پیش بینی نوسانات گزینه OTC برای نوسانات سهام آینده

این مطالعه به بررسی محتوای اطلاعاتی از نوسانات ضمنی استنباط شده از گزینه های شاخص سهام در بازار بدون نسخه (OTC) می پردازد ، که بندرت در ادبیات مورد مطالعه قرار گرفته است. با استفاده از تماس های OTC ، قرار دادن و خطوط بر روی شاخص KOSPI 200 ، می فهمیم که نوسانات ضمنی به طور کلی از نوسانات تاریخی در پیش بینی نوسانات تحقق یافته آینده فراتر است ، اگرچه این یک برآوردگر بی طرف نیست. نتایج برای گزینه هایی با بلوغ کوتاه تر آشکارتر است. با این حال ، در حالی که نوسانات ضمنی در دوره های عادی از پیش بینی قوی برخوردار است ، نوسانات تاریخی نسبت به نوسانات ضمنی در یک دوره بحران به دلیل انقباض نقدینگی بازار گزینه های OTC برتر است. این یافته نشان می دهد که بازار گزینه های OTC می تواند در انتقال اطلاعات مهم برای پیش بینی نوسانات آینده نقش داشته باشد.

1. مقدمه

برای سرمایه گذاری پایدار در دارایی های مالی ، ریسک و عدم اطمینان سرمایه گذاری باید به درستی مدیریت شود. یکی از مهمترین وظایف مدیریت ریسک ، پیش بینی نوسانات است ، زیرا نوسانات اندازه گیری ریسک مالی و عدم اطمینان آینده است. بنابراین ، پیش بینی نوسانات برای سرمایه گذاری پایدار و مدیریت ریسک آن بسیار مهم است.

مطالعات تجربی پیش بینی نوسانات به دو صورت پیش رفته است. اول، نوسانات تاریخی، که با استفاده از داده های بازده گذشته تخمین زده می شود، برای پیش بینی نوسانات آینده استفاده می شود [1،2،3،4]. اگرچه برخی از مقالات [5،6] استدلال می کنند که نوسانات سهام یک ریشه واحد دارد (یعنی کاملا تصادفی)، و بنابراین نمی توان آن را بهتر از سطح فعلی آن پیش بینی کرد، اکثر مطالعات اخیر در مورد نوسانات نشان داده اند که نوسانات بازده سهامبه صورت سریالی همبسته است و دارای خاصیت برگرداندن میانگین است. بنابراین، مدل های پیش بینی نوسانات بر اساس مدل های سری زمانی، مانند مدل ناهمسانی شرطی خودبازگشت (ARCH) [7] و مدل ناهمسانی شرطی خودبازگشتی تعمیم یافته (GARCH) [8] توسعه یافته اند. از سوی دیگر، برخی از مقالات استدلال می کنند که برخی از متغیرهای بازارهای دیگر که در آن شرکت کنندگان پیچیده تر و مجهز به مهارت های معاملاتی بهتری هستند، قدرت پیش بینی بیشتری از نوسانات سهام در آینده دارند. به طور کلی، بازار اختیار معامله به عنوان چنین بازاری در نظر گرفته می شود [9،10،11]. بنابراین، بسیاری از مقالات [12،13،14،15] قدرت پیش بینی در نوسانات ضمنی اختیار را بررسی کرده اند، که از قیمت های اختیار معامله توسط مدل قیمت گذاری گزینه بلک شولز [16] تبدیل می شود. این مقالات شواهدی پیدا کرده اند که نشان می دهد نوسانات ضمنی اختیار می تواند نوسانات سهام آینده را بهتر از نوسانات تاریخی به دلیل فعالیت های معاملاتی آگاهانه پیش بینی کند.

