Strasmore Research
నేర్చుకోండి Matt Connorద్వారా Matt Connor

చారిత్రక implied volatility డేటా ఎక్కడ దొరుకుతుంది

చారిత్రక implied volatility డేటా వనరులు, రెండు 30-రోజుల IV seriesలు ఎందుకు భిన్నంగా ఉంటాయో, ఉచిత-చెల్లింపు ఎంపికలు, మీరే అమలు చేయగల query రూపం.

చారిత్రక implied volatility డేటా నమోదైనది కాదు; అది ఉత్పన్నం చేయబడుతుంది. ధరల చరిత్ర కంటే దీన్ని సేకరించడం ఎందుకు కష్టమో ఈ ఒక్క విషయం వివరిస్తుంది. ఒక option మార్కెట్ ధరను pricing modelలో వెనుకకు ప్రవేశపెట్టి, స్క్రీన్‌పై కనిపించే ధరతో model విలువ సరిపడే వరకు లెక్కించినప్పుడు లభించే సంఖ్యే IV. ఏ ఎక్స్చేంజ్ కూడా దీన్ని tapeపై tradeగా నమోదు చేయదు. అందువల్ల ప్రచురితమయ్యే ప్రతి IV చరిత్రలో model, quote, contract ఎంపిక, interpolation గురించి తీసుకున్న నిర్ణయాలు ఉంటాయి. ఒకే విషయాన్ని కొలుస్తున్నామని చెప్పుకునే రెండు seriesల మధ్య అసలు తేడా ఈ నిర్ణయాలే.

ముందుగా నిర్వచనం కావాలంటే, implied volatility అంటే ఏమిటి మరియు implied volatility ఎలా లెక్కించబడుతుంది అనే విభాగాల్లో విధానం వివరించబడింది. ఇక ముందు భాగంలో ఈ చరిత్ర ఎక్కడ లభిస్తుందో, దాని రెండు వెర్షన్లను ఎలా వేరు చేయాలో వివరిస్తాం.

చారిత్రక implied volatility డేటాను ధరల డేటా కంటే పొందడం ఎందుకు కష్టం?

రోజువారీ ముగింపు ధరను నేరుగా గమనించవచ్చు. ఆ ధర మార్కెట్లో నమోదవుతుంది. ప్రతి డేటా విక్రేత అదే సంఖ్యను నివేదిస్తాడు. కానీ IV స్థాయిని లెక్కించాలి. ఆ లెక్కింపులో ఉపయోగించే నాలుగు ఇన్‌పుట్లు మూలాన్ని బట్టి మారుతాయి.

  • మోడల్: European Black-Scholes లెక్కింపు, discrete dividendsతో కూడిన American binomial tree, లేదా స్వంత వడ్డీ రేటు, borrow అంచనాలతో కూడిన డేటా విక్రేత మోడల్.
  • లెక్కింపులో ఉపయోగించే ధర: bid, ask, mid, చివరి ట్రేడ్, లేదా ఎక్స్ఛేంజ్ settlement price.
  • పరిగణనలోకి తీసుకునే contracts: at-the-money strike, moneyness band, లేదా volume/open-interest filter ఆధారంగా ఎంపిక చేసిన contracts.
  • నిర్ణీత maturityకి సంఖ్యను ఎలా తీసుకెళ్తారు: 30 రోజులను దాటే రెండు expiries మధ్య interpolation చేయడం, లేదా నిర్దిష్ట days-to-expiry windowలోని అన్నింటినీ సగటు చేయడం.

ఒక ఇన్‌పుట్‌ను మార్చినా స్థాయి మారుతుంది. నాలుగింటినీ మార్చితే, ఒకే ట్రేడింగ్ సెషన్‌కు సంబంధించిన రెండు జాగ్రత్తగా రూపొందించిన మూలాల volatility స్థాయిలు కొన్ని percentage points మేర భిన్నంగా ఉండవచ్చు. వాటిలో ఏదీ తప్పు కాకపోవచ్చు.

