波动率锥是什么？如何比较不同周期的历史波动范围？

波动率锥把多个观察周期的历史实现波动率放在同一张统计图中，帮助分析者判断当前波动率相对“同期限历史分布”处于什么位置。它不是价格预测器，也不直接说明期权便宜或昂贵，而是一种统一期限、避免错误比较的风险参照系。

怎样自己制作波动率锥？

准备同一标的的连续复权日收益，选择 5、10、20、60 等多个滚动窗口。对每个窗口计算滚动实现波动率并年化，再统计历史分位数，例如 10%、25%、50%、75% 和 90%，横轴为期限、纵轴为波动率。

将当前同期限的实现波动率或期权 IV 放到对应位置比较。当前 20 日 IV 高于历史 90% 分位，只表示相对历史昂贵，不代表应立即卖出；先检查样本是否包含类似事件、市场制度是否变化，以及当前财报是否落在期限内。制作时保留样本起止日期和复权方法，避免幸存者与前视偏差。

定义

波动率锥（Volatility Cone）以观察窗口长度为横轴，以年化实现波动率为纵轴。对每一种窗口，例如 10、20、60、120 和 250 个交易日，使用滚动样本计算历史波动率，再分别求最小值、最大值、中位数以及 10%、25%、75%、90% 等分位数。把同一分位数跨期限连接起来，外观就像从左向右逐渐收窄的锥体。

这里的“当前值”通常是截至分析日、某个固定窗口的实现波动率。例如最新 20 日实现波动率必须与历史上所有 20 日滚动波动率比较，而不能直接拿它与 250 日波动率的分位数比较。期权分析中，也可把剩余 30 天期权的隐含波动率与接近 30 日窗口的历史分布并列，但二者含义不同：实现波动率回顾已经发生的路径，隐含波动率反映期权价格对应的前瞻风险补偿。

原理

若日对数收益为 r，窗口包含 n 个交易日，常见估计为“窗口内收益标准差 × √252”。滚动一天后重新计算，就得到该期限的大量历史观测。短窗口只含少数收益，某一个跳空会显著改变估计，因此分布往往更宽；长窗口会把单日冲击摊薄，估计更稳定，所以锥体通常向长期收敛。这种形状来自统计采样特征，不意味着长期风险天然较小。

构建时必须统一收益定义、年化天数和数据处理。收盘到收盘收益能捕捉隔夜跳空，却忽略日内路径；使用 252 个交易日年化和使用 365 个自然日年化会得到不同数字；拆股、特别股息和错误价格若未复权，会制造虚假尖峰。窗口之间高度重叠，连续两天的 60 日波动率共享 59 天数据，因此分位数不能被当作大量独立试验的精确概率。

波动率锥适合回答三个问题。第一，当前实现波动率是否偏离该期限自身的历史常态；第二，不同期限的异常程度是否一致，例如短端进入 90 分位而长端仍处于中位；第三，当前隐含波动率相对历史实现分布是否包含较高风险补偿。第三个问题还需考虑财报、监管裁决、并购投票等尚未进入历史窗口的事件，不能仅因隐波超出锥体就断言高估。

样本区间同样决定结论。只使用低波动年份会压低上沿；纳入危机年份会显著抬高极端分位。对结构变化明显的公司，十年前的业务与杠杆可能已不具可比性。实践中可同时维护“近三年锥”和“完整周期锥”，并标注危机、财报及停牌样本，让统计背景可审计。

举例

假设某股票有 5 年日收益数据。滚动计算后，20 日波动率的 10%、50%、90% 分位分别为 16%、24%、43%，60 日对应为 19%、27%、38%，250 日对应为 22%、29%、34%。分析日最新 20 日实现波动率为 46%，位于历史 90 分位以上；60 日值为 31%，约处于中上区间；250 日值为 28%，接近中位数。这说明近期出现了集中冲击，但冲击尚未完全改变长期风险水平，而不是说明未来必然回落。

同日，一份剩余 21 个交易日的平值期权隐含波动率为 52%。若未来没有已知事件，可以进一步比较隐波 52% 与当前实现 46%、历史 20 日上沿 43%，并估算买卖价差、波动率风险溢价和对冲成本。若 8 天后发布财报，历史 20 日窗口却不含类似事件，则 52% 可能主要计入事件跳空。假设市场隐含财报单日绝对波动约 9%，普通日波动约 2%，简单拿 52% 减去 43% 得出“贵 9 个波动率点”就会遗漏事件成分。

