Скользящее стандартное отклонение для временных рядов

Что такое скользящее стандартное отклонение?

Скользящее стандартное отклонение (также называемое «скользящим СО» или «текущей волатильностью») вычисляет стандартное отклонение в пределах скользящего окна по времени. В отличие от статического СО, которое использует все исторические данные, скользящее СО фокусируется на недавних наблюдениях, что делает его незаменимым для обнаружения изменений волатильности.

Этот метод фундаментален для финансовых рынков, где волатильность не постоянна, а меняется со временем. Акция может быть спокойной месяцами, а затем стать высоковолатильной во время публикации отчётности или рыночных кризисов. Скользящее СО улавливает эту динамику в реальном времени.

Как рассчитать скользящее стандартное отклонение

Для каждого момента времени рассчитывается стандартное отклонение предыдущих n точек данных. По мере продвижения вперёд окно смещается, всегда используя последние n значений. В результате получается временной ряд оценок волатильности.

import pandas as pd
import numpy as np

# Load your time series data
df = pd.read_csv('stock_prices.csv')

# 20-day rolling standard deviation
df['rolling_std_20'] = df['returns'].rolling(window=20).std()

# Annualized volatility (assuming daily returns)
df['annualized_vol'] = df['rolling_std_20'] * np.sqrt(252)

# Multiple windows for comparison
df['rolling_std_10'] = df['returns'].rolling(window=10).std()
df['rolling_std_50'] = df['returns'].rolling(window=50).std()

Обратите внимание, что первые (окно-1) значений будут NaN, поскольку для расчёта нужно не менее n наблюдений. На практике можно использовать параметр min_periods для начала расчётов раньше с меньшим числом наблюдений.

Выбор размера окна

Размер окна создаёт компромисс между чувствительностью и стабильностью:

• Короткие окна (5–10 дней):Быстро реагируют на изменения волатильности, но зашумлены и могут давать ложные сигналы
• Средние окна (20–30 дней):Баланс чувствительности и стабильности; 20 дней — отраслевой стандарт для полос Боллинджера
• Длинные окна (50–100 дней):Гладкие и стабильные, но медленно обнаруживают смену режима; хороши для анализа трендов

Практическое применение

Скользящее стандартное отклонение широко применяется в финансах и науке о данных:

• Управление рисками:Расчёт Value at Risk (VaR) с использованием текущей, а не исторической средней волатильности
• Ценообразование опционов:Оценка параметров подразумеваемой волатильности для моделей Блэка-Шоулза и других
• Управление портфелем:Корректировка размеров позиций на основе текущей волатильности; сокращение экспозиции при всплесках
• Обнаружение аномалий:Выявление необычных периодов, когда текущая волатильность значительно отклоняется от скользящего среднего
• Технический анализ:Полосы Боллинджера, каналы Кельтнера и другие индикаторы на основе волатильности

Полосы Боллинджера

Полосы Боллинджера — самое известное применение скользящего стандартного отклонения. Разработанные Джоном Боллинджером в 1980-х годах, они создают динамическую оболочку вокруг цены, адаптирующуюся к волатильности.

Полосы расширяются в волатильные периоды и сужаются в спокойные. Трейдеры используют их для:

• Определения состояний перекупленности/перепроданности, когда цена касается полос
• Обнаружения «сжатий» (низкая волатильность), которые часто предшествуют прорывам
• Установки динамических стоп-лоссов с учётом текущих рыночных условий

Кластеризация волатильности

Один из важнейших эмпирических фактов в финансах — волатильность кластеризуется: высокая волатильность сменяется высокой, а низкая — низкой. Это было формализовано Робертом Энглом (Нобелевская премия 2003) в модели ARCH.

Скользящее СО наглядно демонстрирует эту кластеризацию. Построив график скользящей волатильности, вы увидите чёткие режимы высокой и низкой волатильности, а не случайные колебания. Это имеет глубокие последствия:

• Предсказуемость:Завтрашняя волатильность, скорее всего, будет похожа на сегодняшнюю — можно предвидеть риск
• Распределение рисков:Сокращайте позиции при входе в режим высокой волатильности
• Выбор стратегии:Различные торговые стратегии лучше работают в разных режимах волатильности