如何衡量货币对季节性中的波动性
直接答案
货币对季节性中的波动性可以通过将“季节性”视为按日历周期平均收益的模式，然后衡量实际收益围绕这些特定日历平均值的变动程度来测量。其目的不是预测下一次价格变动，而是量化收益在一年中不同时段（或一周中的不同天）的波动强度。
一种实用的方法是：计算每次观测的收益，将每个收益分配到一个日历区间（例如：一年中的月份），估算每个区间的平均收益，然后计算区间内和区间间的变异性。关键在于必须使用一致的定义（收益类型、时间范围和频率），并明确说明假设，因为如果这些选择发生变化，所测得的“波动性”也会随之改变。
机制与定义
1) 定义基本要素
- 货币对季节性：指收益在日历分组（如一年中的月份）下平均表现存在差异的趋势。
- 波动性（测量目标）：对收益变化程度的数值描述。
- 收益定义：为进行测量，必须明确“收益”的含义（通常为对数收益或百分比回报），以及时间范围（例如：1天、5天或1小时）。
2) 构建季节性区间 选择一个日历分组，例如：
- 一年中的月份（12个区间）
- 一周中的星期几（5个交易区间，若使用交易日）
- 一月中的周数（4–5个区间）
对每个区间，计算平均收益：
- (\mu_b) = 区间 (b) 的平均收益。
3) 衡量变异性以捕捉“季节性波动性” 有多种合理的统计方法。至少使用一种，并建议报告多个指标：
- 区间内波动性：收益围绕区间均值的变异性，例如每个区间的 (\sigma_b)，然后在所有区间上聚合（取均值或中位数）。
- 区间间均值的离散度：各区间均值之间的差异程度，例如计算所有区间 (\mu_b) 的方差 (\text{Var}(\mu_b))。
- 综合评分：例如，一个加权指标，同时反映区间内波动性和区间均值之间的差异。
一个简单的解释方式：
- 区间内波动性告诉你，即使在固定日历区间内，收益的“噪音”有多大。
- 区间间离散度则告诉你，不同日历区间在平均行为上是否存在显著差异。
证据或示例（含明确假设）
假设你拥有某货币对多年来的每日收盘价，希望使用1天时间范围来衡量其按月的季节性波动性。
需提前声明的假设
- 使用收盘价到收盘价的价格。
- 计算1天对数收益：(r_t = \ln(P_t/P_{t-1}))。
- 排除非交易日，确保每一步为一个交易日。
- 按 (t) 日的日期（即测量收益的当天）划分日历区间。
计算概要
- 对每个交易日 (t)，分配月份区间 (b(t)\in{1,\dots,12})。
- 对每个区间 (b)，计算 (\mu_b = \text{mean}(r_t,|,b(t)=b))。
- 计算区间内波动性：(\sigma_b = \text{std}(r_t,|,b(t)=b))。
- 通过报告以下内容来总结季节性波动性：
- (\sigma_b) 的中位数，以减少异常月份的影响。
- 区间均值的方差 (\text{Var}(\mu_b))，以描述季节性均值的差异程度。
本示例中的实质性局限 即使 (\sigma_b) 在不同月份间存在差异，这种差异也可能由更广泛的市场机制变化驱动，而非稳定的日历效应。为避免将一次性条件误认为重复出现的季节性，应比较不同子时期（例如早期与后期年份）的结果，并检查波动性模式是否保持一致。
局限性与风险（以及可能出现的问题）
- 无实时保证：历史变异性不能确保未来波动性模式的持续。
- 数据提供商与数据影响：测得的收益和波动性可能因数据频率、缺失交易日、公司行为（在外汇中罕见）、数据供应商方法，以及使用收盘价对收盘价还是盘中数据而变化。
- 市场机制转变：波动性随时间变化。一个日历区间在一个机制下可能稳定，在另一个机制下则不稳定。
- 成本与执行不确定性：许多“测得波动性”研究隐含假设无摩擦交易。实际的点差、佣金和滑点可能改变你实际经历的结果，与理想化收益序列不同。
- 失败模式——过度拟合日历区间：若使用过多区间或历史过短，可能测得的是噪音而非真实结构。
为增强稳健性，可检验你的波动性指标在以下情况下的稳定性：
- 改变收益时间范围（例如