Деформация кривых волатильности российского фондового рынка на примере маржируемых опционов на фьючерсные контракты на индекс РТС
- Авторы: Муляев К.Н.1, Переход С.А.2
-
Учреждения:
- Сбербанк КИБ
- Финансовый университет при Правительстве РФ
- Выпуск: Том 60, № 3 (2024)
- Страницы: 118-128
- Раздел: Математический анализ экономических моделей
- URL: https://ter-arkhiv.ru/0424-7388/article/view/653296
- DOI: https://doi.org/10.31857/S0424738824030104
- ID: 653296
Цитировать
Аннотация
Актуальность исследования связана с необходимостью переоценки российского фондового рынка в части соотношения параметров риска c доходностью активов в связи с глобальными структурными изменениями, произошедшими в 2022 г. Предметом данного исследования выступают кривые волатильности, рассчитанные по котировкам биржевых опционов на фьючерсы индекса РТС. Цель исследования — проанализировать соотношения кривых волатильности с распределением доходности индекса широкого рынка акций РТС в 2015–2022 гг.; оценить изменения структуры такого соотношения в шоковом 2022 г. по сравнению с предыдущими периодами; рассмотреть возможности применять модели прогнозирования будущей волатильности GARCH в 2022 г. и хеджировать стратегии на российском фондовом рынке. Вопрос интерпретации динамики кривых волатильности является дискуссионным, однако достаточно теоретически разработанным в теории оценки производных финансовых инструментов. В результате исследования найдены не взаимосвязанные структуры распределения доходностей и кривых волатильности на сводный индекс РТС на всем рассматриваемом периоде, независимо от наличия внешних шоков. Сделан вывод о том, что на российском фондовом рынке инвесторы предпочитают защитные опционы, а не спекулятивные, несмотря на отрицательную асимметрию распределения доходности индекса РТС во всех рассматриваемых периодах. И, несмотря на больший вес положительных доходностей в распределении доходности индекса РТС на каждом рассматриваемом периоде в силу технических особенностей функционирования показателей доходности. Кроме того, обнаружено, что отрицательная асимметрия распределения доходности не обязательно должна соотноситься с растущими кривыми волатильности.
Полный текст

Об авторах
К. Н. Муляев
Сбербанк КИБ
Автор, ответственный за переписку.
Email: mulyaevkostya@mail.ru
Россия, Москва
С. А. Переход
Финансовый университет при Правительстве РФ
Email: sperekhod@yandex.ru
Россия, Москва
Список литературы
- Аганин А. Д. (2017). Сравнение GARCH и HAR-RV моделей для прогноза реализованной волатильности на российском рынке // Прикладная эконометрика. Т. 48. С. 63–84. [Aganin А. (2017). Forecast comparison of volatility models on the Russian stock market. Applied Econometrics, 48, 63–84 (in Russian).]
- Баженов Т. И., Фантаццини Д. (2019). Прогнозирование реализованной волатильности котируемых российских акций с помощью инструмента Google Trends и вмененной волатильности // Экономика промышленности. № 12 (1). P. 79–88. doi: 10.17073/2072-1633-2019-1-79-88 [Bazhenov T., Fantazzini D. (2019). Forecasting realized volatility of russian stocks using Google Trends and implied volatility. Russian Journal of Industrial Economics, 12 (1), 79–88. doi: 10.17073/2072-1633-2019-1-79-88 (in Russian).]
- Крицкий О. Л., Лисок Е. С. (2007). Асимптотическое оценивание коэффициентов модели стохастической волатильности // Прикладная эконометрика. № 2. C. 3–12. [Krickij O. L., Lisok E. S. (2007). Asymptotic estimation of coefficients of stochastic volatility models. Applied Econometrics, 2, 3–12 (in Russian).]
- Смирнов С. Н., Кузнецов В. А., Сливинский В. А. (2021). Гарантированный детерминистский подход к маржированию на срочном рынке: численный эксперимент // Экономика и математические методы. T. 57. № 4. C. 76–87. doi: 10.31857/S042473880017501-0 [Smirnov S. N., Kuznecov V. A., Slivinskij V. A. (2021). Guaranteed deterministic margining in the derivatives market: A numerical experiment. Economics and Mathematical Methods, 57, 4, 76–87. doi: 10.31857/S042473880017501-0 (in Russian).]
- Шелемех Е. А. (2017). Расчет экзотических опционов на неполных рынках // Экономика и математические методы. T. 53. № 3. C. 78–92. [Shelemekh E. A. (2017). Calculation of exotic options in incomplete markets. Economics and Mathematical Methods, 53, 3, 78–92 (in Russian).]
- Black F., Scholes M. (1973). The pricing of options and corporate liabilities. Journal of Political Economy, 81, 3, 637–654.
- Bollerslev T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31, 307–327.
- Cao J., Chen J., Hull J. (2020). A neural network approach to understanding implied volatility movements. Quantitative Finance, 20 (9), 1405–1413. doi: 10.1080/14697688.2020.1750679
- Campos I., Cortazar G., Reyes T. (2017). Modeling and predicting oil VIX: Internet search, versus traditional variables. Energy Economics, 66, 194–204.
- Corsi F. (2009). A simple approximate long-memory model of realized volatility. Journal of Financial Econometrics, 7, 2, 174–196.
- Donaldson R. G., Kamstra M. J. (2005). Volatility forecasts, trading, and the arch versus option-implied volatility trade-off. Journal of Financial Research, 28, 4, 519–538.
- Hull J. C. (2018). Options, futures and other derivatives. London: Pearson.
- Hansen P., Lunde A. (2005). A forecast comparison of volatility models: Does anything beat a GARCH (1, 1)? Journal of Applied Econometrics, 20, 7, 873–889.
- Merton R. C. (1973a). Theory of rational option pricing. The Bell Journal of Economics and Management Science, 4, 1 (Spring), 141–183.
- Merton R. C. (1973b). The relationship between put and call prices: Comment. Journal of Finance, 28 (March), 183–84.
- Ross S. (2015). The recovery theorem. The Journal of Finance, LXX, 2, 615–648.
Дополнительные файлы