در راستای جریان دوم، این مطالعه همچنین بررسی می کند که آیا اطلاعات ضمنی توسط گزینه ها در پیش بینی نوسانات سهام آتی مفیدتر است یا خیر. با این حال، یک تمایز قابل توجه بین این مطالعات قبلی و مطالعه ما این است که ما بر داده های اختیار معامله شده در بازار خارج از بورس (OTC) تمرکز می کنیم. بازارهای فرابورس به طور کلی در پیش بینی نوسانات تحقق یافته آتی کارآمدتر از بازارهای مبادله در نظر گرفته می شوند. زیرا در حالی که سرمایه گذاران فردی و سرمایه گذاران نهادی داخلی و خارجی انواع مختلفی از معاملات مانند پوشش ریسک، سفته بازی و آربیتراژ را در بازار اختیار معامله انجام می دهند، سرمایه گذاران ماهر یا نهادی که ناشناس بودن را ترجیح می دهند و ظاهراً در به دست آوردن و استفاده پیشرفته هستند. اطلاعات، به طور عمده در بازار گزینه های OTC شرکت کنید. با این حال، در حالی که تحقیقات زیادی در مورد بازار اختیار معامله وجود دارد، مطالعات کمی در مورد بازار اختیار معامله در فرابورس، علیرغم کارایی بالقوه برتر آن، وجود دارد. بررسی برخی از مقالاتی که بازار اختیار معامله فرابورس را تحلیل می کنند در بخش زیر ارائه شده اند.

به ویژه ، به بهترین دانش ما ، یو و همکاران.[17] تنها مطالعه ای است که با مقایسه راندمان اطلاعات بین بازار مبادله و بازار OTC در هنگ کنگ و ژاپن ، به پیش بینی گزینه های شاخص سهام OTC می پردازد. با این حال ، همانطور که قبلاً ذکر شد ، نقدینگی بازارهای گزینه ها در هنگ کنگ و ژاپن نسبتاً کم است. علاوه بر این ، آنها فقط روی 1 ماه نوسانات دلالت بر گزینه ها تمرکز می کنند. از آنجا که دوره نمونه آنها زمان ماه مه 1998 تا فوریه 2005 را در بر می گیرد ، آنها کارآیی بازار گزینه های OTC را در دوره آشفتگی بررسی نمی کنند.

در همین حال ، تا همین اواخر ، بازار گزینه های شاخص Kospi 200 با مبادله ای به عنوان بازار مشتقات برتر شناخته شده است که دارای بالاترین حجم معاملات در سراسر جهان است. علاوه بر این ، در حالی که بازار گزینه های شاخص OTC KOSPI 200 به اندازه بازار مبادله مایع نیست ، گزینه هایی با سررسید نسبتاً طولانی تر در این بازار معامله می شوند. بنابراین ، تجزیه و تحلیل بازار گزینه های شاخص OTC KOSPI 200 ، پیامدهای مهم دیگری را برای سرمایه گذاران شرکت کننده در بازار گزینه ها ارائه می دهد.

در این مطالعه ، ما محتوای آموزنده نوسانات ضمنی استخراج شده از گزینه های شاخص سهام OTC KOSPI 200 را بررسی می کنیم و پیش بینی های بین 1- ، 2- و 3 ماهه را مقایسه می کنیم. علاوه بر این ، ما تأثیر بحران مالی جهانی را بر پیش بینی نوسانات ضمنی تجزیه و تحلیل می کنیم. بنابراین ، ما به سؤالات تحقیق زیر می پردازیم: (1) آیا نوسانات ضمنی گزینه های شاخص سهام که در بازار OTC معامله می شود برتر از نوسانات تاریخی در پیش بینی نوسانات تحقق یافته آینده ، حتی در کره است؟(2) آیا پیش بینی نوسانات ضمنی بر اساس بلوغ متفاوت است؟(3) آیا پیش بینی بسته به شرایط بازار متفاوت است؟

ما یک بازار پایدار را به عنوان یک بازار مالی تعریف می کنیم که به اندازه کافی بسیاری از سرمایه گذاران با دید بلند مدت شرکت می کنند و کارایی اطلاعاتی حاصل می شود زیرا چنین بازارهایی می توانند دارایی ها را به درستی قیمت گذاری کرده و برای مدت طولانی نقدینگی را فراهم کنند. اگر بتوانیم ثابت کنیم که بازار گزینه های OTC در مقایسه با بازارهای سهام ، اطلاعات بهتری و بیشتری در مورد نوسانات نقطه آینده منتقل می کند ، در این صورت بازار گزینه های OTC می تواند توجه بیشتری را به خود جلب کند و نقدینگی بیشتری کسب کند. در این راستا ، ما استدلال می کنیم که راندمان اطلاعات می تواند به یک بازار پایدار تر باشد. یافته های ما مبنی بر اینکه گزینه های OTC نوسانات آینده را بهتر از بازار سهام پیش بینی می کند می تواند در ایجاد بازار گزینه های OTC به پایدارتر باشد.

