9、信息与波动率：信息冲击函数、波动率微笑、隐含信息提取

波动率这东西，说白了就是市场对信息反应的「烈度」。我做了这么多年交易，最深的体会就是——价格本身不重要，重要的是价格怎么动。而价格怎么动，完全取决于信息怎么来。

这一章我们聊三个核心问题：信息来了，波动率怎么变？为什么期权隐含波动率会呈现「微笑」形态？以及，我们能不能从波动率里反向挖出市场隐藏的信息？

9.1 信息冲击函数：当消息撞上市场

信息冲击函数，英文叫 News Impact Curve。它描述的是：给定一个意外信息（即残差），条件方差会如何变化。

在 GARCH 模型里，这个函数长这样：

σ²_t = ω + α * ε²_{t-1} + β * σ²_{t-1}

其中 ε_{t-1} 就是上一期的信息冲击。α 越大，说明市场对新鲜信息越敏感。β 越大，说明波动率越「黏」，也就是一旦高波动，会持续很久。

我在项目中遇到过一种情况：某只股票平时波动率很低，但每次财报出来，α 系数突然飙升。这说明什么？说明市场对这只股票的信息解读分歧很大。嗯，这里要注意——α 和 β 的比值，其实能告诉你市场的「信息消化速度」。

你想想看，如果一个市场的 α + β = 0.99，那几乎每次信息冲击都会留下「后遗症」。我建议你在做波动率预测时，一定要先算这个和。

9.2 波动率微笑：为什么不是平的？

理论上，如果市场是完美的，不同行权价的期权隐含波动率应该一样。但现实中，你看到的往往是一条「微笑曲线」——两端高，中间低。

为什么会这样？

说白了，就是市场在给「尾部风险」定价。虚值看跌期权（OTM Put）的隐含波动率高，说明大家在买保险，怕暴跌。虚值看涨期权（OTM Call）的隐含波动率高，说明有人在赌暴涨。

我记得 2008 年之前，波动率微笑还没那么夸张。但金融危机之后，微笑变成了「 smirk 」——左边明显比右边高。这说明市场对下跌的恐惧远大于对上涨的期待。

我曾经用这个指标在 2020 年 3 月成功避开了二次下跌。当时标普 500 的偏斜值突破了历史 95% 分位数，我果断减仓。嗯，那次判断救了我不少资金。

9.3 隐含信息提取：从波动率反推市场预期

隐含波动率不只是定价工具，它本身就是信息。你可以把它理解成市场对未来的「恐慌指数」或「贪婪指数」。

具体怎么提取？我常用的方法有几种：

1. 风险中性偏度（Risk-Neutral Skewness）：从期权价格中提取出市场对未来收益率分布的偏斜程度。正偏 → 市场看涨，负偏 → 市场看跌。
2. 隐含概率密度函数（Implied PDF）：通过不同行权价的期权价格，反推出市场对未来价格的概率分布。这个分布越宽，说明不确定性越大。
3. 波动率期限结构（Term Structure）：不同到期日的隐含波动率，能告诉你市场对短期和长期风险的看法。

举个例子。假设某只股票的 ATM 隐含波动率是 30%，但 1 个月后到期的 OTM Put 隐含波动率是 45%。这说明市场认为未来 1 个月内，有较大概率出现大幅下跌。这时候，你如果做多，最好买点保护。

9.4 知识体系图：信息与波动率的全貌

下面这张图是我自己整理的，把这一章的核心逻辑串起来了。你仔细看一遍，应该能理解信息是怎么一步步驱动波动率的。

9.5 实战中的几点提醒

最后，我分享几个实战中踩过的坑，希望能帮你少走弯路：

• 不要只看隐含波动率的绝对值。我建议你看它的百分位数，比如当前 IV 处于过去 1 年的什么位置。90% 分位数以上，说明市场极度恐慌，这时候做空波动率胜率较高。
• 信息冲击函数要动态更新。市场环境变了，α 和 β 也会变。我习惯每周重新估计一次 GARCH 参数，而不是用固定值。
• 波动率微笑的形态会提前预警。如果微笑突然变陡，尤其是左边翘起来，说明有大资金在买 put 保护。这时候，你最好也检查一下自己的仓位。