Strasmore Research
నేర్చుకోండి Matt Connorద్వారా Matt Connor · data as of August 6, 2026 · refreshed weekly

IV Rank vs IV Percentile సూత్రాలు, తేడాలు

IV rank, IV percentile సూత్రాలను తెలుగులో తెలుసుకోండి. చేతితో తనిఖీ చేయగల ఉదాహరణతో, ఒకే tickerపై 18 మరియు 70 వంటి స్కోర్లు ఎందుకు రావచ్చో వివరణ.

IV rank, IV percentile మధ్య తేడా ఒకే డేటాపై చేసే రెండు గణనలపై ఆధారపడి ఉంటుంది. IV rankలో నేటి implied volatility 52 వారాల పరిధిలో, కనిష్ఠ స్థాయి నుంచి గరిష్ఠ స్థాయి వరకు, ఎక్కడ ఉందో కొలుస్తారు. IV percentileలో lookback windowలోని ఎన్ని trading days నాటి ముగింపు స్థాయిలు నేటి reading కంటే తక్కువగా ఉన్నాయో లెక్కిస్తారు. అదే tickerకు, అదే మధ్యాహ్నం, ఒక కొలతలో 18, మరొకదానిలో 70 స్కోరు రావచ్చు.

రెండు సూత్రాలు, పూర్తిగా రాసిన రూపంలో

IV rank = (ప్రస్తుత IV మైనస్ 52 వారాల కనిష్ఠ IV) / (52 వారాల గరిష్ఠ IV మైనస్ 52 వారాల కనిష్ఠ IV) x 100

IV percentile = (విండోలో ఈరోజు IV కంటే తక్కువగా ఉన్న ట్రేడింగ్ రోజుల సంఖ్య) / (విండోలోని మొత్తం ట్రేడింగ్ రోజుల సంఖ్య) x 100

రెండింటి విలువలు 0 నుంచి 100 మధ్య ఉంటాయి. రెండింటికీ ఒకే రెండు ఇన్‌పుట్లు అవసరం: షేర్‌కు సంబంధించిన రోజువారీ implied volatility సిరీస్, అలాగే సాధారణంగా 252 ట్రేడింగ్ రోజులుగా తీసుకునే lookback window. Implied volatility అనేది ప్రత్యక్ష option ధరల ఆధారంగా లెక్కించే, షేరు ఎంత మేరకు కదలవచ్చో option market ఇచ్చే వార్షికీకరించిన అంచనా. implied volatility ఏది కొలుస్తుందో అనే వివరణలో దీన్ని మొదటి నుంచి వివరించాం.

ఈ రెండింటి మధ్య ప్రధాన తేడా ఏమిటంటే, విండోలోని ఎంత భాగాన్ని ప్రతి కొలత పరిశీలిస్తుందనేది. IV rank 252 రోజుల్లో కేవలం రెండు రోజులను మాత్రమే చూస్తుంది: గరిష్ఠం, కనిష్ఠం. మధ్యలోని అన్ని విలువలు దాని లెక్కలో పరిగణనలోకి రావు. IV percentile ప్రతి రోజును సమానంగా పరిగణిస్తుంది. ఆ విలువలు ఒకదానికొకటి ఎంత దూరంలో ఉన్నాయో అది చూడదు. ఒకటి పరిధిలోని స్థానాన్ని కొలుస్తుంది. మరొకటి రోజుల సంఖ్యను లెక్కిస్తుంది.

చేతితో తనిఖీ చేయగల ఉదాహరణ

ఒక్కో ట్రేడింగ్ సెషన్‌కు ఒక విలువ చొప్పున, పది రోజుల కోసం ఊహాజనిత IV శ్రేణిని తీసుకుందాం: 22, 24, 21, 60, 26, 25, 23, 27, 24, ఈ రోజు 28. కనిష్ఠం 21, గరిష్ఠం 60.

IV rank: (28 - 21) / (60 - 21) x 100 = 7 / 39 x 100 = 17.9.

