下载文档原格式
金融市场波动性的模型在金融市场中，波动性是指金融资产价格的变动幅度。
波动性是金融市场的重要特征之一，对于投资者和市场参与者来说具有重要的意义。
对波动性的准确预测和模型建立对于投资组合管理、风险管理以及金融市场监管都具有重要意义。
本文将讨论金融市场波动性的模型，并探讨其应用。
一、历史波动性模型历史波动性模型是最简单和常见的波动性模型之一。
该模型基于历史价格数据，通过计算金融资产的收益率标准差来度量波动性。
该模型假设未来的波动性与历史波动性相似，并且未来的价格变动会重复历史的模式。
尽管该模型简单易懂，但它存在着无法捕捉市场特征变化和结构性变动的局限性。
二、随机波动性模型随机波动性模型是基于随机过程假设的一类模型，例如随机游走模型、ARCH模型和GARCH模型等。
这些模型认为未来的波动性是随机的，受到先前时期的波动性和外部冲击的影响。
例如ARCH模型将波动性的变化解释为过去波动性的加权和当前条件方差的函数。
GARCH模型在ARCH模型的基础上引入平方收益率之前的信息，增加了预测波动性的准确性。
随机波动性模型在金融市场中得到了广泛的应用，并取得了一定的效果。
三、波动性的预测与应用金融市场波动性的预测对投资者和市场参与者来说具有重要意义。
准确预测波动性可以帮助投资者制定更合理的投资策略，选择适当的风险管理工具。
通过合理地预测波动性，投资者可以在高波动性时期减少投资风险，而在低波动性时期增加投资收益。
此外，波动性的预测还对金融市场的监管机构和政府决策者具有指导作用，可以帮助他们更好地管理金融风险和稳定市场。
在金融市场中，波动性的模型不仅仅用于波动性的预测，还有许多其他的应用。
例如，在期权定价中，波动性是一个重要的参数，对于期权定价的准确性具有重要影响。
波动性的模型也可以用于金融衍生品的估值、风险管理和对冲策略的制定等方面。
波动性的模型在金融市场的交易、投资和风险管理中发挥着重要的作用。
综上所述，金融市场波动性的模型在金融领域有着广泛的应用和研究价值。
波动率标准差波动率标准差。
波动率是金融市场中一个非常重要的概念，它用来衡量资产价格的波动程度，是投资者评估风险和预测未来价格走势的重要指标。
而标准差则是统计学中用来衡量数据波动程度的指标。
在金融领域，波动率和标准差都扮演着至关重要的角色。
本文将从波动率和标准差的概念、计算方法以及在金融领域的应用等方面进行介绍。
首先，让我们来了解一下波动率和标准差的概念。
波动率是指在一定时期内，资产价格的波动程度。
波动率越大，代表资产价格的波动越剧烈，风险也就越高。
而标准差是一组数据的离散程度的度量。
在金融领域，标准差常用来衡量资产价格的波动程度，是波动率的一种衡量方式。
其次，我们来看一下波动率和标准差的计算方法。
波动率的计算方法有多种，其中最常用的是历史波动率和隐含波动率。
历史波动率是利用历史数据计算得出的波动率，而隐含波动率则是通过期权价格反推出的预期波动率。
而标准差的计算方法则是先计算出数据的平均值，然后计算每个数据点与平均值的偏差，再将这些偏差平方求和，最后除以数据个数并开方，得出标准差的值。
在金融领域，波动率和标准差有着广泛的应用。
首先，波动率和标准差可以帮助投资者衡量资产价格的波动程度，从而评估投资风险。
投资者可以通过波动率和标准差来选择合适的投资组合，以达到风险和收益的平衡。
其次，波动率和标准差也可以帮助投资者预测未来价格的走势。
通过对历史波动率和标准差的分析，投资者可以更好地把握市场的变化，制定更为准确的投资策略。
除此之外，波动率和标准差还在衍生品定价、风险管理等方面发挥着重要作用。
在期权定价中，波动率是一个至关重要的参数，它直接影响着期权的价格。
而在风险管理中，标准差则被广泛应用于衡量投资组合的风险水平，帮助投资者制定风险控制策略。
综上所述，波动率和标准差作为金融领域中重要的指标，对于投资者和金融机构来说具有重要意义。