نتایج اصلی تجربی این مطالعه به شرح زیر است. اول ، نوسانات ضمنی گزینه های شاخص OTC KOSPI 200 از نوسانات تاریخی در توضیح نوسانات تحقق یافته آینده فراتر می رود ، اگرچه این یک برآوردگر بی طرفانه نیست. ثانیا ، نوسانات تاریخی هیچ اطلاعات اضافی فراتر از آنچه که نوسانات ضمنی قبلاً نشان می دهد ، ندارد. ثالثاً ، سررسیدهای طولانی تر از قدرت پیش بینی کننده نوسانات ضمنی کمتری برخوردار هستند. سرانجام ، هنگام تقسیم نمونه ها ، در حالی که نوسانات ضمنی از پیش بینی برتر در دوره های قبل و بعد از بحران برخوردار است ، عملکردهای تاریخی از عملکرد دلالت بر نوسانات در دوره بحران است. بنابراین ، نتایج ما شواهد بیشتری در مورد کارآیی بازار گزینه های شاخص سهام OTC ارائه می دهد و راندمان بالاتری را برای گزینه هایی با بلوغ کوتاه تر و در شرایط بهتر بازار نشان می دهد.

مطالعه ما کمک های زیر را به ادبیات انجام می دهد. اول ، این دومین مطالعه برای بررسی کارآیی گزینه های شاخص سهام معامله شده در بازار OTC پس از یو و همکاران است.[17] ، که از شاخص Nikkei-225 و گزینه های شاخص Hang Seng استفاده کرد. ما با استفاده از گزینه های شاخص KOSPI 200 ، کارآیی گزینه های شاخص OTC را تأیید می کنیم. ثانیا ، در حالی که یو و همکاران.[17] تمرکز بر مقایسه پیش بینی نوسانات ضمنی گزینه های مبادله با بازار گزینه های OTC ، تحقیقات ما نشان می دهد که کارآیی بازار گزینه های سهام OTC بسته به بلوغ گزینه یا شرایط بازار متفاوت است. سوم ، ما می دانیم که پیش بینی نوسانات ضمنی گزینه های شاخص سهام OTC در طی یک دوره بحران تضعیف می شود. ما کمبود نقدینگی بازارهای گزینه های OTC را به عنوان منبع احتمالی ناتوانی پیش بینی نوسانات ضمنی در بحران مالی جهانی اخیر کشف می کنیم.

یافته های مطالعه ما همچنین پیامدهای عملی را به صنعت مالی ارائه می دهد زیرا تخمین دقیق نوسانات نگرانی اصلی مدیریت ریسک است. Valaskova و همکاران.[18] بررسی خوبی از مدیریت ریسک مالی ارائه دهید. به عنوان مثال ، مدیران نمونه کارها خطر بالقوه تلفات بزرگ را در پرتفوی خود با ارزش در معرض خطر (VAR) ارزیابی می کنند. برای این منظور ، نوسانات دارایی اغلب با استفاده از داده های گذشته تخمین زده می شود. با این حال ، یک مشکل این است که داده های سریال طولانی برای برآورد نوسانات تاریخی به طور قابل اعتماد مورد نیاز است و تغییر فعلی وضعیت بازار به موقع دشوار است. اقدامات تخمین زده شده توسط داده های گذشته با گذشت زمان تغییر می کند. در مقابل ، نوسانات گزینه ای از گزینه OTC ، یک اقدام آینده نگر ، در هر نقطه از زمان مشاهده می شود و می تواند برای برآورد نوسانات آینده استفاده شود. بنابراین ، این یافته که نوسانات گزینه ای از گزینه OTC نوسانات نقطه آینده را بهتر از نوسانات تاریخی نشان می دهد ، نشان می دهد که بازارهای گزینه های OTC می توانند اطلاعات مفیدی را به عنوان علامت نیمکت برای تخمین VAR دقیق تر ارائه دهند.