IV percentile: పది విలువల్లో 22, 24, 21, 26, 25, 23, 24 అనే ఏడు విలువలు 28 కంటే తక్కువగా ఉన్నాయి. అందువల్ల 7 / 10 x 100 = 70.0.

IV rank 17.9 అంటే volatility తక్కువ స్థాయిలో ఉందని అర్థం. IV percentile 70 అంటే, ఈ విండోలోని చాలా రోజులలో volatility ప్రస్తుత స్థాయి కంటే తక్కువగా ఉందని అర్థం. ఒకే పది విలువలకు ఈ రెండు వివరణలూ సరైనవే.

ఇప్పుడు ఒక విలువను మార్చండి. 60 స్థానంలో 30 పెట్టి, మిగిలిన తొమ్మిది విలువలను అలాగే ఉంచండి. IV rank: (28 - 21) / (30 - 21) x 100 = 77.8 అవుతుంది. IV percentile మాత్రం మారదు; అది 70.0గానే ఉంటుంది. గరిష్ఠాన్ని నిర్ణయించిన ఒక్క సెషన్ IV rankపై 60 పాయింట్ల ప్రభావం చూపుతుంది. IV percentileపై మాత్రం ఎలాంటి ప్రభావం ఉండదు.

ఇదే IV rankలోని నిర్మాణాత్మక బలహీనత. విండోలో ఒక్కసారిగా వచ్చిన spike, earnings gap లేదా ఒక్కరోజు భయాందోళన denominatorను విస్తృతం చేస్తుంది. దాంతో తర్వాతి పన్నెండు నెలలపాటు rank కనిష్ఠ స్థాయికి దగ్గరగా నిలిచిపోతుంది. అప్పటికి ఆ spike option chain నుంచి చాలా కాలం క్రితమే తొలగిపోయి ఉండవచ్చు. రెండు స్కోర్ల మధ్య తీవ్రంగా తేడా కనిపిస్తే, సాధారణంగా విండోలోని outlierను ఆ తేడా సూచిస్తుంది. Volatility వాస్తవంగా ఎక్కడ ఎక్కువ సమయం గడిపిందో percentile మరింత ఖచ్చితంగా చూపిస్తుంది. Range సజావుగా ఉన్నప్పుడు, అలాగే కనిష్ఠం మరియు గరిష్ఠం రెండింటినీ ఒకటి కంటే ఎక్కువ సెషన్లు నిర్ణయించినప్పుడు IV rank మరింత ఉపయోగకరమైన సూచిక. ఈ రెండు సంఖ్యల్లో ఏదీ దిశ గురించి చెప్పదు.

నిజమైన IV సిరీస్ ఎలా ఉంటుంది

రెండు ఫార్ములాలు ఉపయోగించే ముడి డేటా ఇదే. దిగువ ప్యానెల్ AAPL కోసం గడువు ముగియడానికి 20 నుంచి 45 రోజుల మధ్య ఉన్న, షేరు ధరకు 5% లోపు దూరంలో ఉన్న కాంట్రాక్టుల ఆధారంగా రోజువారీ at the money implied volatility రీడింగ్‌ను రూపొందిస్తుంది. ఆ తర్వాత ఆ రీడింగ్‌లను వారాల వారీగా సగటు చేస్తుంది.

క్వెరీAAPL ఎట్-ద-మనీ అంతర్నిహిత అస్థిరత, వారపు, గత 52 వారాలు
ప్రతి సంఖ్య వెనుక ఉన్న ఖచ్చితమైన SQL
WITH daily AS
(
    SELECT
        date,
        avg(toFloat64(implied_volatility)) * 100 AS atm_iv
    FROM global_markets.options_greeks
    WHERE underlying_symbol = 'AAPL'
      AND date >= today() - 371
      AND iv_converged = 1
      AND volume > 0
      AND days_to_expiry BETWEEN 20 AND 45
      AND abs(toFloat64(strike_price) / toFloat64(underlying_close) - 1) < 0.05
    GROUP BY date
)
SELECT
    toString(toMonday(date))                    AS week,
    formatDateTime(toMonday(date), '%b %e, %Y') AS week_label,
    round(avg(atm_iv), 2)                       AS aapl_atm_iv_pct,
    round(min(atm_iv), 2)                       AS week_low_iv_pct,
    round(max(atm_iv), 2)                       AS week_high_iv_pct
FROM daily
GROUP BY toMonday(date)
ORDER BY toMonday(date)
Run this yourself