通过对波动率和标准差的深入理解和运用，投资者可以更好地评估风险、制定投资策略，从而更好地把握市场机会，实现投资目标。
black-scholes模型波动率的算法一、概述Black-Scholes模型是一种广泛应用于金融衍生品定价的数学模型。
它不仅可以用于股票、债券等固定收益产品的定价，也可以用于波动率分析和预测。
本文将详细介绍Black-Scholes模型中用于计算波动率的算法。
二、算法原理波动率是金融衍生品价格变化的标准差，反映了市场风险的大小。
Black-Scholes模型通过建立一个概率分布来估算波动率。
该模型假设期权价格遵循一个几何布朗运动，通过求解偏微分方程得到期权价格，进而可以推算出波动率。
三、算法实现1.参数估计：首先需要确定模型中的各种参数，如无风险利率、资产收益率、波动率等。
这些参数通常需要通过历史数据拟合得到。
2.构建概率分布：根据参数估计结果，可以构建一个概率分布函数（如正态分布），用于描述期权价格的概率分布。
3.计算波动率：通过求解期权价格的概率分布的标准差，可以得到波动率。
这种方法称为历史模拟法，其基本思想是通过历史数据回测，得到期权价格分布，进而计算波动率。
4.蒙特卡罗模拟：除了历史模拟法，还可以使用蒙特卡罗模拟法来计算波动率。
该方法通过随机生成大量的期权价格，统计这些价格分布，进而得到波动率。
四、优缺点1.优点：Black-Scholes模型是一个非常成熟且广泛应用的理论模型，它能够较为准确地估算期权价格和波动率，为投资者提供较为准确的决策依据。
2.缺点：该模型假设市场是有效的，即市场价格能够迅速反映所有可用信息。
但在实际市场中，市场可能存在无效性，导致模型估算结果与实际价格存在偏差。
此外，模型对于非线性期权的定价也存在一定难度。
五、应用场景Black-Scholes模型广泛应用于金融衍生品定价、风险评估和投资决策等领域。
通过该模型，投资者可以较为准确地估算期权价格和波动率，从而做出更为明智的投资决策。
同时，该模型也可以用于预测未来市场的波动率，为风险管理提供依据。
六、总结Black-Scholes模型是金融衍生品定价的重要理论工具，通过该模型可以较为准确地估算期权价格和波动率。
realized volatility 算法实现波动率是对金融市场中资产价格的波动进行衡量的一种方法。
一种常用的方法是通过计算实现波动率来衡量价格的波动水平。
实现波动率是通过测量资产价格的实际波动来计算得出的，不同于理论波动率，理论波动率通常是基于一些假设，如随机游走的模型。
实现波动率计算是基于一段时间内资产价格的变动来进行的。
下面是一种简单的实现波动率算法，称为简单实现波动率（Simple Realized Volatility）：1.收集资产价格数据：首先，需要收集一段时间内的资产价格数据。
这些数据可以包括股票，股指期货，外汇或其他金融资产的价格。
通常情况下，收集每日收盘价或分钟级别的价格数据。
2.计算价格变动：接下来，需要计算价格的变动。
对于每个时间点t，价格变动可以通过计算价格的对数差来获得：r_t = ln(P_t) -ln(P_{t-1})。
这里，P_t是时间点t的价格。
3.计算波动率：一旦得到价格变动，可以使用以下方法计算简单实现波动率。
a.计算价格变动的平方：将所有价格变动r_t进行平方计算，得到r_t^2。
b.计算波动率的加权平均：将一段时间内的价格变动平方加总，然后除以时间段的长度，得到波动率的加权平均。
假设观测的时间段为N，则波动率的加权平均为：RV = √(Σ_{t=1}^{N} r_t^2 / N)。
4.归一化波动率：得到波动率之后，通常需要进行归一化处理。
一种常见的方法是将波动率除以一个常数，如100，以获得百分比形式的波动率。
实现波动率算法具有一定的局限性，主要是基于历史数据进行计算，无法预测未来的波动情况。
