如何衡量高流动性货币对的波动性？
“波动性”在高流动性货币对中的含义
波动性是对价格随时间变化程度的数值描述。在外汇市场中，常见的做法是将波动性视为收益率（价格变动）的变异性，而非原始汇率本身的变异性。
对于高流动性货币对而言，流动性主要影响价格更新的难易程度以及交易成本的紧密程度。这并不会消除不确定性，但相比交易量较小的市场，它可以减少部分噪音来源。测量时仍应基于对数据和时间范围的明确假设。
波动性测量的方法（机制与输入）
一种实用的波动性测量方法是选择以下要素：
- 一个价格序列（例如中间价，或其他一致的报价），
- 一个采样间隔（例如每分钟、每小时或每天），
- 一种收益率定义，以及
- 一种波动性统计量和时间窗口。
一种常见的收益率选择是对数收益率，例如在两个时间点 t−1 和 t 之间：
- 对数收益率 = ln(Pt / Pt−1)
然后，波动性通常计算为这些收益率在滚动窗口（如最近30天）内的标准差。如果需要年化数值，则还需假设如何将采样间隔的变异性按比例放大至一年（例如使用“时间平方根法则”）。这种缩放是一种假设，而非保证。
另一种选择是基于价格区间的波动性（使用某一周期内的最高价与最低价之差），而非收盘价之间的变动。当价格序列存在噪音时，这种方法可能更有用，但它仍取决于高低点的记录方式，以及这些极值是否反映可执行价格。
此外，还存在基于模型的度量方法（例如估计随时间变化的方差）。这些方法需要额外假设，例如方差如何演变，以及模型如何映射到观测到的收益率。
通过实例和情景影响验证
考虑一个“现实情况”：交易员或分析师使用两种不同的采样方法计算同一高流动性货币对的每日波动性：
- 方法A：基于30个交易日的每日收盘价对收盘价收益率。
- 方法B：基于日内报价聚合而成的每日收益率。
即使基础货币对相同，方法B可能产生不同的波动性估计值，因为日内采样捕捉到了微观结构效应（如报价更新、时间差异和临时点差），而方法A则平滑了这些因素。
第二种情景是市场条件的变化。假设该货币对经历了一段短期剧烈波动期。滚动窗口波动性指标在事件期间会上升，随后随着较早的“平静”交易日进入窗口而逐渐下降。这种行为对滚动统计量而言是预期中的，但也突显了一个缺陷：历史波动性可能滞后于快速的市场机制转变。
第三种情景涉及交易成本。如果使用中间价来衡量波动性，可能会低估与实际执行相关的变异性，因为实际成交价取决于点差、滑点和订单规模。因此，两位分析师使用不同的“价格输入”可能在同一日历时间段内得出不同的波动性数值。
局限性、风险及需验证的内容
所有波动性测量都存在实质性局限：
-
窗口和采样依赖性：当你调整时间范围或采样频率时，波动性数值可能发生变化。不存在一个普适的“唯一正确”波动性值。
-
缩放假设问题：使用“时间平方根法则”进行年化依赖于某些可能不成立的条件（例如方差在时间上保持稳定）。
-
数据定义不匹配：中间价、买价/卖价和实际成交价代表不同的现实。从一种价格计算出的波动性可能无法反映实际执行中经历的变异性。
-
市场机制转变：波动性并非平稳的。基于过去数据拟合或计算的度量可能无法刻画未来状况，尤其是在流动性和波动性模式发生变化时。
一个具体的“控制点”是独立验证：至少使用两种合理的收益率定义（例如对数收益率 vs. 简单收益率）和两种数据定义（例如中间价 vs. 其他一致的报价类型）重新计算波动性。如果结果差异显著，则说明你的测量对方法选择敏感。
推进下一步的验证问题
在比较不同高流动性货币对或不同时段的波动性时，请问：采样间隔、收益率定义和价格输入是否一致？ 如果不一致，这些数值可能看似可比，但实际上衡量的是不同事物。