ఈ సిరీస్‌లో 54 వారపు పాయింట్లు ఉన్నాయి. ఇవి Jul 28, 2025 వారంతో ప్రారంభమవుతాయి; ఆ వారపు సగటు 30.03%. చివరి పాయింట్ Aug 3, 2026 వారానికి చెందినది; దాని విలువ 27.7%. rank మరియు percentile ఒకేలా ఉన్నాయా అనేది ఈ రేఖ ఆకారంపై ఆధారపడి ఉంటుంది. ఒకే చోట కనిపించే పొడవైన స్పైక్ ఉంటే, ఈ రెండింటి ఫలితాలు వేరుపడతాయి. స్థిరమైన పరిధిలో స్వల్పంగా మారే రేఖ ఉంటే, రెండింటి విలువలు దగ్గరగా ఉంటాయి. మా AAPL implied volatility పేజీ ఈ షేరు విలువను కాలక్రమంలో అనుసరిస్తుంది. చారిత్రక డేటా లేకుండా కేవలం absolute level గురించి తెలుసుకోవాలంటే 30% IV ఎక్కువా చూడండి.

ఎనిమిది టికర్లలో IV rank వర్సెస్ IV percentile

అదే సూత్రాలు, అదే lookback, అధిక liquidity ఉన్న ఎనిమిది షేర్లు, ఒకే ట్రేడింగ్ సెషన్. gap కాలమ్ ఈ రెండు స్కోర్ల మధ్య ఉన్న absolute distanceను చూపిస్తుంది.

క్వెరీIV ర్యాంక్ వర్సెస్ IV పర్సెంటైల్, అధిక లిక్విడిటీ ఉన్న ఎనిమిది పేర్లు, 52 వారాల పరిశీలనా కాలం
ప్రతి సంఖ్య వెనుక ఉన్న ఖచ్చితమైన SQL
WITH daily AS
(
    SELECT
        underlying_symbol                        AS symbol,
        date,
        avg(toFloat64(implied_volatility)) * 100 AS atm_iv
    FROM global_markets.options_greeks
    WHERE underlying_symbol IN ('AAPL', 'MSFT', 'NVDA', 'AMZN', 'TSLA', 'SPY', 'QQQ', 'KO')
      AND date >= today() - 371
      AND iv_converged = 1
      AND volume > 0
      AND days_to_expiry BETWEEN 20 AND 45
      AND abs(toFloat64(strike_price) / toFloat64(underlying_close) - 1) < 0.05
    GROUP BY symbol, date
),
latest AS
(
    SELECT
        symbol,
        argMax(atm_iv, date) AS iv_now,
        max(date)            AS as_of
    FROM daily
    GROUP BY symbol
)
SELECT
    d.symbol AS symbol,
    round(100 * (l.iv_now - min(d.atm_iv)) / nullIf(max(d.atm_iv) - min(d.atm_iv), 0), 1) AS iv_rank,
    round(100 * countIf(d.atm_iv < l.iv_now) / count(), 1)                                AS iv_percentile,
    round(abs(iv_rank - iv_percentile), 1)                                                AS gap,
    formatDateTime(any(l.as_of), '%b %e, %Y')                                             AS as_of_label
FROM daily AS d
INNER JOIN latest AS l ON l.symbol = d.symbol
GROUP BY d.symbol, l.iv_now
ORDER BY gap DESC
Run this yourself