ఈ వ్యత్యాసం ఒకే కంపెనీ షేరులోనే మొదలవుతుంది. కింది ప్యానెల్ June 2026లో AAPLను తీసుకుని, spot priceకు 5% లోపు దూరంలో ఉన్న strikesతో కూడిన contractsను మాత్రమే ఉంచుతుంది. అనంతరం వాటిని expiry వరకు మిగిలిన కాలం ఆధారంగా విభజిస్తుంది.

క్వెరీఒక పేరు, ఒక నెల: గడువు వరకు సమయానుసారం implied volatility (AAPL, జూన్ 2026)
ప్రతి సంఖ్య వెనుక ఉన్న ఖచ్చితమైన SQL
SELECT
    dte_band,
    round(100 * quantileDeterministic(0.25)(iv, contract_hash), 1) AS iv_p25_pct,
    round(100 * quantileDeterministic(0.50)(iv, contract_hash), 1) AS iv_median_pct,
    round(100 * quantileDeterministic(0.75)(iv, contract_hash), 1) AS iv_p75_pct,
    count()                                                        AS contract_day_count
FROM
(
    SELECT
        multiIf(days_to_expiry <=   7, '01-07d',
                days_to_expiry <=  21, '08-21d',
                days_to_expiry <=  45, '22-45d',
                days_to_expiry <=  90, '46-90d',
                days_to_expiry <= 180, '91-180d',
                                       '181d+')  AS dte_band,
        toFloat64(implied_volatility)             AS iv,
        cityHash64(ticker)                        AS contract_hash,
        days_to_expiry                            AS dte
    FROM global_markets.options_greeks
    WHERE underlying_symbol = 'AAPL'
      AND date >= '2026-06-01'
      AND date <  '2026-07-01'
      AND iv_converged = 1
      AND volume > 0
      AND days_to_expiry > 0
      AND underlying_close > 0
      AND abs(toFloat64(strike_price) / toFloat64(underlying_close) - 1) < 0.05
)
GROUP BY dte_band
ORDER BY min(dte)
Run this yourself

అదే underlying, అదే నెల, near-the-money strikes మాత్రమే. ఇక్కడ కనిపించే అతి తక్కువ కాలవ్యవధి band, 01-07d, median IVగా 29.6% నమోదు చేసింది. అత్యంత దీర్ఘమైన band 181d+, 28.1% వద్ద ఉంది. ఆ మొదటి bandలోనే 25వ, 75వ percentiles 24.9% మరియు 35.8%గా ఉన్నాయి. Expiries అంతటా కనిపించే ఆకారాన్ని term structure అంటారు. Strikes అంతటా దాని సమానమైన రూపాన్ని volatility skew అంటారు. ఇక్కడ ఒకే IV లేదు. ఒక surface ఉంది. ప్రచురించిన ఏ AAPL IV figure అయినా ఆ surfaceకు సంబంధించిన ఒక summary మాత్రమే. మా AAPL implied volatility పేజీ ట్రాక్ చేసేది ఇదే.

రెండు 30-day IV చార్టుల్లో వేర్వేరు సంఖ్యలు ఎందుకు కనిపిస్తాయి?

ఒక లిక్విడ్ underlying, ఒక సంవత్సరంలోని ట్రేడింగ్ సెషన్లు తీసుకుని, అదే వరుసల నుంచి మూడు విధాలుగా 30-day IVను రూపొందించండి. మొదటి కాలమ్‌లో spot ధరకు 1% లోపల ఉన్న strikeలు, 25 నుంచి 35 రోజుల గడువు ఉన్న expiryలు మాత్రమే ఉంటాయి. ఇది అందుబాటులో ఉన్న అత్యంత కచ్చితమైన కొలత. రెండో కాలమ్ spot ధరకు 5% లోపల, 20 నుంచి 45 రోజుల గడువు ఉన్న విస్తృత పరిధిని ఉపయోగిస్తుంది. ప్రతి సెషన్‌కు విలువ నింపాల్సి వచ్చినప్పుడు ఇది ఆచరణలో సాధారణ default. మూడోది ఆ విస్తృత సమితికి contract volume ఆధారంగా weight ఇస్తుంది. అందువల్ల వాస్తవంగా ట్రేడ్ అయిన strikeల వైపు సగటు మరింతగా మొగ్గుతుంది.

