，对另一资产却极端。
- 报告样本量与重叠窗口相关性；尾部决策加入非重叠或自助法敏感性。
- 保存未舍入的观测值和每个窗口的端点，以便复现。
- 高历史分位只能用于情景校准，不能作为硬性风险限额；未来跳空可能超过样本最大值。
- 发布或更改风险限额前，用冻结的数据版本复现结果。
- 不可用期限应保持不可用；不要外推 `250` 日锥，若有效收益少于 `n` 个。

<a id="misconceptions"></a>

## 常见误区

- **“高于 90 分位意味着有 90% 概率下跌。”** 它只说明当前估计在历史样本中的位置。
- **“锥会预测均值回归。”** 它不提供时间、方向或转移概率。
- **“IV 高于锥上沿就自动昂贵。”** IV 还包含未来事件、偏斜、风险溢价、流动性和对冲成本。
- **“历史最大值就是最坏结果。”** 它只是一个样本中的最大观测。
- **“所有滚动点彼此独立。”** 相邻窗口几乎共享全部收益。
- **“任何期限都能与任何到期日比较。”** 错配会混淆抽样效应和期限效应。
- **“长窗口更平滑就代表尾部风险更小。”** 平滑估计不能消除跳跃或未来状态变化。
- **“一个样本区间就是客观的。”** 危机是否纳入、成分股幸存者偏差及业务结构变化都会移动分位数。

<a id="related"></a>

## 相关主题

- [历史波动率](/zh-cn/options/historical-volatility/)
- [隐含波动率](/zh-cn/options/implied-volatility/)
- [IV 排名与分位数](/zh-cn/options/iv-rank-percentile/)
- [方差风险溢价](/zh-cn/options/variance-risk-premium/)

<a id="sources"></a>

## 权威来源

- [The Extreme Value Method for Estimating the Variance of the Rate of Return](https://doi.org/10.1086/296071) — Michael Parkinson，*Journal of Business*（1980）
- [Drift Independent Volatility Estimation Based on High, Low, Open, and Close Prices](https://doi.org/10.1086/209650) — Dennis Yang 与 Qiang Zhang，*Journal of Business*（2000）
- [Implied Volatility](https://www.optionseducation.org/advancedconcepts/implied-volatility) — Options Industry Council
- [Characteristics and Risks of Standardized Options](https://www.theocc.com/company-information/documents-and-archives/options-disclosure-document) — Options Clearing Corporation

Source: https://wiki.fcontext.com/zh-cn/options/volatility-cone/index.mdx