Aug 3, 2026 నాటికి, పట్టికలో అత్యధిక వ్యత్యాసం 35.6 పాయింట్లు. ఇది AAPL వద్ద కనిపిస్తుంది. అక్కడ IV rank 32.4గా ఉండగా, IV percentile 68గా ఉంది. పట్టికలో మరో చివరన, TSLA ఈ రెండు స్కోర్లను 6.5 పాయింట్లలోపే ఉంచుతుంది. ఒకే సంఖ్య ఆధారంగా రూపొందించిన screen, మరో సంఖ్య ఆధారంగా రూపొందించిన screen కంటే భిన్నమైన జాబితాను ఇస్తుంది. మీ platform ఏ సంఖ్యను చూపిస్తుందో తెలుసుకోవడానికి ఇదే ప్రధాన కారణం. అత్యధిక IV rank ఉన్న షేర్ల screen మొదటి సంఖ్య ఆధారంగా మార్కెట్‌ను క్రమబద్ధీకరిస్తుంది.

ఆ పట్టికలోని ప్రతి rank వెనుక ఉన్న range inputs

ప్రస్తుత, కనిష్ఠ, గరిష్ఠ కాలమ్‌లను rank సూత్రంలో ఉంచితే, పై పట్టికలోని rank కాలమ్ మళ్లీ లభిస్తుంది.

క్వెరీప్రతి పేరుకు ప్రస్తుత, 52 వారాల కనిష్ఠ మరియు 52 వారాల గరిష్ఠ ATM IV
ప్రతి సంఖ్య వెనుక ఉన్న ఖచ్చితమైన SQL
WITH daily AS
(
    SELECT
        underlying_symbol                        AS symbol,
        date,
        avg(toFloat64(implied_volatility)) * 100 AS atm_iv
    FROM global_markets.options_greeks
    WHERE underlying_symbol IN ('AAPL', 'MSFT', 'NVDA', 'AMZN', 'TSLA', 'SPY', 'QQQ', 'KO')
      AND date >= today() - 371
      AND iv_converged = 1
      AND volume > 0
      AND days_to_expiry BETWEEN 20 AND 45
      AND abs(toFloat64(strike_price) / toFloat64(underlying_close) - 1) < 0.05
    GROUP BY symbol, date
),
latest AS
(
    SELECT
        symbol,
        argMax(atm_iv, date) AS iv_now,
        max(date)            AS as_of
    FROM daily
    GROUP BY symbol
)
SELECT
    d.symbol                                  AS symbol,
    round(l.iv_now, 2)                        AS current_iv_pct,
    round(min(d.atm_iv), 2)                   AS low_52w_iv_pct,
    round(max(d.atm_iv), 2)                   AS high_52w_iv_pct,
    count()                                   AS observations,
    formatDateTime(any(l.as_of), '%b %e, %Y') AS as_of_label
FROM daily AS d
INNER JOIN latest AS l ON l.symbol = d.symbol
GROUP BY d.symbol, l.iv_now
ORDER BY current_iv_pct DESC
Run this yourself

ఒకే tickerకు రెండు ప్లాట్‌ఫారమ్‌లు వేర్వేరు విలువలను ఎందుకు చూపిస్తాయి

ఏ ఫార్ములాలోనూ అస్పష్టత లేదు. అస్పష్టత inputsలో ఉంది. Vendorలు తాము ఏ IV seriesను ఉపయోగిస్తున్నారో అరుదుగా వెల్లడిస్తారు. సాధారణంగా ఉపయోగించే ఎంపికలు ఈ శ్రేణిలోని రెండు చివరల్లో ఉంటాయి: 30 రోజుల constant maturity IV, అంటే 30 రోజులకు ముందు మరియు తర్వాత ముగిసే రెండు contracts మధ్య interpolation చేసిన విలువ; లేదా front-month at-the-money contract. రెండోది చాలా ఎక్కువగా మారుతూ ఉంటుంది. కొన్ని ప్లాట్‌ఫారమ్‌లు మొత్తం option chain సగటును కూడా ఉపయోగిస్తాయి. ఈ ప్యానెల్‌లో ఒకే stockను, అదే 52 వారాల కాలానికి, IV inputకు సంబంధించిన మూడు నిర్వచనాలతో పరిశీలించాం.

