Apakah Volatiliti Masa Bervariasi?
Perubahan turun naik masa merujuk kepada turun naik dalam turun naik dalam tempoh masa yang berlainan. Pelabur boleh memilih untuk mengkaji atau menilai ketidakstabilan keselamatan dasar dalam pelbagai tempoh masa. Contohnya, turun naik aset tertentu mungkin lebih rendah pada musim panas apabila peniaga sedang bercuti. Penggunaan langkah ketidaktentuan masa yang berbeza boleh mempengaruhi jangkaan pelaburan.
Bagaimana Volatiliti Bervariasi Masa Berfungsi
Keterlaluan masa yang berbeza-beza boleh dipelajari dalam apa jua masa. Secara amnya, analisis volatilitas memerlukan pemodelan matematik untuk menjana tahap kemeruapan sebagai satu ukuran risiko keselamatan yang mendasari. Jenis pemodelan ini menghasilkan statistik statistik turun naik.
Keterukan sejarah biasanya dirujuk sebagai sisihan piawai harga bagi instrumen kewangan, dan oleh itu ukuran risikonya. Dari masa ke masa keselamatan dijangka mempunyai subjek turun naik yang berubah-ubah dengan perubahan harga yang besar, dengan stok dan instrumen kewangan lain menunjukkan tempoh turun naik yang tinggi dan turun naik yang rendah di pelbagai titik dalam masa.
Penganalisis juga boleh menggunakan pengiraan matematik untuk menjana turun naik tersirat. Ketidaktentuan yang tidak tersirat berbeza dari ketidaktentuan sejarah kerana ia tidak berdasarkan data sejarah tetapi pengiraan matematik yang memberikan ukuran ketidaktentuan yang dianggarkan pasaran berasaskan faktor pasaran semasa.
Takeaways Utama
- Keterlaluan masa yang berbeza-beza menggambarkan bagaimana volatiliti harga sesuatu aset boleh berubah berikutan tempoh masa yang berlainan. Analisa ketidakfungsian memerlukan penggunaan model kewangan untuk menyelesaikan perbezaan statistik dalam turun naik harga berbanding tempoh masa yang berlainan. Ketidakstabilan cenderung menjadi pengembalian bermakna, oleh itu tempoh turun naik yang tinggi boleh diikuti oleh tempoh yang rendah, dan sebaliknya.
Volatiliti Sejarah
Keterukan sejarah boleh dianalisis mengikut tempoh masa berdasarkan ketersediaan data. Ramai penganalisis berusaha untuk turun naik model pertama dengan seberapa banyak data yang tersedia untuk mencari kemudahubahan keselamatan sepanjang hayatnya. Dalam analisis jenis ini, turun naik hanyalah sisihan piawai harga sekuriti di sekelilingnya.
Menganalisis turun naik mengikut tempoh masa tertentu boleh membantu untuk memahami bagaimana keselamatan telah berlaga semasa kitaran pasaran tertentu, krisis atau peristiwa yang disasarkan. Keterukan siri masa juga boleh membantu dalam menganalisis kemudahubahan keselamatan dalam beberapa bulan atau beberapa bulan terakhir berbanding bingkai masa yang lebih lama.
Keterukan sejarah juga boleh berubah dalam harga pasaran yang berbeza dan model kuantitatif. Contohnya, Model Penentuan Harga Black-Scholes menghendaki kemeruapan sejarah keselamatan apabila mencari untuk mengenal pasti harga pilihannya.
Volatiliti Tersirat
Volatilitas juga boleh diekstrak daripada model seperti model Black-Scholes untuk mengenal pasti volatiliti semasa yang diandaikan pasaran. Dalam erti kata lain, model itu boleh dijalankan ke belakang dengan mengambil harga pasaran diperhatikan sebagai pilihan sebagai input untuk menafikan apa yang turun naik aset asas mestilah untuk mencapai harga itu.
Umumnya, kerangka masa turun naik tersirat berdasarkan masa untuk tamat tempoh. Secara keseluruhan, pilihan dengan masa yang lebih lama untuk tamat tempoh akan mengalami turun naik yang lebih tinggi sementara pilihan yang akan tamat dalam masa yang lebih singkat akan mempunyai turun naik tersirat yang lebih rendah.
Hadiah Nobel 2003 dalam Ekonomi
Pada tahun 2003 ahli ekonomi Robert F. Engle dan Clive Granger memenangi Hadiah Memorial Nobel dalam Ekonomi kerana kerja mereka dalam mengkaji ketidaktentuan masa yang berbeza-beza. Ahli ekonomi membangunkan model Autoregressive Conditional Heteroskedasticity (ARCH). Model ini memberikan wawasan untuk menganalisis dan menjelaskan ketidakstabilan dalam tempoh masa yang berbeza. Hasilnya kemudiannya boleh digunakan dalam pengurusan risiko ramalan yang dapat membantu untuk mengurangkan kerugian dalam pelbagai senario yang berbeda.
