Ковзне стандартне відхилення для часових рядів

Що таке ковзне стандартне відхилення?

Ковзне стандартне відхилення (також рухоме СВ або трейлінгова волатильність) обчислює стандартне відхилення в ковзному вікні часу. На відміну від статичного стандартного відхилення, яке використовує всі історичні дані, ковзне СВ фокусується на нещодавніх спостереженнях, що робить його незамінним для виявлення змін волатильності в часі.

Ця техніка є фундаментальною на фінансових ринках, де волатильність не є постійною, а змінюється з часом. Акція може бути спокійною протягом місяців, а потім раптово стати дуже волатильною під час оголошення звітності або ринкових криз. Ковзне СВ фіксує цю динаміку в реальному часі.

Як обчислити ковзне стандартне відхилення

Для кожного моменту часу обчислюється стандартне відхилення попередніх n точок даних. У міру просування вперед вікно зсувається, завжди використовуючи останні n значень. Це створює часовий ряд оцінок волатильності.

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()

Зверніть увагу, що перші (window-1) значень будуть NaN, оскільки для обчислення потрібно щонайменше n спостережень. На практиці можна використовувати параметр min_periods, щоб починати обчислення раніше з меншою кількістю спостережень.

Вибір правильного розміру вікна

Розмір вікна створює компроміс між чутливістю та стабільністю:

• Короткі вікна (5–10 днів):Швидко реагують на зміни волатильності, але зашумлені й можуть давати хибні сигнали
• Середні вікна (20–30 днів):Баланс між чутливістю та стабільністю; 20 днів — галузевий стандарт для смуг Боллінджера
• Довгі вікна (50–100 днів):Згладжені та стабільні, але повільно виявляють зміну режиму; підходять для аналізу трендів

Застосування в реальному світі

Ковзне стандартне відхилення широко використовується у фінансах та науці про дані:

• Ризик-менеджмент:Обчислення Value at Risk (VaR) на основі нещодавньої волатильності замість історичних середніх
• Ціноутворення опціонів:Оцінка параметрів очікуваної волатильності для моделі Блека–Шоулза та інших
• Управління портфелем:Коригування розміру позицій залежно від поточної волатильності; зменшення експозиції при стрибках волатильності
• Виявлення аномалій:Ідентифікація незвичайних періодів, коли поточна волатильність значно відхиляється від ковзного середнього
• Технічний аналіз:Смуги Боллінджера, канали Кельтнера та інші індикатори на основі волатильності

Смуги Боллінджера: пояснення

Смуги Боллінджера — найвідоміше застосування ковзного стандартного відхилення. Розроблені Джоном Боллінджером у 1980-х роках, вони створюють динамічну оболонку навколо ціни, що адаптується до волатильності.

Смуги розширюються в періоди високої волатильності та звужуються в спокійні періоди. Трейдери використовують це для:

• Виявлення станів перекупленості/перепроданості, коли ціна торкається смуг
• Виявлення “стиснень” (низької волатильності), що часто передують прориву
• Встановлення динамічних стоп-лосів на основі поточних ринкових умов

Кластеризація волатильності

Один із найважливіших емпіричних фактів у фінансах полягає в тому, що волатильність кластеризується — висока волатильність зазвичай слідує за високою, а низька — за низькою. Це було формалізовано Робертом Енглом (Нобелівська премія 2003) у моделі ARCH.

Ковзне СВ наочно виявляє цю кластеризацію. Коли ви будуєте графік ковзної волатильності в часі, ви побачите чіткі режими високої та низької волатильності замість випадкових коливань. Це має глибокі наслідки:

• Передбачуваність:Завтрашня волатильність, ймовірно, буде подібною до сьогоднішньої — ви можете передбачати ризик
• Бюджетування ризику:Зменшуйте позиції при вході в режим високої волатильності
• Вибір стратегії:Різні торгові стратегії працюють краще в різних умовах волатильності