A. 股票的波動率怎樣計算，詳細步
我所知道的股票波動率是出自江恩理論。由於江恩本人並沒有對波動率進行過詳細的描述所以現在市面上所有有關波動率的演算法全是後人根據他的理念推斷的。我現在所知道的演算法有三種。第一就是兩個高點（低點）的差除以兩個高點（低點）之間的時間。比如說兩個高點分別為15和10，時間是10個交易日那麼15-10=5，5/10=0.5，0.5就是波動率。第二種方法也很簡單就是你自己去推斷波動率，比如上證指數，你可以用10 20 40 80 160這種點數去挨個的套，股票一般用，0.1 0.2 0.4 0.8 或0.05 0.1 0.2 0.4等等 看看哪個在歷史上最適用。支持這一演算法的是因為江恩在他寫的商品期貨教程中曾經提到過5月咖啡的1*1線的畫法是以別以1點、12點、30點對應一天為波動率，畫1*1線的，但書中卻沒寫為什麼用這3個數。根據我所撐握的江恩理論知識這很有可能是分別用到了太陽，木星和土星的周期。太陽，木星，土星的周期分別是1年，12年，30年。第三種就是股票的最小波動單位，比如咱們股票的最小波動單位為0.01元。支持這一演算法是因為在江恩那個年代沒有計算機，股票繪圖只能是人力手工作業。江恩只用一種8*8的坐標紙，這紙上的1*1線永遠是45°，而1/8美分是當時商品的最小波動單位。
B. garch 初始值 波動率
garch初始值波動率：以哈飛股份(600038)為例，運用GARCH（1,1）模型計算股票市場價值的波動率。
ABDL提出了VAR—RV模型，即所謂的長記憶高斯向量自回歸對數實際波動率模型，並且用第T日的實際波動率分別和VAR—RV及GARCH(1，1)利用直到T一1日的信息預測第T日的波動率的結果比較，發現VAR—RV的預測精度遠優於GARCH(1，1)的預測精度。
影響：
在計算期權的理論價格時，通常採用標的資產的歷史波動率：波動率越大，期權的理論價格越高；反之波動率越小，期權的理論價格越低。波動率對期權價格的正向影響，可以理解為：對於期權的買方，由於買入期權付出的成本已經確定。
標的資產的波動率越大，標的資產價格偏離執行價格的可能性就越大，可能獲得的收益就越大，因而買方願意付出更多的權利金購買期權；對於期權的賣方，由於標的資產的波動率越大，其承擔的價格風險就越大，因此需要收取更高的權利金。
C. 股票波動率指標是哪個
股票的波動率指標一般是歷史波動率和隱含波動率。歷史波動率：通過一個計算標准差的公式對標的工具在過去價格變化快慢進行衡量；隱含波動率：只與期權有關，是期權市場對標的物在期權生存期內即將出現的統計波動率的預測。投資者可以計算和比較兩種波動率，然後分析出對未來價格趨勢的預估，但是對專業要求相對較高。
拓展資料：波動率分類：
1、實際波動率，實際波動率又稱作未來波動率，它是指對期權有效期內投資回報率波動程度的度量，由於投資回報率是一個隨機過程，實際波動率永遠是一個未知數。或者說，實際波動率是無法事先精確計算的，人們只能通過各種辦法得到它的估計值。
2、歷史波動率，歷史波動率是指投資回報率在過去一段時間內所表現出的波動率，它由標的資產市場價格過去一段時間的歷史數據（即St的時間序列資料）反映。這就是說，可以根據{St}的時間序列數據，計算出相應的波動率數據，然後運用統計推斷方法估算回報率的標准差，從而得到歷史波動率的估計值。顯然，如果實際波動率是一個常數，它不隨時間的推移而變化，則歷史波動率就有可能是實際波動率的一個很好的近似。
3、預測波動率，預測波動率又稱為預期波動率，它是指運用統計推斷方法對實際波動率進行預測得到的結果，並將其用於期權定價模型，確定出期權的理論價值。因此，預測波動率是人們對期權進行理論定價時實際使用的波動率。這就是說，在討論期權定價問題時所用的波動率一般均是指預測波動率。需要說明的是，預測波動率並不等於歷史波動率，因為前者是人們對實際波動率的理解和認識，當然，歷史波動率往往是這種理論和認識的基礎。除此之外，人們對實際波動率的預測還可能來自經驗判斷等其他方面。
D. 用eviews軟體計算股票波動率，garch（1,1）模型估計出來的結果如下圖，請問那些數值是表示波動率的
