Què és la volatilitat del temps?
La volatilitat variable en el temps es refereix a les fluctuacions de la volatilitat en diferents períodes de temps. Els inversors poden optar per estudiar o considerar la volatilitat d’una seguretat subjacent durant diversos períodes de temps. Per exemple, la volatilitat de certs actius pot ser menor durant l’estiu quan els comerciants estan de vacances. L'ús de mesures de volatilitat variades en el temps pot influir en les expectatives de les inversions.
Com funciona la volatilitat del temps
La volatilitat variable en el temps es pot estudiar en qualsevol interval de temps. Generalment, l’anàlisi de volatilitat requereix un modelatge matemàtic per generar nivells de volatilitat com a mesura del risc d’una seguretat subjacent. Aquest tipus de modelat genera estadístiques de volatilitat històriques.
La volatilitat històrica es coneix generalment com la desviació estàndard dels preus d’un instrument financer i, per tant, una mesura del seu risc. Amb el pas del temps, s'espera que la seguretat tingui una volatilitat variada, subjecta a grans canvis en el preu, i existeix en diversos punts del temps accions i altres instruments financers amb períodes d'alta volatilitat i baixa volatilitat.
Els analistes també poden utilitzar càlculs matemàtics per generar volatilitat implícita. La volatilitat implícita difereix de la volatilitat històrica, ja que no es basa en dades històriques sinó en un càlcul matemàtic que proporciona una mesura de la volatilitat estimada del mercat en funció dels factors actuals del mercat.
Punts clau
- La volatilitat variable en el temps descriu com la volatilitat del preu d’un actiu pot canviar donats períodes de temps diferents. L’anàlisi de la voluntat requereix l’ús de models financers per resoldre les diferències estadístiques de les fluctuacions de preus en diferents períodes de temps. de volatilitat elevada pot anar seguit de períodes de baixa i viceversa.
Volatilitat històrica
La volatilitat històrica es pot analitzar per períodes de temps en funció de la disponibilitat de dades. Molts analistes busquen primer modelar la volatilitat amb la major quantitat de dades disponibles per tal de trobar la volatilitat de la seguretat durant tota la seva vida. En aquest tipus d'anàlisis, la volatilitat és simplement la desviació estàndard del preu de la seguretat entorn de la seva mitjana.
L’anàlisi de la volatilitat per períodes de temps especificats pot ser útil per a comprendre com s’ha comportat una seguretat durant determinats cicles de mercat, crisis o esdeveniments orientats. La volatilitat de sèries horàries també pot ser útil per analitzar la volatilitat d'una seguretat dels últims mesos o trimestres enfront de períodes de temps més llargs.
La volatilitat històrica també pot ser una variable en els diferents models de preus i quantitats del mercat. Per exemple, el model de preus d’opcions Black-Scholes requereix la volatilitat històrica d’una seguretat quan es vol identificar el seu preu d’opció.
Volatilitat implícita
La volatilitat també es pot extreure d'un model com el model de Black-Scholes per identificar la volatilitat assumida actual del mercat. És a dir, el model es pot recórrer enrere prenent el preu de mercat observat d’una opció com a entrada per imputar quina ha de ser la volatilitat de l’actiu subjacent per assolir aquest preu.
Generalment, el termini de volatilitat implicat es basa en el temps fins a la seva caducitat. En general, les opcions amb més temps de caducitat tindran una volatilitat més elevada, mentre que les opcions que caduquen en un període de temps menor, tindran una menor volatilitat implicada.
Premi Nobel d'Economia de 2003
El 2003, els economistes Robert F. Engle i Clive Granger van guanyar el Premi Nobel Memorial d'Economia pel seu treball en l'estudi de la volatilitat variable en el temps. Els economistes van desenvolupar el model autoregressiu d’heteroskedasticitat condicional (ARCH). Aquest model proporciona informació detallada per analitzar i explicar la volatilitat en diferents períodes de temps. Els seus resultats poden ser utilitzats després en la gestió de riscos predictiu que pot ajudar a mitigar les pèrdues en diferents escenaris.