此外，算法还假设价格变动是随机的，并不考虑金融市场的非线性特征和其他因素的影响。
因此，实现波动率算法通常作为一种参考或评估实际波动水平的指标。
总而言之，实现波动率是一种在金融市场中对价格波动进行衡量的方法。
它通过计算资产价格的实际波动来得出波动率。
简单实现波动率算法是一种常见的计算实现波动率的方法，通过计算价格变动的平方的加权平均来得到波动率的估计值。
《金融计量学》笔记（共17章节）前14章节为重点章节第一章：导论（重要）金融计量学，作为金融学的一个重要分支，致力于运用数学、统计学和计算机技术等方法对金融市场进行量化分析和建模。
这一学科的重要性不言而喻，它为我们提供了一种理性的、基于数据的视角来审视和理解金融市场。
1.金融计量学的定义与重要性金融计量学不仅仅是关于数字和公式的学科，它更是一种思维方式，一种将复杂的金融问题转化为可量化、可分析的形式，并通过数据来寻求答案的方法。
在金融领域，无论是投资决策、风险管理还是资产定价，都需要依靠金融计量学来提供科学的依据。
2.金融计量学在金融领域的应用金融计量学的应用广泛而深入。
在投资组合管理中，它可以帮助我们确定最优的投资组合，以最大化收益并最小化风险。
在风险管理领域，金融计量学可以为我们提供精确的风险度量工具，帮助我们更好地识别和管理风险。
在资产定价方面，金融计量学则为我们提供了一种理性的、基于市场数据的定价方法。
3.金融计量学与其他学科的关系金融计量学并不是孤立存在的，它与金融经济学、统计学、计算机科学等多个学科都有着紧密的联系。
金融经济学为金融计量学提供了理论基础和研究方向，而统计学和计算机科学则为金融计量学提供了数据分析和建模的工具和方法。
4.本课程的学习目标与方法学习金融计量学，我们的目标不仅仅是掌握一些具体的模型和方法，更重要的是培养一种基于数据的、理性的思维方式。
在学习过程中，我们需要注重理论与实践的结合，通过实际的金融数据来应用和验证我们所学的模型和方法。
第二章：金融时间序列数据在金融计量学中，时间序列数据是我们分析的基础。
这一章我们将深入探讨时间序列数据的特性、收集和处理方法。
1.时间序列数据的定义与特性时间序列数据是指按照时间顺序排列的一系列观测值。
在金融领域，时间序列数据无处不在，如股票价格、汇率、利率等。
时间序列数据具有趋势性、周期性、随机性等特性，这些特性对我们的分析和建模都有着重要的影响。
了解金融计算中的波动率曲面金融市场中的波动率是衡量市场风险的重要指标之一。
在投资和风险管理中，了解波动率曲面的变化对于制定有效的投资策略至关重要。
本文将介绍金融计算中的波动率曲面，并探讨其在金融领域中的应用。
一、波动率曲面的概念波动率曲面是描述不同到期日和行权价的期权隐含波动率之间关系的一种图形化表示。
它是由期权市场上的实际交易数据计算得出的，反映了市场对未来波动率的预期。
波动率曲面通常呈现出一个U形，即短期和长期期权的波动率相对较高，而中期期权的波动率相对较低。
二、波动率曲面的计算方法波动率曲面的计算方法主要有两种：插值法和平滑法。
插值法是通过已知的波动率数据点，使用插值算法来计算未知点的波动率。
常用的插值方法有线性插值、二次插值和三次样条插值等。
平滑法则是通过对波动率数据进行平滑处理，消除噪音和异常值，得到平滑的波动率曲线。
常用的平滑方法有移动平均法、指数平滑法和回归平滑法等。
三、波动率曲面的应用波动率曲面在金融领域中有广泛的应用。
首先，波动率曲面可以用于期权定价模型的参数估计。
通过对波动率曲面进行插值或平滑处理，可以得到期权定价模型中所需的波动率参数，进而进行期权定价计算。
其次，波动率曲面可以用于风险管理和投资组合优化。
通过观察波动率曲面的形态和变化，可以判断市场风险的变化趋势，从而制定相应的风险管理策略。
此外，波动率曲面还可以用于期权交易策略的设计。