c————歐米伽
RESID(-1)^2——阿爾法
GARCH（-1）——貝塔
帶入下面方程式
E. 怎麼看股票的波動率
沖天牛為您解答：
股票價格波動率 被定義為股票收益率（股票價格變動比例）的標准差，它反映了股票價格的「發散」程度。從理論上講，可轉換公司債券的價格受可轉換公司債券存續期間標的股票波動率的影響；但是，事後的波動率事前並不能准確得知。在實際操作過程中，除了用已知派生證券的價格和其定價公式倒推「隱含波動率」（Implied Volatility）之外，一個常用的方法是用標的股票歷史的波動率來替代將來派生證券存續期標的股票的波動率。具體計算年波動率的方法如下：
假定： n： 連續觀察的交易日數
Si：在第i個交易日末的股價
令：
其中： i=1，2，…，n
則 的估計值為：
其中： 為ui的均值
N為年交易天數
全球股票市場的波動率平均約20％左右，亞洲偏高在30％左右，由於我國證券市場是新興市場，因此每年的股票波動率變化幅度較大，以上證綜指為例，1992年股票波動率高達96％，1993年下降到60％，到2000年只有34％，波動幅度非常大，但總體下降趨勢是明顯的。
望採納！！
F. 請問股票波動率如何計算
波動率的計算：
江恩理論認為，波動率分上升趨勢的波動率計算方法和下降趨勢的波動率計算方法。
1、上升趨勢的波動率計算方法是：在上升趨勢中，底部與底部的距離除以底部與底部的相隔時間，取整。
上升波動率=（第二個底部-第一個底部）/兩底部的時間距離
2、下降趨勢的波動率計算方法是：在下降趨勢中，頂部與頂部的距離除以頂部與頂部的相隔時間，取整。並用它們作為坐標刻度在紙上繪制。
下降波動率=（第二個頂部-第一個頂部）/兩頂部的時間距離
拓展資料：
股市波動率的類型：
1、實際波動率
實際波動率又稱作未來波動率，它是指對期權有效期內投資回報率波動程度的度量，由於投資回報率是一個隨機過程，實際波動率永遠是一個未知數。或者說，實際波動率是無法事先精確計算的，人們只能通過各種辦法得到它的估計值。
2、歷史波動率
歷史波動率是指投資回報率在過去一段時間內所表現出的波動率，它由標的資產市場價格過去一段時間的歷史數據（即St的時間序列資料）反映。這就是說，可以根據{St}的時間序列數據，計算出相應的波動率數據，然後運用統計推斷方法估算回報率的標准差，從而得到歷史波動率的估計值。
顯然，如果實際波動率是一個常數，它不隨時間的推移而變化，則歷史波動率就有可能是實際波動率的一個很好的近似。
3、預測波動率
預測波動率又稱為預期波動率，它是指運用統計推斷方法對實際波動率進行預測得到的結果，並將其用於期權定價模型，確定出期權的理論價值。
因此，預測波動率是人們對期權進行理論定價時實際使用的波動率。這就是說，在討論期權定價問題時所用的波動率一般均是指預測波動率。需要說明的是，預測波動率並不等於歷史波動率。
4、隱含波動率
隱含波動率是期權市場投資者在進行期權交易時對實際波動率的認識，而且這種認識已反映在期權的定價過程中。從理論上講，要獲得隱含波動率的大小並不困難。
由於期權定價模型給出了期權價格與五個基本參數（St，X，r，T-t和σ）之間的定量關系，只要將其中前4個基本參數及期權的實際市場價格作為已知量代入期權定價模型，就可以從中解出惟一的未知量σ，其大小就是隱含波動率。因此，隱含波動率又可以理解為市場實際波動率的預期。
參考鏈接：網路：波動率指數
G. 如何用GARCH(1,1)求股票的具體波動率數據
以哈飛股份(600038)為例，運用GARCH（1,1）模型計算股票市場價值的波動率。
GARCH（1,1）模型為：
(1)
(2)
其中， 為回報系數， 為滯後系數， 和 均大於或等於0。
（1）式給出的均值方程是一個帶有誤差項的外生變數的函數。由於是以前面信息為基礎的一期向前預測方差，所以稱為條件均值方程。
（2）式給出的方程中： 為常數項， （ARCH項）為用均值方程的殘差平方的滯後項， （GARCH項）為上一期的預測方差。此方程又稱條件方差方程，說明時間序列條件方差的變化特徵。