2. بررسی ادبیات

2. 1بازار گزینه های OTC

به گفته پارک و همکاران.[19]، در بازار گزینه های مبادله KOSPI 200 طی دوره 2004-2012، حدود یک سوم کل معاملات توسط سرمایه گذاران فردی انجام شد که عموماً به عنوان سفته باز، ناآگاه و پر سر و صدا در نظر گرفته می شوند. شایان ذکر است، حدود 50 درصد از معاملات توسط سرمایه گذاران فردی در سال های 2004 و 2005 انجام شده است. گزینه های KOSPI 200 OTC عمدتاً برای پوشش ریسک محصولات ساختاریافته، مانند اوراق بهادار دارای ردیف سهام (ELS) منتشر شده توسط موسسات استفاده می شود. ELS با سررسید بلندمدت نیز نمی تواند به طور موثر تنها با گزینه های مبادله ای که نقدینگی بالا یا سررسید کمتر از یک ماه دارند، پوشش داده شود و بنابراین، گزینه های KOSPI 200 فرابورس براساس نیاز سرمایه گذاران نهادی معامله می شوند. از این رو، متخصصان بهتر و آگاه تر گزینه ها را در بازار فرابورس معامله می کنند. با توجه به این موضوع، یو و همکاران.[17] که شاخص Nikkei-225 و گزینه های شاخص Hang Seng را مورد تجزیه و تحلیل قرار داد، همچنین اشاره کرد که سرمایه گذاران فردی مشارکت کنندگان اصلی در بازار مبادلات هستند، در حالی که سرمایه گذاران نهادی احتمال بیشتری برای شرکت در بازار فرابورس دارند زیرا نقدینگی و نقدینگی بالاتری دارد. ناشناس بودن

با این حال، مطالعات بسیار کمی، از جمله یو و همکاران.[17]، به دلیل مشکل در دسترسی به داده های مورد نیاز، بازار گزینه های OTC را تجزیه و تحلیل کنید. Covrig و Tow [20] پیش بینی پذیری نوسانات ضمنی را برای نوسانات آتی در بازار گزینه های ارز فرابورس بررسی کردند. پارک و کیم [21] بررسی کردند که آیا اطلاعات گنجانده شده در نوسانات ضمنی گزینه های عرضه فرابورس برای شرکت های منفرد می تواند اسپرد سوآپ پیش فرض اعتبار را توضیح دهد یا خیر. دیسکار و همکاران[22] تأثیر نقدینگی بر حق بیمه اختیار در بازار اختیار معامله نرخ بهره فرابورس ایالات متحده را تحلیل کرد. Chalamandaris و Tsekrekos [23] مدل سطح گزینه های ارز OTC را بررسی کردند. آنها گزارش می دهند که سطوح مستلزم 25 گزینه مختلف نرخ ارز خارجی دارای برخی عوامل مشترک هستند.

2. 2. اطلاعات ضمنی گزینه

با توجه به توسعه بازار گزینه ها ، تعداد فزاینده ای از مقالات شروع به استفاده از اطلاعات گزینه برای پیش بینی نوسانات نقطه آینده کردند. تعدادی از مقالات وجود داشته است که محتوای اطلاعات را در نوسانات گزینه ای برای پیش بینی حرکت آینده دارایی های اساسی بررسی کرده اند. به عنوان مثال ، Manaster و Rendleman [24] شواهدی را ارائه می دهند که قیمت های نظری سهام ، حاصل از قیمت گزینه توسط مدل قیمت گذاری گزینه سیاه و اسکولز [16] ، می تواند قیمت سهام آینده را پیش بینی کند. دوران و همکاران.[25] بررسی کرد که آیا گزینه SKEW ، همانطور که با اختلاف نوسانات در قیمت های مختلف اعتصاب اندازه گیری می شود ، می تواند تصادفات بازار سهام را پیش بینی کند. آنها استدلال می كنند كه نوسانات گزینه می تواند قیمت های آینده را به دلیل معامله گران آگاه در بازار گزینه ها پیش بینی كند. کریستنسن و پرابالا [12] و فلمینگ [13] دریافتند که نوسانات ضمنی گزینه شاخص S& P 100 از نوسانات تاریخی در پیش بینی نوسانات تحقق یافته آینده فراتر است. جوریون [26] شواهدی را ارائه می دهد که نشان می دهد نوسانات ضمنی بهترین پیش بینی نوسانات با استفاده از گزینه های مبادله ای در آینده ارزهای خارجی است. بوش و همکاران.[27] قدرت پیش بینی قوی نوسانات ضمنی در اوراق قرضه ، سهام و بازارهای ارزی را تأیید کرد. تیلور و همکاران.[28] همچنین دریافت که نوسانات ضمنی AT-the-Money از گزینه های فردی آموزنده تر از نوسانات گذشته برای بنگاه هایی است که گزینه های فعال تر معامله می کنند. زینگ و همکاران.[29] بررسی کرد که آیا Smirk از ساختار اصطلاح نوسانات ضمنی دارای قدرت پیش بینی قابل توجهی برای بازده سهام آینده است ، در صورت استفاده از گزینه های سهام برای بنگاه های انفرادی. آنها نشان می دهند که بنگاه هایی که دارای شدیدترین لبخند هستند ، تمایل دارند بدترین عملکرد بازده سهام آینده را تجربه کنند.