通过分析波动率曲面的形态和变化，可以选择合适的期权策略，以获得更好的收益。
四、波动率曲面的挑战尽管波动率曲面在金融计算中有诸多应用，但其计算和使用也面临一些挑战。
首先，波动率曲面的计算需要大量的期权交易数据，而这些数据往往不易获取。
其次，波动率曲面的计算和使用需要一定的数学和统计知识，对于非专业人士来说较为困难。
此外，波动率曲面的形态和变化受到多种因素的影响，如市场情绪、经济指标和政策变化等，需要综合考虑这些因素才能作出准确的预测。
总结波动率曲面是金融计算中的重要概念，对于投资和风险管理具有重要意义。
波动率标准差波动率与标准差。
波动率和标准差是金融领域中常用的两个指标，它们都是用来衡量资产价格或投资组合收益的波动程度。
在投资决策和风险管理中，波动率和标准差都起着重要的作用。
本文将就波动率和标准差的概念、计算方法以及在金融领域中的应用进行介绍。
波动率是衡量资产价格波动程度的指标，它反映了价格的不稳定性。
波动率越高，代表资产价格的波动越大；波动率越低，代表资产价格的波动越小。
波动率的计算通常使用历史波动率或隐含波动率。
历史波动率是基于过去一段时间内资产价格的波动情况进行计算，而隐含波动率则是市场对未来波动的预期。
波动率的计算方法有多种，常用的包括对数收益率法、波动率方差法和指数平滑法等。
无论采用何种方法，波动率的计算都需要基于一定的时间段和数据频率，以及对资产价格变动的统计分析。
标准差是一种衡量数据离散程度的统计指标，它表示数据点相对于平均值的偏离程度。
在金融领域中，标准差通常用来衡量资产价格或投资组合收益的波动程度。
标准差的计算方法相对简单，它是各数据点与平均值的偏离程度的平方和的平均值的平方根。
标准差越大，代表数据的离散程度越高；标准差越小，代表数据的离散程度越低。
波动率和标准差在金融领域中有着广泛的应用。
在投资组合管理中，波动率和标准差可以帮助投资者衡量资产组合的风险水平，从而进行风险控制和资产配置。
在衍生品定价中，波动率和标准差是计算期权价格和风险敞口的重要参数。
在量化交易中，波动率和标准差是构建交易策略和风险管理模型的基础。
此外，波动率和标准差还被广泛应用于金融工程、风险管理、资产定价、投资组合优化等领域。
总之，波动率和标准差是金融领域中重要的风险衡量指标，它们对于投资决策和风险管理具有重要意义。
通过对波动率和标准差的理解和应用，投资者可以更好地把握市场风险，提高投资决策的准确性和效果。
因此，对波动率和标准差的深入研究和应用具有重要的意义，也是金融从业者和投资者必须掌握的重要知识之一。
期权论坛波动率指数引言期权是金融市场中的一种衍生品，被广泛应用于风险管理和投资组合调整等方面。
在期权市场中，波动率是一个非常重要的指标，它反映了市场对未来价格波动的预期。
波动率指数是一种衡量市场情绪和风险水平的工具，可以帮助交易者进行决策和风险管理。
本文将介绍期权论坛波动率指数的定义、计算方法以及其在期权交易中的应用。
一、期权论坛波动率指数的定义期权论坛波动率指数是基于期权市场价格计算出来的一种指标，它反映了投资者对未来价格波动的预期。
该指数通常采用隐含波动率作为计算依据，隐含波动率是根据期权价格反推计算出来的波动率，代表了市场对未来价格波动的预期。
二、期权论坛波动率指数的计算方法期权论坛波动率指数的计算方法与其他波动率指数相似，主要分为两步骤：一是确定参与计算的期权合约；二是计算隐含波动率。
1. 确定参与计算的期权合约期权论坛波动率指数的计算通常选择一系列到期日相近的期权合约作为样本。
这些期权合约通常代表了市场对不同到期日的价格波动的预期。
根据市场活跃度和流动性等因素，确定一组代表性的期权合约用于计算。
2. 计算隐含波动率隐含波动率是通过解方程组反推计算出来的。
期权论坛波动率指数通常使用Black-Scholes模型或类似的模型来计算隐含波动率。
