私募基金专题报告：期权策略系列观察(三)：从隐含波动率到价格的预测

　　投资要点

    　　期权作为参与者专业程度较高的小众市场，其成交信息是否具有“聪明钱”效应值得探究。在2024 年7 月31 日发布的《期权策略系列观察（二）》当中我们对每一时刻的期权隐波进行了标准化，从而为后续的策略开发创造了条件。

    　　本文在此基础上以50ETF 为例尝试对隐含波动率和现货价格本身进行预测。

    　　本文采用随机森林、XGBoost 和MLP 三种模型进行测试，不对单个输入特征的预测效果进行过滤，只要求其含义明确，并尽可能对市场中不相关的信息形成覆盖，共构建了16 个涉及动量、隐波高低水平、波动率曲面形状、量价相关性的特征，除动量存在聚集效应之外，大部分特征相关性较低。

    　　在预测隐含波动率时将目标设置为未来20 个交易日的隐波变化差值。从结果来看随机森林和XGBoost 体现出了较强的捕捉波动率上行的能力，TPR 达到70%，不过也以在波动率下行时的损失为代价，总体胜率在60%左右。XGBoost体现出的能力更加均衡，不过波动更大。对于MLP 来说，在这个小样本问题中体现出的预测能力相对一般。

    　　预测价格时目标设置为未来5 天的收益率。相比预测波动率，对价格的预测要困难许多，随机森林和XGBoost 的预测胜率大幅下降。决策树类的模型更偏向于做多，MLP 更偏向于做空。从MLP 的TPR 和TNR 可以看出MLP 全程发出看空信号，在此小样本问题中缺乏预测能力。随机森林与XGBoost 模型在价格预测上发出的信号胜率一般，不过能在抓住大部分上涨行情的情况下规避掉一些下行风险，择时后收益表现相比50ETF 本身提升明显，单纯做多的年化超额收益在10%左右，多空组合的年化超额收益在20%左右。XGBoost 在这个问题上同样体现出了更强的预测能力和更高的波动性。

    　　风险提示：本报告涉及衍生品相关内容，若您非合格投资者，请勿阅读本报告。本报告所载的信息均来源于已公开信息，但本公司对这些信息的准确性及完整性不作保证。本报告部分结论依赖研究假设和估算方法，可能产生一定分析偏差。本报告模拟组合结果基于对应模型计算，需警惕模型失效的风险，文中涉及的模型结果，仅供研究参考，不构成投资建议。

声明：

1. 风险提示：以上内容仅来自互联网，文中内容或观点仅作为原作者或者原网站的观点，不代表本站的任何立场，不构成与本站相关的任何投资建议。在作出任何投资决定前，投资者应根据自身情况考虑投资产品相关的风险因素，并于需要时咨询专业投资顾问意见。本站竭力但不能证实上述内容的真实性、准确性和原创性，对此本站不做任何保证和承诺。
2. 本站认真尊重知识产权及您的合法权益，如发现本站内容或相关标识侵犯了您的权益，请您与我们联系删除。