رشته دیگر مقالات بر محتوای اطلاعات شاخص های نوسانات متمرکز است که عموماً بر اساس ساخت نوسانات ضمنی بدون مدل ساخته شده است. نماینده شاخص های نوسانات شاخص نوسانات ایالات متحده (VIX) است که نوسانات ضمنی گزینه شاخص S& P 500 با بلوغ یک ماهه تولید شده توسط CBOE است. بلر و همکاران.[14] محتوای اطلاعاتی از بازده داخلی و VIX را مقایسه کرد. آنها نشان می دهند که نوسانات ضمنی نسبت به بازده شاخص با فرکانس بالا در نوسانات پیش بینی شده با شاخص پیش بینی می شود. Bekaert و Hoerova [30] قدرت پیش بینی VIX را از طریق تجزیه بررسی کردند. آنها VIX مربع را به واریانس بورس سهام مشروط و حق بیمه واریانس سهام تجزیه کردند. در نتیجه ، آنها دریافتند که مؤلفه سابق فعالیت های اقتصادی را پیش بینی می کند ، در حالی که مؤلفه دوم بازده سهام را پیش بینی می کند. یون [31] پیش بینی VIX را برای بازگشت و جریان نقدی بررسی کرد. وی همچنین VIX مربع را به حق بیمه بازده و واریانس بازده مورد انتظار تجزیه می کند ، و نشان می دهد که پیش بینی تغییرات بازده مورد انتظار جریان نقدی طولانی مدت و کوتاه مدت را پیش بینی می کند در حالی که حق بیمه واریانس بازده کوتاه مدت را پیش بینی می کند.

برخی از مطالعات وجود دارد که از شاخص های دیگر استفاده کرده اند. به عنوان مثال ، لو و همکاران.[32] شواهدی ارائه می دهد که شاخص نوسانات ETF طلای CBOE دارای قدرت پیش بینی قابل توجهی برای نوسانات تحقق یافته بازار آتی طلای شانگهای در آزمایشات درون نمونه و خارج از نمونه است. یونگ [33] پیش بینی شاخص نوسانات کانادا (VIXC) را در مقایسه با نوسانات نوع Garch بررسی کرد و دریافت که VIXC بدترین پیش بینی را نشان می دهد و GARCH (1،1) بهترین پیش بینی ها را هنگام در نظر گرفتن صحت جهت سنجی اندازه گیری شده توسط اندازه گیری می کند. خطای جهت متوسط.