这些模型基于期权价格、标的资产价格、利率、期限等因素，通过求解方程组来估计波动率。
三、期权论坛波动率指数的应用期权论坛波动率指数在期权交易中有广泛的应用。
以下是几个常见的应用场景：1. 交易决策期权论坛波动率指数可以帮助交易者制定交易策略。
当波动率指数较高时，说明市场对未来价格波动的预期较大，交易者可以选择采取更激进的交易策略。
相反，当波动率指数较低时，交易者可以选择更保守的策略。
2. 风险管理隐含波动率是衍生品定价中的重要参数，期权论坛波动率指数可以帮助交易者评估风险水平。
交易者可以根据波动率指数的变化来调整仓位、对冲风险或制定止损策略，从而实现风险管理的目标。
金融市场波动性的预测模型及算法金融市场中的波动性是指市场价格的波动，是衡量市场风险的重要指标。
波动性的提高意味着投资者面临更大的风险，同时也可能提供更多的机会。
因此，对波动性的预测成为了投资者追求高收益和降低风险的重要工具之一。
本文将介绍金融市场波动性预测的模型及算法。
1. 历史波动性模型历史波动性模型是波动性预测的最简单模型。
它基于历史价格的波动情况，通过计算历史波动率来估计未来的波动率。
历史波动率通常由实际波动率和隐含波动率两种方式估计。
实际波动率是指最近一段时间内的实际波动情况，常用的计算方法是对数收益率的标准差。
隐含波动率是指根据期权价格反推出的市场对未来波动率的预期。
尽管历史波动性模型简单但不代表精度不够。
在实践中，历史波动率模型在预测上表现出了一定的可靠性。
但其无法应对市场中的意外事件，这种模型只能给出短期趋势的预测，长期预测要考虑因素更多。
2. GARCH模型ARCH模型是在历史波动率模型基础上对波动率进行预测的最早模型。
ARCH 模型是自回归条件异方差模型，用过往价格数据来预测未来波动率。
而GARCH模型则在ARCH条件下加入了对过去波动率的修正。
GARCH预测模型是自回归模型和移动平均模型的组合，可以将过去的实际波动率、历史波动率和隐含波动率加以考虑和修正。
GARCH模型通过对过去波动率的分析，来估计未来的波动率。
GARCH预测模型的实质是通过多项式拟合算法，以最优化的方式来预测市场波动率，因此与历史波动率模型相比，GARCH模型的预测精度更高，更加容易应对短期市场事件。
3. SV模型SV模型全称是随机波动率模型，是由Hansen和Lunde在2005年创立的波动率预测模型。
与GARCH模型不同的是，SV模型不采用确定性的固定波动率代表所有时期的波动率，而是将波动率本身也视为一个随机过程，并且波动率随着时间变化而变化。
因此，SV模型可以更好地反映市场波动率的变化，在短期内预测更加准确。
第２５卷第５期 Ｖ０１．２５ Ｎｏ．５ 统计与信息论坛
Ｓｔａｔｉｓｔｉｃｓ＆Ｉｎｆｏｒｍａｔｉｏｎ Ｆｏｒｕｍ ２０１０年５月
Ｍａｙ，２０１０
【统计理论与方法】
高频数据驱动的连续时问模型估计
赵驰 ，殷炼乾ｂ （西安交通大学ａ．经济与金融学院，陕西西安７１００６１；ｂ．金禾经济研究中心，陕西西安７１００４９）
摘要：现代金融经济学中连续时间模型能够更方便地描述重要经济变量的动态过程如股价、汇率和利率 等。为连续时间模型提出了一种高频数据驱动的二阶段估计方法，增强了连续时间扩展模型的弹性和可操作 性。以Ｖａｓｉｃｅｋ模型为例给出了该方法的应用实例，首先在第一阶段使用实现波动率方法估计出模型的扩散 项参数，然后使用实际数据的稳态分布的前向方程估计漂移项参数。此方法对模型初始设定和优化算法依赖 程度低，结果较为稳定可靠。 关键词：连续时间模型；模型估计；高频数据；实现波动率 中图分类号：Ｆ８３０ 文献标志码：Ａ 文章编号：１００７—３１１６（２０１０）０５—００１８—０４
一、
引 言