క్వెరీఒకే వరుసల సముదాయం నుంచి SPY కోసం 30-రోజుల IV నిర్మించే మూడు మార్గాలు
ప్రతి సంఖ్య వెనుక ఉన్న ఖచ్చితమైన SQL
WITH
    near_money AS
    (
        SELECT
            toMonday(date)                                                 AS week_start,
            toFloat64(implied_volatility)                                  AS iv,
            days_to_expiry                                                 AS dte,
            volume                                                         AS vol,
            abs(toFloat64(strike_price) / toFloat64(underlying_close) - 1) AS moneyness
        FROM global_markets.options_greeks
        WHERE underlying_symbol = 'SPY'
          AND date >= '2025-08-01'
          AND date <  '2026-08-01'
          AND iv_converged = 1
          AND volume > 0
          AND underlying_close > 0
          AND days_to_expiry BETWEEN 20 AND 45
          AND abs(toFloat64(strike_price) / toFloat64(underlying_close) - 1) < 0.05
    ),
    weekly AS
    (
        SELECT
            week_start,
            avgIf(iv, dte BETWEEN 25 AND 35 AND moneyness < 0.01) AS tight_atm,
            avg(iv)                                               AS wide_atm,
            sum(iv * vol) / sum(vol)                              AS volume_weighted
        FROM near_money
        GROUP BY week_start
        HAVING countIf(dte BETWEEN 25 AND 35 AND moneyness < 0.01) > 0
    )
SELECT
    toString(week_start) AS week,
    concat(monthName(week_start), ' ', toString(toDayOfMonth(week_start)), ', ', toString(toYear(week_start))) AS week_label,
    round(100 * tight_atm, 1)       AS tight_atm_pct,
    round(100 * wide_atm, 1)        AS wide_atm_pct,
    round(100 * volume_weighted, 1) AS volume_weighted_pct,
    round(100 * (greatest(tight_atm, wide_atm, volume_weighted)
               - least(tight_atm, wide_atm, volume_weighted)), 1) AS spread_pp
FROM weekly
ORDER BY week_start
Run this yourself

చూస్తున్న మొదటి వారంలో, July 28, 2025, ఈ మూడు విధానాలు వరుసగా 16.6%, 16.4% మరియు 16.7% విలువలను చూపించాయి. వాటిలో అత్యధికం, అత్యల్పం మధ్య తేడా 0.2 percentage points. అన్ని 53 వారాల్లో ఆ అంతరాన్ని spread కాలమ్ నమోదు చేస్తుంది. ఈ మూడింటిలో ఏదీ ఆ fundకు నిజమైన 30-day IV కాదు. ప్రతి విధానం కొద్దిగా భిన్నమైన ప్రశ్నకు సమాధానం ఇస్తుంది. Vendor chartలో వీటిలో ఒక విధానం ఉపయోగించబడుతుంది, కానీ ఆ విధానం ఏమిటో labelలో పేర్కొనరు.

కాంట్రాక్ట్‌-వారీ implied volatility చరిత్ర ఎంతకాలం వెనక్కి వెళ్తుంది?

ఈ ప్యానెళ్ల వెనుక ఉన్న డేటా సెట్ global_markets.options_greeks: ప్రతి ట్రేడింగ్ రోజుకు ప్రతి కాంట్రాక్ట్‌కు ఒక వరుస ఉంటుంది. అందులో implied volatilityతో పాటు delta, gamma, vega, theta, rho, strike, expiration, expiry వరకు మిగిలిన రోజులు, underlying symbol, underlying close ఉంటాయి. ఇది రోజు ముగింపు డేటా; ప్రత్యక్ష chain snapshot కాదు. ప్రతి త్రైమాసికంలో కనీసం ఒక converged IV వరుస ఉన్న విభిన్న underlying పేర్ల సంఖ్యను దిగువ ప్యానెల్ చూపిస్తుంది.