اگرچه گزینه های شاخص S& P 100 عمدتاً مورد تجزیه و تحلیل قرار گرفته است ، اما بازار گزینه های کره نیز سزاوار توجه ویژه ای است. طبق گفته های Ahn et al.[34] ، گزینه KOSPI 200 INDEX مشتق مالی است که به طور فعال در جهان معامله می شود. به همین دلیل ، تعدادی از مقالات مربوط به بازارهای مشتق بر گزینه های KOSPI 200 متمرکز شده اند. به عنوان مثال ، Ryu و Yang [35] بسته به نوع سرمایه گذاران ، فعالیت های معاملاتی را بررسی کردند و دریافتند که حجم معاملات سرمایه گذاران خارجی می تواند حرکت آینده شاخص سهام اساسی را پیش بینی کند. کیم و ریو [36] عملکرد مدل اصلاح شده ارزش خود را با استفاده از نوسانات سیاه و سفید و شاخص نوسانات گزینه های KOSPI 200 ارزیابی کردند. کانگ و پارک [37] شواهدی پیدا کردند که نشان می دهد معامله گران گزینه KOSPI 200 نسبت به شرکت کنندگان در بازار سهام مربوطه ماهرتر هستند. چون و همکاران.[38] عملکرد پیش بینی اقدامات مختلف نوسانات را بررسی کرد. اقدامات آنها شامل نوسانات تاریخی ، نوسانات نوع گارچ ، شاخص نوسانات ضمنی کره (VKOSPI) و غیره است. آنها نشان می دهند که VKOSPI ، که از قیمت بازار گزینه های KOSPI200 و شاخص اساسی آنها محاسبه می شود ، بهترین عملکرد را نشان می دهد.

به دنبال این مطالعات ، ما همچنین روی گزینه KOSPI 200 Index تمرکز می کنیم. با این حال ، مطالعه ما به گزینه های معامله شده در بازار OTC و نه در مبادله ، همانطور که توسط مطالعات فوق مورد مطالعه قرار گرفته است ، سروکار دارد. به دانش ما ، گزینه KOSPI 200 معامله شده در بازار OTC هرگز مورد مطالعه قرار نگرفته است. همانطور که قبلاً توضیح داده شد ، داده های گزینه OTC احتمالاً اطلاعات متفاوتی و بهتری در مورد نوسانات نقطه آینده (به عنوان مثال ، نوسانات شاخص KOSPI 200) منتقل می کنند. به همین دلیل ، تجزیه و تحلیل ما با استفاده از داده های گزینه OTC با توجه به مطالعات موجود که گزینه های مبادله ای را مورد بررسی قرار داده اند ، زائد نیست.

3. داده ها و روش شناسی

3. 1داده ها

ما داده های روزانه اختیارات سهام OTC KOSPI 200 را برای دوره از 16 مارس 2005 تا 28 آوریل 2011 جمع آوری کردیم. تعداد مؤسساتی که برای گزینه های سهام OTC پیشنهاد می کنند اخیراً افزایش یافته است، اما فقط Nittan مظنه هایی را از روزهای اولیه مشتقات فرابورس کره ارائه می کند. بازار. بنابراین، ما از داده های Nittan برای اطمینان از یک دوره نمونه کافی استفاده می کنیم. دسترسی به داده های بازار فرابورس بسیار محدود است و برای عموم آزاد نیست. ما داده ها را از یک فروشنده بازار که اطلاعات معاملاتی را جمع آوری کرده بود به دست آوردیم. حتی اگر مجموعه داده ما در سال 2011 به پایان برسد، دوره نمونه برای ارائه مفاهیم کلی و استنتاج آماری کافی است. علاوه بر این، نمونه ما شامل بحران اخیر است و یک تست استحکام می تواند برای آن دوره انجام شود. بنابراین نتیجه گیری ما متاثر از ویژگی های یک دوره خاص نیست.

در بازار اختیار معامله فرابورس، قیمت اعمال به نسبت قیمت فعلی و قیمت اختیار معامله به صورت حق بیمه گزارش می شود. ما نوسانات ضمنی را از حق بیمه اختیار معامله بر اساس مدل قیمت گذاری گزینه بلک و اسکولز [16] استخراج کردیم. اگر قیمت معامله شده وجود داشته باشد، نوسان ضمنی را از قیمت معامله شده بدست می آوریم. در غیر این صورت، از میانگین قیمت های پیشنهادی و پیشنهادی، نوسانات ضمنی را استنتاج می کنیم. اگر فقط قیمت پیشنهادی را داشته باشیم، با در نظر گرفتن قیمت پیشنهادی به عنوان قیمت موثر، نوسانات ضمنی را استخراج می کنیم. اگر فقط قیمت پیشنهادی را داشته باشیم، این قیمت را از نمونه حذف می کنیم. علاوه بر این، گزینه های با سررسید 7 روز یا کمتر را برای در نظر گرفتن اعوجاج احتمالی ناشی از ریسک نقدینگی به دلیل کاهش شدید حجم معاملات، حذف می کنیم.