在许多应用当中，连续时间模型能够更好地描述 股价、汇率和利率等经济变量的动态过程。其中，最 具代表性的包括Ｂｌａｃｋ和Ｓｒ．ｈｏｌｅｓ的期权定价模型，假 定基本股价服从几何扩散方程，得到学界的广泛认 同…。然而，如何从实际观测到的离散数据中得到此 类模型的估计一直是一个富有挑战性的问题。近年 来连续时间模型的最重要发展之一就是利用计量方 法对模型估计的创新。如Ｌｏ和／ｋｉｔ—Ｓａｈａｌｉａ提出的最 大似然估计，Ｄｕｆｌｅ和Ｓｉｎｇｌｅｔｏｎ提出的模拟矩方法， Ｇａｌｌａｎｔ和Ｔａｕｃｈｅｎ提出的有效矩方法等【２］。他们在 这方面的努力与探索，无论对于学界还是业界都具有 重要的理论和现实意义。 本文为连续时间扩散模型提出了一种基于高频 数据的二阶段估计方法，较Ｆｌｏｒｅｎｓ—Ｚｍｉｒｏｕ、 Ｙｏｓｈｉｄａ、Ｂａｎｄｉ和Ｐｈｉｌｌｉｐｓ更加精确和简单。首先， 在第一阶段的扩散项参数的估计中，Ａｎｄｅｒｓｅｎ和 Ｂｏｌｌｅｒｓｌｅｖ的研究指出，使用高频数据构造的实现波 动率能够以任意精度估计出连续时间模型的二次方 差【３Ｊ。随后，Ｃｈｒｉｓｔｅｎｓｅｎ和Ｐｏｄｏｌｓｋｉｊ的研究指出， 实现极差不仅是金融市场价格波动率的一致估计 量，而且比实现波动率更准确，更有效率。邵锡栋、 殷炼乾的研究指出，以实现极差波动为波动率的代 理变量，结合Ｃｈｏｕ提出的极差自回归模型，对中国 股市的风险测度会有显著改进【４ｌ。Ｘｉ—Ｄｏｎｇ Ｓｈａｏ 等对一类新的结合了实现极差和实现二次幂变差各 自的优点的实现极差双幂次变差非参估计量进行了 建模和实证研究，实证结果显示此估计量能够提高 扩散项的估计效率，使标准化残差更接近正态分 布【５ｊ。在第二阶段的漂移项参数的估计中，利用 Ｗｉｌｍｏｔｔ和Ｏｚｔｕｋｅｌ提出的一个基于前向方程估计 稳态分布的估计方法来得到漂移项的估计。最后， 此类方法可以扩展到比较复杂的模型设定，然而并 不显著增加模型的估计难度。
stata garch条件波动率理论说明1. 引言1.1 概述引言部分旨在介绍文章的主题和背景，以及当前条件波动率分析在金融领域中的重要性。
我们将首先提出对条件波动率概念的理解，并说明其在风险管理和市场预测方面的应用。
进一步，我们会简要介绍GARCH模型作为常用的条件波动率模型，并强调本文将聚焦于使用Stata软件进行条件波动率分析。
1.2 文章结构在本节中，我们将说明本篇文章所采用的结构和章节安排。
通过清楚地列出各个章节所包含的内容，读者可以更好地理解整体框架并准确地找到感兴趣的信息。
文章结构如下：第2节：GARCH模型介绍- 2.1 条件波动率的概念- 2.2 GARCH模型原理- 2.3 GARCH模型参数估计方法第3节：Stata软件在条件波动率分析中的应用- 3.1 Stata软件简介- 3.2 Stata中GARCH模型的实现步骤- 3.3 Stata对条件波动率结果的解释与分析第4节：GARCH条件波动率模型应用案例研究- 4.1 数据收集与处理方法- 4.2 案例研究结果展示与解读- 4.3 结果讨论与分析第5节：结论与展望- 5.1 研究结论总结- 5.2 可以深入研究的问题和方向1.3 目的在这一部分，我们将明确本文的目标。
通过引言部分的阐述，我们希望读者能够理解本文旨在提供关于GARCH条件波动率模型以及Stata软件在相关领域中应用的详细说明。
此外，我们还将总结本文所涵盖的内容，并指出可以进一步进行深入研究的问题和方向。
通过明确目标，读者可以有一个清晰的期望，并对接下来要阅读的内容有一个预期。
2. GARCH模型介绍:2.1 条件波动率的概念条件波动率是金融市场中一个重要的概念，它表示当前时点下的波动情况与之前一段时间的信息相关联。
条件波动率是指在时间序列模型中，每个时刻的波动都由历史平方残差所决定，并且预测未来时点上的波动情况。
2.2 GARCH模型原理GARCH（Generalized Autoregressive Conditional Heteroskedasticity）模型是用于描述金融市场波动性的一种计量经济学工具。
