01

波动率的特征之一：序列相关性

学者们试图通过研究不同类别的数据，以发现波动率的特征，降低预测未来波动率的难度。为了简单快速地了解波动率的几个基本特征，我们通过引入天气的例子来加以说明，因为波动率与天气很像。

假设知道今天最高气温是30度，但是没有其他信息。在此基础上预测明天的最高气温，你会猜多少度呢？多数人会猜明天的最高气温是30度，因为根据实际经验，今天和明天发生的事情是有关联的。实际上，即使猜三次，在没有其他数据的情况下，你仍然会猜30度。

学者们把温度间的这种关系称为“序列相关性”，相当于两个连续事件的联系。波动率也存在序列相关性。所以，如果要预测下个月的波动率是多少，而没有其他的数据，最好的方法就是认为下个月波动率与本月一致，做出这一预测的原因是波动率存在序列相关性特征。

02

波动率的特征之二：均值回归效应

假设今天最高温度是30度，并且已知去年同期平均最高温度是27度。此时给你下一日最高温度的三个选项：28度、30度和32度，请预测明天的最高气温。

根据序列相关性特征，你可能还是会选择30度。但是，如果给出了平均温度的最新信息，你很可能会选择28度。至少应该很少有人会选择32度。为什么会选择28度呢？因为天气和波动率的另一个特征是会回归平均值。这一趋势一般被称为“均值回归”。如果波动率均值在20%，近期波动率为30%，我们就有理由相信波动率可能会下降，因为波动率会向均值移动。

03

波动率的特征之三：动量聚集效应

假设两天前的最高温度是28.5度，昨天的最高温度是30度，今天是31.5度。明天的最高温度是多少呢？28度、30度，还是32度？

这次的预测更加复杂，而且并没有告诉你平均温度是多少。但是，多数人会猜测32度，因为我们知道温度会向一个方向变化。换句话说，要么经历寒潮，要么连续高温，很少冷热交替。因此，如果事情开始向一个方向变化，我们就有理由相信它会按这个方向继续变化。这个现象并没有科学术语来描述，但是交易员一般称之为“动量”，即事情按已经出现的同方向变化继续运行的趋势。波动率也具有这一特征。