క్వెరీరోజువారీ IV స్థిరపడిన underlying పేర్లు, త్రైమాసికం వారీగా
ప్రతి సంఖ్య వెనుక ఉన్న ఖచ్చితమైన SQL
SELECT
    concat(toString(toYear(date)), '-Q', toString(toQuarter(date))) AS quarter,
    uniqExact(underlying_symbol)                                    AS underlyings_covered
FROM global_markets.options_greeks
WHERE iv_converged = 1
  AND volume > 0
  AND underlying_symbol NOT IN ('SPCX')
  AND date < '2026-07-01'
GROUP BY quarter
ORDER BY min(date)
Run this yourself

కవరేజ్ 2014-Q2 నుంచి 2026-Q2 వరకు ఉంది. మొత్తం 49 త్రైమాసికాలు ఉన్నాయి. చూపించిన చివరి పూర్తి త్రైమాసికంలో 5799 underlying పేర్లకు converged daily IV ఉంది.

ఇలాంటి సెట్‌ను query చేసేటప్పుడు నాలుగు filters ప్రధానంగా పనిచేస్తాయి.

  • iv_converged = 1ను ఉంచండి. Solver ఎప్పుడూ పరిష్కారానికి చేరుకోదు. Converged కాని వరుస తక్కువ IV reading కాదు; అది విఫలమైన fit.
  • volume > 0ను ఉంచండి. ఎప్పుడూ ట్రేడ్ కాని కాంట్రాక్ట్ పాత quote ఆధారంగా పరిష్కరించిన IVను కలిగి ఉంటుంది.
  • underlying_symbol ఆధారంగా group చేయండి. ticker కాలమ్‌లో OCC contract code ఉంటుంది. కాబట్టి దాని ఆధారంగా group చేస్తే ఒక్క కంపెనీకి ఒక వరుస కాకుండా ప్రతి strike, expiryకి ఒక్క వరుస వస్తుంది.
  • కాంట్రాక్టులను ఉద్దేశపూర్వకంగా ఎంచుకోండి. అవి near the moneyలో ఉండాలి, అలాగే days-to-expiryకి నిర్ణయించిన పరిధిలో ఉండాలి. ఈ దశను వదిలేస్తే skew, term structure రెండూ ఒకే గణాంకంలో కలిసిపోతాయి.

ఉచిత implied volatility API ఉందా?

ఉచిత వనరులు ఉన్నాయి. అయితే ప్రతి వనరు ఒక నిర్దిష్ట విషయంలో మాత్రమే పరిమితంగా ఉంటుంది.

  • బ్రోకర్ ప్లాట్‌ఫారమ్‌లు తమ సొంత option chainsపై IVను లెక్కించి, దాన్ని లైవ్‌గా చూపిస్తాయి. డౌన్‌లోడ్ చేసుకోగల చరిత్ర తక్కువగా ఉండొచ్చు లేదా అసలు ఉండకపోవచ్చు. అలాగే చూపించే సంఖ్య ఆ బ్రోకర్ మోడల్‌పై ఆధారపడుతుంది; అది ప్రామాణిక కొలత కాదు.
  • ఎక్స్చేంజ్ ప్రచురించే volatility indices దశాబ్దాల వెనక్కి వెళ్లే డేటాను ఉచితంగా అందిస్తాయి. అయితే ప్రతి index ఒక basketకు సంబంధించిన blended figure మాత్రమే. అందువల్ల అది మొత్తం మార్కెట్‌కు సంబంధించిన ప్రశ్నకు సమాధానం ఇస్తుంది; ఒకే కంపెనీ షేరుకు సంబంధించిన ప్రశ్నకు కాదు.
  • సాధారణ market data APIs ఎక్కువగా ధరల వద్దనే ఆగిపోతాయి. ప్రతి contractకు సంబంధించిన greeks దాదాపు ప్రతిచోటా ప్రత్యేక ఉత్పత్తిగా ఉంటాయి. వాటిని కలిగి ఉన్న ఉచిత tiers సాధారణంగా archive లేకుండా live snapshotను మాత్రమే అందిస్తాయి. మా ఉచిత స్టాక్ మార్కెట్ డేటా API సమీక్షలో open tiers వాస్తవంగా అందించే అంశాలను వివరించాం.
  • ప్రతి contractకు సంబంధించిన చరిత్రను vendor ధరతో అందించే సేవల్లోనే దీర్ఘకాల single-name archives ఉంటాయి. ఇవి నెలవారీగా లేదా సంవత్సరాల వారీగా end-of-day filesగా విక్రయిస్తారు. Realtime chains ధర మాత్రం historical set కంటే చాలా ఎక్కువగా ఉంటుంది. రియల్‌టైమ్ మార్కెట్ డేటా ధర ఎంత అనే వివరణలో ఆ ధరల జాబితాల నిర్మాణాన్ని వివరించాం.