క్వెరీఒక స్టాక్, ఒక సెషన్, IV ఇన్‌పుట్‌కు మూడు నిర్వచనాలు
ప్రతి సంఖ్య వెనుక ఉన్న ఖచ్చితమైన SQL
WITH contracts AS
(
    SELECT
        date,
        days_to_expiry,
        abs(toFloat64(strike_price) / toFloat64(underlying_close) - 1) AS moneyness,
        toFloat64(implied_volatility) * 100                            AS iv_pct
    FROM global_markets.options_greeks
    WHERE underlying_symbol = 'AAPL'
      AND date >= today() - 371
      AND iv_converged = 1
      AND volume > 0
),
defs AS
(
    SELECT
        spec.1 AS iv_series,
        spec.2 AS min_dte,
        spec.3 AS max_dte,
        spec.4 AS max_moneyness
    FROM
    (
        SELECT arrayJoin([
            ('Near 30 day ATM', 20, 45, 0.05),
            ('Front month ATM', 1, 19, 0.05),
            ('Wide net, any expiry', 1, 400, 0.30)
        ]) AS spec
    )
),
daily AS
(
    SELECT
        s.iv_series AS iv_series,
        c.date      AS date,
        avg(c.iv_pct) AS atm_iv
    FROM contracts AS c
    CROSS JOIN defs AS s
    WHERE c.days_to_expiry BETWEEN s.min_dte AND s.max_dte
      AND c.moneyness < s.max_moneyness
    GROUP BY iv_series, date
),
latest AS
(
    SELECT
        iv_series,
        argMax(atm_iv, date) AS iv_now
    FROM daily
    GROUP BY iv_series
)
SELECT
    d.iv_series             AS iv_series,
    round(l.iv_now, 2)      AS current_iv_pct,
    round(min(d.atm_iv), 2) AS low_52w_iv_pct,
    round(max(d.atm_iv), 2) AS high_52w_iv_pct,
    round(100 * (l.iv_now - min(d.atm_iv)) / nullIf(max(d.atm_iv) - min(d.atm_iv), 0), 1) AS iv_rank,
    round(100 * countIf(d.atm_iv < l.iv_now) / count(), 1)                                AS iv_percentile
FROM daily AS d
INNER JOIN latest AS l ON l.iv_series = d.iv_series
GROUP BY d.iv_series, l.iv_now
ORDER BY current_iv_pct DESC
Run this yourself

తాజా sessionలో, Wide net, any expiry విలువ 37.6%గా చూపిస్తే, Near 30 day ATM విలువ 27.7%గా చూపిస్తుంది. వాటి IV ranks వరుసగా 23.1 మరియు 32.4గా ఉన్నాయి. Stock ఒకటే, session ఒకటే, formula ఒకటే. కానీ inputకు ఇచ్చిన నిర్వచనం వేరు.

రెండో కీలక అంశం lookback length. 52 వారాలు సాధారణ ప్రమాణం. దీనితో పాటు చాలా ప్లాట్‌ఫారమ్‌లు 30, 60 లేదా 90 రోజుల settingsను కూడా అందిస్తాయి.