通過以下六步進行求解：
本文選取哈飛股份2009年全年的股票日收盤價，採用Eviews 6.0的GARCH工具預測股票收益率波動率。具體計算過程如下：
第一步：計算日對數收益率並對樣本的日收益率進行基本統計分析，結果如圖1和圖2。
日收益率採用JP摩根集團的對數收益率概念，計算如下：
其中Si，Si-1分別為第i日和第i-1日股票收盤價。
圖1 日收益率的JB統計圖
對圖1日收益率的JB統計圖進行分析可知：
（1）標准正態分布的K值為3，而該股票的收益率曲線表現出微量峰度（Kurtosis=3.748926>3），分布的凸起程度大於正態分布，說明存在著較為明顯的「尖峰厚尾」形態；
（2）偏度值與0有一定的差別，序列分布有長的左拖尾，拒絕均值為零的原假設，不屬於正態分布的特徵；
（3）該股票的收益率的JB統計量大於5%的顯著性水平上的臨界值5.99，所以可以拒絕其收益分布正態的假設，並初步認定其收益分布呈現「厚尾」特徵。
以上分析證明，該股票收益率呈現出非正態的「尖峰厚尾」分布特徵，因此利用GARCH模型來對波動率進行擬合具有合理性。
第二步：檢驗收益序列平穩性
在進行時間序列分析之前，必須先確定其平穩性。從圖2日收益序列的路徑圖來看，有比較明顯的大的波動，可以大致判斷該序列是一個非平穩時間序列。這還需要嚴格的統計檢驗方法來驗證，目前流行也是最為普遍應用的檢驗方法是單位根檢驗，鑒於ADF有更好的性能，故本文採用ADF方法檢驗序列的平穩性。
從表1可以看出，檢驗t統計量的絕對值均大於1%、5％和10%標准下的臨界值的絕對值，因此，序列在1%的顯著水平下拒絕原假設，不存在單位根，是平穩序列，所以利用GARCH（1,1）模型進行檢驗是有效的。
圖2 日收益序列圖
表1ADF單位根檢驗結果
第三步：檢驗收益序列相關性
收益序列的自相關函數ACF和偏自相關函數PACF以及Ljung-Box-Pierce Q檢驗的結果如表3（滯後階數 =15）。從表4.3可以看出，在大部分時滯上，日收益率序列的自相關函數和偏自相關函數值都很小，均小於0.1，表明收益率序列並不具有自相關性，因此，不需要引入自相關性的描述部分。Ljung-Box-Pierce Q檢驗的結果也說明日收益率序列不存在明顯的序列相關性。
表2自相關檢驗結果
第四步：建立波動性模型
由於哈飛股份收益率序列為平穩序列，且不存在自相關，根據以上結論，建立如下日收益率方程：
(3)
(4)
第五步：對收益率殘差進行ARCH檢驗
平穩序列的條件方差可能是常數值，此時就不必建立GARCH模型。故在建模前應對收益率的殘差序列εt進行ARCH檢驗，考察其是否存在條件異方差，收益序列殘差ARCH檢驗結果如表3。可以發現，在滯後10階時，ARCH檢驗的伴隨概率小於顯著性水平0.05，拒絕原假設，殘差序列存在條件異方差。在條件異方差的理論中，滯後項太多的情況下，適宜採用GARCH（1,1）模型替代ARCH模型，這也說明了使用GARCH（1,1）模型的合理性。
表3日收益率殘差ARCH檢驗結果
第六步：估計GARCH模型參數，並檢驗
建立GARCH（1,1）模型，並得到參數估計和檢驗結果如表4。其中，RESID(-1)^2表示GARCH模型中的參數α，GARCH（-1）表示GARCH模型中的參數β，根據約束條件α+β<1，有RESID(-1)^2+GARCH（-1）=0.95083＜1，滿足約束條件。同時模型中的AIC和SC值比較小，可以認為該模型較好地擬合了數據。
表4日收益率波動率的GARCH（1,1）模型的參數估計
H. 樣本股票的股權市值年波動率怎麼算 做模型遇到這個數據表示不會啊、。。。。
股權市值=股價
股票歷史波動率的計算方法
1、從市場上獲得標的股票在固定時間間隔(如每天、每周或每月等)上的價格。
2、對於每個時間段，求出該時間段末的股價與該時段初的股價之比的自然對數。
3、求出這些對數值的標准差，再乘以一年中包含的時段數量的平方根(如，選取時間間隔為每天，則若扣除閉市，每年中有250個交易日，應乘以根號250)，得到的即為歷史波動率。