پانل A از جدول A1 تعداد مظنه های اختیار معامله را برای هر محدوده قیمت تمرین و دسته های روزهای تا سررسید برای گزینه های شاخص OTC KOSPI 200 خلاصه می کند. علاوه بر این، داده های گزینه ها را به گزینه های call، put و straddle تقسیم می کنیم. قابل توجه ترین ویژگی جدول این است که گزینه های میان مدت تا بلندمدت با بیش از 3 ماه تا سررسید، رایج ترین گزینه ها در بازار فرابورس است. این تفاوت معنی داری با این یافته است که گزینه های کوتاه مدت شاخص KOSPI 200 با سررسید کمتر از 2 ماه رایج ترین گزینه در بازار بورس هستند.

تعداد کل گزینه های فروش بیشتر از گزینه های خرید بود و گزینه های خرید با قیمت اعمال 110 بیشترین مطلوبیت را داشتند.~119 درصدگزینه فروش در قیمت اعمال 90 بیشتر مورد علاقه بود~99 ٪تماس و گزینه های قرار داده شده عمدتاً بین 3 ماه تا 1 سال سررسید بودند. با این حال ، بیشتر گزینه های Straddle در یک 100 نقل شده است~109 ٪ محدوده قیمت ورزش. نقل قول های گزینه Straddle با سررسید بیش از 367 روز از نظر تعداد زیاد بود. این نمونه شامل بیش از 1600 نقل قول است که از تماس و یا قرار دادن گزینه با همان محدوده انقضا بسیار دور است. این بدان معنی است که گزینه های تماس یا قرار دادن عمدتاً به عنوان میان مدت و نزدیک به پول نقل می شوند ، در حالی که گزینه های Straddle طولانی مدت و در پول هستند.

پانل B جدول A1 میانگین نوسانات ضمنی برای هر محدوده قیمت تمرینی و روزهای دسته های بلوغ برای گزینه های شاخص OTC KOSPI 200 را نشان می دهد. لبخند نوسانات ضمنی ، که دارای نوسانات ضمنی بالاتری است ، زیرا از پول به خارج از پول منتقل می شود ، برای تماس و گزینه ها ظاهر می شود. علاوه بر این ، هنگامی که گزینه های AT-the-Money را مقایسه می کنیم ، نوسانات ضمنی گزینه های PUT کمی بالاتر از گزینه های تماس بود ، که مشابه بسیاری از گزینه های شاخص سهام است ، مانند گزینه S& P 500 Index و KOSPI200 گزینه شاخص در بورس معامله شد.

3. 2تخمین نوسانات ضمنی ، نوسانات تاریخی و نوسانات تحقق یافته

برای تجزیه و تحلیل قدرت پیش بینی کننده نوسانات ضمنی ، مناسب است که نوسانات ضمنی گزینه های شاخص سهام OTC را از قیمت گزینه های AT-THE برای کاهش تأثیر لبخند نوسانات بدست آورید. با این حال ، این روش برای این مطالعه نمونه را بسیار کوچک می کند. از این رو ، ما از نمونه هایی با قیمت ورزش 80 استفاده می کنیم~120 ٪ ، که محدوده گزینه نزدیک پول است که توسط Cao و همکاران تعریف شده است.[39] ، و نوسانات ضمنی را با توجه به فرض مدل سیاه و اسکولز [16] تخمین بزنید ، و سپس با استفاده از وزنهای برابر در قیمت های مختلف ورزش برای هر بلوغ ، میانگین خود را بگیرید.

