Factors Directory

Quantitative Trading Factors

Historische Volatilität

Volatilitätsfaktor

factor.formula

Die Standardabweichung der täglichen Rendite der letzten K Handelstage wird wie folgt berechnet:

Diese Formel wird verwendet, um die Standardabweichung der täglichen Renditen über die letzten K Handelstage zu berechnen, wobei:

  • :

    Die historische Volatilität stellt die Standardabweichung der täglichen Renditen über die letzten K Handelstage dar.

  • :

    Die Länge des Zeitfensters ist die Anzahl der letzten Handelstage, die zur Berechnung der Volatilität verwendet werden. Sie beträgt üblicherweise 20-250 Handelstage, wie z. B. 20 Handelstage (ca. ein Monat), 60 Handelstage (ca. drei Monate) oder 250 Handelstage (ca. ein Jahr). Die Wahl des Parameters K wird den geschätzten Wert der Volatilität erheblich beeinflussen und muss an die jeweiligen Strategien und Daten angepasst werden.

  • :

    Die tägliche Rendite am i-ten Handelstag.

  • :

    Die durchschnittliche tägliche Rendite über die letzten K Handelstage.

factor.explanation

Die historische Volatilität ist ein Maß dafür, wie stark ein Aktienkurs über einen bestimmten Zeitraum geschwankt hat. Typischerweise ist die historische Volatilität negativ mit Aktienrenditen korreliert, was mit der Anomalie der geringen Volatilität übereinstimmt. Diese Anomalie besagt, dass Aktien mit geringer historischer Volatilität tendenziell höhere risikobereinigte Renditen erzielen, möglicherweise weil der Markt Aktien mit geringer Volatilität unterbewertet. Dieses Phänomen kann durch verhaltensökonomische Faktoren beeinflusst werden, wie z. B. das übermäßige Streben der Anleger nach Aktien mit hoher Volatilität und die Vernachlässigung von Aktien mit geringer Volatilität. Darüber hinaus können Aktien mit geringer Volatilität in bestimmten Marktumfeldern (z. B. wenn der Markt nachgibt) eine größere Widerstandsfähigkeit aufweisen. Es ist zu beachten, dass die historische Volatilität nur die vergangene Volatilität widerspiegelt und die zukünftige Volatilität nicht vollständig vorhersagen kann.

Related Factors