時変ボラティリティとは
時変ボラティリティとは、さまざまな期間にわたるボラティリティの変動を指します。 投資家は、さまざまな期間における基礎となる証券のボラティリティを調査または検討することを選択できます。 たとえば、特定の資産のボラティリティは、トレーダーが休暇中の夏の間は低くなる可能性があります。 時変ボラティリティ測定の使用は、投資の期待に影響を与える可能性があります。
時変ボラティリティの仕組み
時変ボラティリティは、任意の時間枠で調査できます。 一般的に、ボラティリティ分析には、基礎となるセキュリティのリスクの1つの尺度としてボラティリティレベルを生成するための数学的モデリングが必要です。 このタイプのモデリングは、過去のボラティリティ統計を生成します。
過去のボラティリティは一般に、金融商品の価格の標準偏差と呼ばれ、したがってそのリスクの尺度です。 証券は、価格の大きな変動に応じて変動するボラティリティを持つことが予想され、株式やその他の金融商品は、さまざまな時点でボラティリティが高く、ボラティリティが低い期間を示します。
アナリストは、算術計算を使用してインプライドボラティリティを生成することもあります。 インプライドボラティリティは、履歴データではなく、現在の市場要因に基づいて市場の推定ボラティリティを測定する数学的計算に基づいているという点で、履歴ボラティリティとは異なります。
重要なポイント
- 時変ボラティリティは、さまざまな期間で資産の価格ボラティリティがどのように変化するかを表します。高ボラティリティの後に低期間が続き、逆もまた同様です。
過去のボラティリティ
過去のボラティリティは、データの可用性に基づいて期間ごとに分析できます。 多くのアナリストは、生涯にわたるセキュリティのボラティリティを見つけるために、可能な限り多くの利用可能なデータで最初にボラティリティをモデル化しようとしています。 このタイプの分析では、ボラティリティとは単に、平均値を中心とした証券価格の標準偏差です。
特定の期間ごとにボラティリティを分析することは、特定の市場サイクル、危機、または標的とされたイベント中にセキュリティがどのように振る舞ったかを過小評価するのに役立ちます。 時系列のボラティリティは、最近の月または四半期と長い期間のセキュリティのボラティリティを分析するのにも役立ちます。
過去のボラティリティは、異なる市場価格設定および定量モデルにおいて変数になる可能性もあります。 たとえば、Black-Scholes Option Pricing Modelでは、オプション価格を特定しようとする際に、証券の過去のボラティリティが必要です。
インプライドボラティリティ
Black-Scholesモデルなどのモデルからボラティリティを抽出して、市場の現在の想定ボラティリティを特定することもできます。 言い換えれば、モデルは、オプションの観測市場価格を入力として逆方向に実行して、その価格を達成するために原資産のボラティリティがどうあるべきかを入力することができます。
一般的に、インプライドボラティリティの時間枠は、満了までの時間に基づいています。 全体的に、満了までの時間が長いオプションはボラティリティが高くなり、短い時間で期限が切れるオプションはインプライドボラティリティが低くなります。
2003年ノーベル経済学賞
2003年、経済学者のロバートF.エングルとクライヴグレンジャーは、時変ボラティリティの研究でノーベル経済学賞を受賞しました。 エコノミストは、自己回帰条件付き不均一分散（ARCH）モデルを開発しました。 このモデルは、さまざまな期間のボラティリティを分析および説明するための洞察を提供します。 その結果は、さまざまな異なるシナリオでの損失の軽減に役立つ予測リスク管理に使用できます。