همانطور که کریستنسن و پرابالا [12] اشاره کردند ، مهمترین نکته در تجزیه و تحلیل قدرت پیش بینی نوسانات ضمنی ، جلوگیری از همپوشانی داده ها است. بنابراین ، ما فقط از گزینه های با سررسید 3 ماه یا کوتاه تر استفاده می کنیم. علاوه بر این ، برای مقایسه میزان قدرت پیش بینی با بلوغ ، ما یک تجزیه و تحلیل رگرسیون را برای هر گزینه بلوغ 1- ، 2- و 3 ماهه انجام می دهیم. علاوه بر این ، از آنجا که قیمت گزینه OTC KOSPI 200 حاوی یک نمونه پراکنده برای بلوغ کوتاه مدت ثابت است ، ما روش زیر را برای ایجاد داده های غیر همپوشانی اتخاذ می کنیم. ما با انتخاب گزینه ها با طولانی ترین بلوغ در بین کسانی که دارای 8 نفر هستند ، سری زمانی از بلوغ 1- ، 2- و 3 ماهه را می سازیم~31 (32~62 ، 63~92) روز به سررسید در اولین روز معاملات در هر ماه (ماه عجیب و غریب ، چهارم). سپس ما به طور متوسط نوسانات ضمنی گزینه های انتخاب شده را با قیمت های مختلف ورزش برای هر ماه (ماه عجیب و غریب ، چهارم) برای تولید سری زمانی ماهانه (عجیب ماهه ، سه ماهه) در نظر می گیریم.

نوسانات تحقق یافته به عنوان متغیر وابسته از انحراف استاندارد نمونه از بازده ورود به سیستم روزانه قیمت شاخص KOSPI200 محاسبه می شود. با توجه به روزهای معاملاتی در سال ، ما سالانه انحراف استاندارد را با ضرب ریشه مربع 250 سالانه می کنیم. نوسانات تاریخی (نوسانات تحقق یافته) به افق روز معاملاتی گذشته (آینده) اشاره دارد که مربوط به بلوغ متوسط گزینه های انتخاب شده است. بنابراین ، ما ناسازگاری در بلوغ در بین نوسانات ضمنی ، نوسانات تاریخی و نوسانات تحقق یافته را از بین می بریم.

در جدول 1 آمار خلاصه نوسانات ضمنی استخراج شده از گزینه های شاخص KOPSI200 به نقل از بازار OTC ، نوسانات تاریخی و نوسانات تحقق یافته مورد استفاده در تجزیه و تحلیل رگرسیون گزارش شده است. جدول میانگین (میانگین) و انحراف استاندارد (STD) از میانگین ، حداکثر (حداکثر) و حداقل (دقیقه) را نشان می دهد. n تعداد داده های سری زمانی را برای هر بلوغ نشان می دهد. در میان آنها ، نوسانات تاریخی دارای کمترین میانگین برای بلوغ 1- و 2 ماهه است و نوسانات تحقق یافته دارای کمترین میانگین برای بلوغ 3 ماهه است. برای انواع بلوغ ، میانگین نوسانات ضمنی (حدود 26~27 ٪) بالاتر از میانگین نوسانات تحقق یافته است (حدود 21 سال~22 ٪) 4~5 ٪این نشان می دهد که نوسانات ضمنی احتمالاً یک برآوردگر مغرضانه از نوسانات تحقق یافته است. این نتیجه شبیه به میانگین تعصب گزینه های شاخص S& P 500 است که توسط بکر و همکاران ثبت شده است.[40] و برای گزینه های شاخص سهام OTC همانطور که توسط یو و همکاران گزارش شده است.[17]

3. 3چارچوب فرضیه و تجزیه و تحلیل

فرضیه های ما مبنی بر اینکه نوسانات ضمنی که از قیمت گزینه تخمین زده می شود ، دارای راندمان آموزنده ای از نوسانات تحقق یافته به شرح زیر است:

نوسانات ضمنی (IMV) قدرت پیش بینی بالاتری از نوسانات تحقق یافته آینده (FV) نسبت به نوسانات تاریخی (HV) دارد.

نوسانات ضمنی شامل کلیه اطلاعات مربوط به نوسانات تحقق یافته در آینده است ، و نوسانات تاریخی هیچ اطلاعاتی فراتر از آنچه که توسط نوسانات ضمنی ارائه شده است ، ندارد.

در این مطالعه ، ما از مدل های رگرسیون مشترک زیر طبق مطالعات قبلی [17،41،42] برای تأیید فرضیه های فوق استفاده می کنیم.< Pan> 3. 3. چارچوب فرضیه و تجزیه و تحلیل