ధరతో సమానంగా snapshot, end-of-day మధ్య తేడా కూడా ముఖ్యమైనది. సాయంత్రం 4:00 ETకు తీసుకున్న snapshotలో ఆ క్షణంలో ఉన్న quotes ఉపయోగిస్తారు. Settlement prices ఆధారంగా రూపొందించిన fileలో పూర్తిగా భిన్నమైన input ఉంటుంది. వేగంగా మారే రోజుల్లో ఈ రెండింటి మధ్య తేడా ఎక్కువగా కనిపిస్తుంది.

Blended index volatility, single-name volatility కూడా పరస్పరం మార్చి ఉపయోగించలేము. Index option ఒక basketలోని మొత్తం కదలికకు ధరను నిర్ణయిస్తుంది. అందులోని సభ్యుల ధరలు పరస్పరం విరుద్ధ దిశల్లో కదిలితే మొత్తం కదలిక తగ్గుతుంది. Single-name option మాత్రం ఒక కంపెనీ షేరు స్వంత ధర మార్గానికి ధరను నిర్ణయిస్తుంది. దిగువ panelలో ఒకే నెలకు, ఒకే filtersతో, విస్తృతంగా తెలిసిన పేర్లను పక్కపక్కన చూపించాం.

క్వెరీమధ్యస్థ near-the-money IV, గడువుకు 20 నుంచి 45 రోజులు (జూన్ 2026)
ప్రతి సంఖ్య వెనుక ఉన్న ఖచ్చితమైన SQL
SELECT
    underlying_symbol                                              AS symbol,
    round(100 * quantileDeterministic(0.50)(iv, contract_hash), 1) AS median_iv_pct,
    count()                                                        AS contract_day_count
FROM
(
    SELECT
        underlying_symbol,
        toFloat64(implied_volatility) AS iv,
        cityHash64(ticker)            AS contract_hash
    FROM global_markets.options_greeks
    WHERE underlying_symbol IN ('SPY', 'AAPL', 'MSFT', 'NVDA', 'AMZN', 'KO', 'XOM', 'TLT')
      AND date >= '2026-06-01'
      AND date <  '2026-07-01'
      AND iv_converged = 1
      AND volume > 0
      AND underlying_close > 0
      AND days_to_expiry BETWEEN 20 AND 45
      AND abs(toFloat64(strike_price) / toFloat64(underlying_close) - 1) < 0.05
)
GROUP BY symbol
ORDER BY median_iv_pct DESC
Run this yourself

2026 జూన్‌లో, 20 నుంచి 45 రోజుల windowలో near-the-money IV median 38.5% వద్ద ఉన్న NVDA నుంచి 10.4% వద్ద ఉన్న TLT వరకు మారింది. ఈ లెక్క 8 పేర్లపై ఆధారపడింది. Window ఒకటే, filters ఒకటే, solve ఒకటే. ప్రతి పేరుకు ఇదే విధానం స్థిరంగా ఉన్నంతకాలం మాత్రమే అలాంటి ranking చెల్లుతుంది.

IV rank, IV percentile కోసం source ముఖ్యమా?

అవును. సమాధానం sourceపై ఆధారపడి ఉంటుంది. IV rank అనేది సాధారణంగా ఒక సంవత్సరం lookback కాలంలోని గరిష్ఠ, కనిష్ఠ విలువలతో నేటి IVను పోలుస్తుంది. IV percentile అనేది అదే lookback కాలంలో నేటి విలువ కంటే తక్కువగా ఉన్న రోజుల వాటాను లెక్కిస్తుంది. రెండూ ఒకే seriesను మొదటి నుంచి చివరి వరకు చదువుతాయి. కాబట్టి మార్కెట్‌లో ఎలాంటి మార్పు లేకపోయినా series మారితే score మారుతుంది. Broker mid-quote IVను vendor settlement ఆధారిత archiveతో కలిపితే, lookback మధ్యలో శాశ్వతమైన మెట్టు ఏర్పడుతుంది. దానిపై లెక్కించిన ప్రతి rankలోనూ ఆ మార్పు ప్రతిఫలిస్తుంది. IV rank vs IV percentile ఈ రెండు లెక్కింపు విధానాలను వివరిస్తుంది. Implied movementను realized movementతో పోల్చేటప్పుడు కూడా ఇదే నియమం వర్తిస్తుంది: historical volatility vs implied volatility ఆ పోలికను వివరిస్తుంది.