再看指数：10 日实现波动率突然从 14% 升至 30%，超过近三年 90 分位 26%，但 120 日实现波动率仅从 18% 升至 19%。风险团队可以提高短期压力情景，却不必把全年每日波动都直接设为 30%。若连续两个月高波动，短期冲击逐步进入长窗口，60 日和 120 日曲线才会一起抬升。

实际制作可按以下顺序：选择复权价格和样本起点；计算对数收益；设定多个滚动窗口；统一年化规则；计算每个窗口的分位数；在图上叠加当前实现波动率与可比期限隐波；最后对事件、缺失数据和制度变化加注释。结论应写成“相对哪个期限、哪个样本、哪个分位”，而不是笼统说“波动率很高”。

构建结果还可进行稳健性检查。首先分别使用收盘到收盘估计量与包含最高价、最低价的区间估计量；若结论方向相反，应调查隔夜与日内波动的来源。其次把样本按财报日和普通日分层：例如过去 20 次财报后次日绝对收益中位数为 6.2%，普通日只有 1.1%，混合分布无法准确描述某一类日期。最后采用固定起点与滚动三年样本各画一遍，判断所谓极端究竟来自当前冲击，还是旧危机样本退出窗口造成的分位线下移。

跨资产比较尤其需要统一口径。股票 A 的 20 日波动率为 35%、处于自身 55 分位，股票 B 仅为 25%、却处于自身 95 分位。绝对值上 A 更波动，相对历史状态上 B 更异常，两种问题不能用同一个排序回答。指数与个股还存在分散化差异，指数 25% 可能代表高度紧张，而小型生物科技股 40% 可能只是常态。

锥体也可以辅助设定风险情景，而不是产生买卖信号。假设组合当前按 20% 波动率计算一日风险，近十年 20 日波动率 90 分位为 38%、最大值为 75%。风险团队可分别用 38% 检查常见压力，用 75% 或更高跳空情景检查尾部，再观察保证金和流动性是否充足。即便当前值只有 15%，也不能省略压力档，因为历史低波动经常发生在冲击之前。

数据发布时应保存版本。若后续供应商修正价格、指数成分变化或年化规则改变，同一日期的历史分位可能重算。记录原始价格来源、时区、缺失值处理、窗口是否含当日及分位算法，才能让研究者复现结果。样本只有 200 个交易日时计算 250 日锥没有意义；某期限有效观测太少时，应直接标为不可用，而不是外推一条平滑曲线。

报告结论还应注明分位估计的不确定性。某窗口只有 30 个非重叠观测时，90 分位事实上由少数样本决定，新增一次危机就可能明显移动。可以同时列出观测数量、非重叠子样本结果和自助法区间，避免让平滑曲线制造虚假精确感。

常见误区

把超过 90 分位理解为“未来有 90% 概率下降”

分位数只说明历史观测中的相对位置，不给出下一期方向概率，而且滚动样本并不独立。

用错期限比较

拿 10 日实现波动率与 一年期期权隐波或 250 日历史中位数比较，会混入期限效应。应尽量匹配剩余期限和观察窗口。

忽略前瞻事件

历史锥只包含已发生信息。财报、诉讼判决或宏观会议可能合理推高隐波，即使其超过历史上沿。

把最大值当作风险上限

历史最大值不是物理边界。未来跳空可能超过样本内任何记录，风险控制仍需独立压力测试。

常见问题 FAQ

波动率锥能预测波动率回归均值吗？

不能。它描述历史分布，可提示当前值罕见，但不提供回归发生的时间和路径。制度变化、持续危机或公司基本面重构都可能让旧分布失效。

应该用多长的历史样本？

没有唯一答案。短样本更贴近当前制度，长样本包含更多尾部事件。常见做法是同时观察三至五年样本和完整市场周期，并解释两者差异。

可以直接比较隐含波动率和锥体上沿吗？

可以作为初筛，不能作为定价结论。必须匹配期限，并检查事件、偏度、方差风险溢价、利率、分红、流动性和对冲成本。

为什么短期限曲线不一定总比长期曲线高？

锥体画的是各期限分布边界，不是固定期限结构。平静样本中短期中位数可能低于长期中位数，而短期极端上沿因估计噪声和跳空影响反而更高。

用简单收益还是对数收益？

日频小变动下差异通常有限，对数收益在跨期相加和统计建模上更方便。关键是全样本保持一致，并对拆股和异常数据做正确处理。