క్వెరీఒకే సెషన్‌కు ఐదు భిన్న పరిశీలనా కాలాల్లో ఇచ్చిన స్కోర్లు
ప్రతి సంఖ్య వెనుక ఉన్న ఖచ్చితమైన SQL
WITH daily AS
(
    SELECT
        date,
        avg(toFloat64(implied_volatility)) * 100 AS atm_iv
    FROM global_markets.options_greeks
    WHERE underlying_symbol = 'AAPL'
      AND date >= today() - 800
      AND iv_converged = 1
      AND volume > 0
      AND days_to_expiry BETWEEN 20 AND 45
      AND abs(toFloat64(strike_price) / toFloat64(underlying_close) - 1) < 0.05
    GROUP BY date
),
latest AS
(
    SELECT
        argMax(atm_iv, date) AS iv_now,
        max(date)            AS as_of
    FROM daily
),
windows AS
(
    SELECT
        spec.1 AS lookback_label,
        spec.2 AS lookback_days
    FROM
    (
        SELECT arrayJoin([
            ('1 month', 30),
            ('3 months', 90),
            ('6 months', 180),
            ('12 months', 371),
            ('24 months', 742)
        ]) AS spec
    )
)
SELECT
    w.lookback_label AS lookback_label,
    round(100 * (l.iv_now - min(d.atm_iv)) / nullIf(max(d.atm_iv) - min(d.atm_iv), 0), 1) AS iv_rank,
    round(100 * countIf(d.atm_iv < l.iv_now) / count(), 1)                                AS iv_percentile,
    count()                                                                               AS observations
FROM daily AS d
CROSS JOIN windows AS w
CROSS JOIN latest AS l
WHERE d.date >= l.as_of - w.lookback_days
GROUP BY w.lookback_label, w.lookback_days, l.iv_now
ORDER BY w.lookback_days
Run this yourself

1 month lookback వద్ద ఈ stock IV rankలో 0.4, IV percentileలో 4.8 స్కోర్ చేస్తుంది. Windowను 24 monthsకు పొడిగిస్తే, అదే sessionలో స్కోర్లు వరుసగా 23.4 మరియు 63.3గా ఉంటాయి. ఆ రెండు rows మధ్య option chainలో ఎలాంటి మార్పూ జరగలేదు. మారింది window మాత్రమే. ఒక tickerకు సంబంధించిన రెండు screens భిన్నంగా చూపించినప్పుడు, ముందుగా lookback settingను, ఆ తర్వాత IV seriesను పరిశీలించాలి.

ఈ రెండు సంఖ్యలను ఎలా ఉపయోగిస్తారు

ఈ రెండు సూచికలు వ్యూహాన్ని ఎంచుకోవడానికి ఫిల్టర్‌లుగా పనిచేస్తాయి; ఇవి ఎప్పుడూ అంచనాలు కావు. Premium విక్రయించే traders, అందులో covered calls మరియు cash secured puts కూడా ఉన్నాయి, సాధారణంగా అధిక readings కోసం చూస్తారు. అంటే, ఆ windowలో షేరు సాధారణంగా చూపించిన కదలిక కంటే ఎక్కువ కదలికను option ధరలో మార్కెట్ ప్రతిబింబిస్తోందని అర్థం. Premium కొనుగోలు చేసే traders తక్కువ స్థాయిని పరిశీలిస్తారు. అక్కడ ఇదే తర్కం వ్యతిరేకంగా వర్తిస్తుంది.

ఈ పనికి raw IV సంఖ్య కంటే relative score మెరుగైనది. ఒక షేరుకు 40% IV సాధారణమైనదై ఉండవచ్చు; మరో షేరుకు అది అత్యధిక స్థాయి కావచ్చు. ఒక షేరును దాని స్వంత చరిత్రతో పోల్చి grade చేయడం ద్వారా ఈ సమస్య తొలగుతుంది. అధిక implied volatility మంచిదేనా అనే ప్రశ్నకు సమాధానం ప్రతి వైపున ఉన్న trade-offsపై ఆధారపడి ఉంటుంది.

ఈ సంఖ్యలు మీకు చెప్పలేని ఒక విషయం ఉంది. అధిక reading మరింత పెరగవచ్చు. సోమవారం 95గా ఉన్న rank, మీ positionలో ఎలాంటి మార్పు లేకపోయినా శుక్రవారం 60గా మారవచ్చు. ఏ score కూడా దిశ గురించి సమాచారం ఇవ్వదు. పెరిగిన IV అంటే మార్కెట్ పెద్ద కదలికను ధరలో ప్రతిబింబించిందని మాత్రమే అర్థం; ఆ కదలిక ఏ దిశలో ఉంటుందనే అభిప్రాయం అందులో ఉండదు.