ఆచరణలో పాటించాల్సిన ప్రమాణం provenance rule. ఒకే source, ఒకే model, ఒకే contract-selection విధానం, ఒకే maturity convention ఎంచుకుని, మొత్తం lookback కాలంలో ఈ నాలుగింటినీ మార్చకుండా ఉంచాలి. ఇతరుల seriesలతో స్వల్పంగా భిన్నంగా ఉన్నప్పటికీ అంతర్గతంగా consistentగా ఉన్న series, ప్రతి vendorతో కొంతకొంత సరిపోలేలా కలిపిన series కంటే ఎక్కువ విలువైనది.

తరచుగా అడిగే ప్రశ్నలు

చారిత్రక implied volatility డేటా ఎక్కడ లభిస్తుంది?

దీర్ఘకాల single-name చరిత్రలు సాధారణంగా ఒక్కో contractకు end-of-day greeksను విక్రయించే options data vendors నుంచి లభిస్తాయి. ఇవి సాధారణంగా నెలవారీ లేదా వార్షిక ఫైళ్ల రూపంలో ఉంటాయి. Exchanges ఉచిత index-level volatility చరిత్రలను ప్రచురిస్తాయి. Broker platforms తమ option chainsలో live IVను చూపిస్తాయి. కానీ డౌన్‌లోడ్ చేసుకోగల చరిత్ర చాలా తక్కువగా ఉంటుంది. పై panels ఒకే fitతో converge చేసిన, నమోదైన ప్రతి contractను కవర్ చేసే per-contract daily setపై నడుస్తాయి.

ఉచిత implied volatility API ఉందా?

Per-contract greeks ఉన్న ఉచిత tiers చాలా అరుదు. ఉన్నవీ సాధారణంగా archive కాకుండా live snapshotను అందిస్తాయి. Index volatility historyనే నిజంగా ఉచితంగా లభించే ప్రధాన దీర్ఘకాల seriesగా చెప్పవచ్చు. లోతైన single-name చరిత్ర సాధారణంగా చెల్లింపు ఉత్పత్తి.

ఒకే stockకు రెండు వనరులు వేర్వేరు implied volatilityలను ఎందుకు చూపిస్తాయి?

వేర్వేరు pricing models, వేర్వేరు input quotes, వేర్వేరు contract selection, అలాగే maturity interpolation కారణాలు కావచ్చు. పై panel ఒకే rows set నుంచి మూడు 30-day seriesలను రూపొందిస్తుంది. మొదటి వారంలోనే అవి 0.2 percentage points తేడాతో ఉంటాయి. కాబట్టి ఇద్దరు vendors చూపించే విలువల మధ్య తేడా ఉండటం పొరపాటు కాకుండా సాధారణమే.

implied volatility డేటా ఎంతకాలం వెనక్కి అందుబాటులో ఉంటుంది?

ఇది sourceపై ఆధారపడి ఉంటుంది. ప్రతిచోటా per-contract archives, price archives కంటే తక్కువ కాలానికే అందుబాటులో ఉంటాయి. ఈ పేజీ వెనుక ఉన్న set 2014-Q2 నుంచి ప్రారంభమై, అప్పటి నుంచి converge అయిన ప్రతి contractకు daily rowsను కలిగి ఉంది.


ఇక్కడి ప్రతి panelను రూపొందించిన SQLతో పాటు అందిస్తాము. ఆ సంఖ్యలోకి ఏ contracts వెళ్లాయో ఖచ్చితంగా చూడటానికి ఒకదాన్ని విస్తరించండి. మరో name, మరో window లేదా మరో recipe కోసం ఇదే seriesను రూపొందించాలంటే Strasmore terminalలో సాధారణ ఆంగ్లంలో అభ్యర్థించండి.