తరచుగా అడిగే ప్రశ్నలు

IV rank లేదా IV percentile — ఏది మెరుగైనది?

ఇవి వేర్వేరు ప్రశ్నలకు సమాధానమిస్తాయి. Lookback windowలో ఒక్కసారిగా తీవ్రమైన పెరుగుదల ఉంటే IV percentile మరింత స్థిరంగా ఉంటుంది. ఎందుకంటే ఇది ఒకే extreme విలువతో పోల్చకుండా, ఎన్ని రోజులు ఆ స్థాయిలో ఉన్నాయో లెక్కిస్తుంది. Rangeలో తగినంత డేటా ఉన్నప్పుడు IV rankను అర్థం చేసుకోవడం సులభం. ఎందుకంటే ఈ రోజు విలువ 12 నెలల గరిష్ఠానికి ఎంత దగ్గరగా ఉందో ఇది నేరుగా చూపిస్తుంది.

అధిక IV rank అంటే ఏమిటి?

చాలా trading desksలో 50కి పైబడిన readingsను ఒక షేరు స్వంత rangeలో పై సగభాగంగా పరిగణిస్తారు. 80కి పైబడిన readingsను ఆ షేరుకు నిజంగా అధిక స్థాయిగా భావిస్తారు. ఈ score స్వభావతః సాపేక్షమైనది. అందువల్ల స్థిరంగా ఉండే consumer staple షేరులో 80 IV rank, అస్థిరమైన growth షేరులో 80 IV rank — absolute IV స్థాయుల పరంగా చాలా భిన్నమైన అర్థాలను కలిగి ఉంటాయి.

IV rank, IV percentile రెండూ ఒకే lookbackను ఉపయోగిస్తాయా?

సాధారణంగా రెండింటికీ 252 trading daysను ఉపయోగిస్తారు. అయితే చాలా platformsలో ఈ settingను మార్చవచ్చు. Default విలువ vendorను బట్టి మారుతుంది. పై panelలో ఒక్కో window length వద్ద ఒకే షేరు వేర్వేరు scoreలను పొందడం చూపించారు. రెండు tools మధ్య తేడా కనిపించినప్పుడు మొదట పరిశీలించాల్సిన విషయం ఇదే.

IV rank 0 లేదా 100 కావచ్చా?

అవును. ఒక షేరు implied volatilityలో కొత్త 52 వారాల గరిష్ఠాన్ని నమోదు చేసిన రోజున IV rank 100 అవుతుంది. కొత్త కనిష్ఠాన్ని నమోదు చేసిన రోజున 0 అవుతుంది. కారణం, ఈ రోజు readingనే rangeలోని ఒక endpointగా లెక్కించడం. IV percentileలో మాత్రం ఈ రెండు extremes అరుదుగా కనిపిస్తాయి. ఎందుకంటే ఈ రోజు session కూడా denominatorలో భాగంగా ఉంటుంది.

IV మారకపోయినా నా IV rank ఎందుకు మారింది?

ప్రతి sessionతో window ముందుకు కదులుతుంది. గత 52 వారాల్లోని పాత spike తొలగిపోయినప్పుడు denominatorలోని high తక్కువ విలువకు reset అవుతుంది. దాంతో ఈ రోజు IV మారకపోయినా rank పెరుగుతుంది. IV crush మరో సాధారణ surpriseను వివరిస్తుంది — earnings report వెలువడిన వెంటనే IV తగ్గడం.


ఇక్కడి ప్రతి panel వెనుక ఉన్న ఖచ్చితమైన SQLను చూపిస్తుంది. Strasmore terminalలో వేరే షేరు కోసం score పొందేందుకు ఏ panelలోనైనా tickerను మార్చండి.