作者： 如何根据隐含波动率计算预期波动区间
用价格、隐含波动率和天数平方根计算预期波动区间，了解跨式期权捷径如何验证公式，并比较实际走势是否达到预期。
预期波动区间是期权市场对股票在固定天数内价格波动范围的定价，而隐含波动率是决定该区间的输入参数：股价乘以隐含波动率，再乘以天数除以 365 后的平方根。一只股价为 100 美元、30 天隐含波动率为 30% 的股票，其预期波动区间约为 8.60 美元，即 8.6%；因为 0.30 乘以 30 除以 365 后的平方根，结果约为 0.086。该数值表示一个标准差范围，不是方向预测，也不是价格无法突破的水平。
如何根据隐含波动率计算预期波动幅度
隐含波动率是期权价格所隐含的年化收益率标准差。它始终以年度数值表示，因此30%的读数描述的是一年的波动范围，任何更短的时间窗口都必须据此换算。波动率按时间的平方根缩放，因此天数位于平方根号下，而不是直接进行除法。
预期波动幅度 = 价格 × 隐含波动率 × √（天数 ÷ 365）
两个计算口径会决定你的结果是否与券商显示的数值一致。以365个日历日为分母是零售市场的常见标准，而部分交易台会使用252个交易日进行换算。在隐含波动率相同的情况下，后者得出的波动范围会略宽。计算结果是一个标准差范围。在正态分布假设下，该范围大约覆盖68%的结果。将其扩大一倍，即为两个标准差范围，大约覆盖95%的结果。
你代入的隐含波动率是否足够高，是另一个需要单独回答的问题。30%的隐含波动率高吗会将单一读数与市场自身的分布进行比较。
为什么波动区间会随天数的平方根增长
固定一只股票和一个交易时段，只改变期限，公式的形态就会自然显现。以下是2026年7月中旬苹果公司平值附近合约，按到期时间分组：
每个数字背后的完整 SQL
SELECT multiIf(days_to_expiry <= 7, '1 week',
days_to_expiry <= 14, '2 weeks',
days_to_expiry <= 45, '1 month',
days_to_expiry <= 120, '3 months',
days_to_expiry <= 240, '6 months',
'1 year') AS horizon,
round(avg(days_to_expiry), 0) AS avg_days,
round(100 * avg(toFloat64(implied_volatility)), 1) AS iv_pct,
round(100 * avg(toFloat64(implied_volatility)) * sqrt(avg(days_to_expiry) / 365), 2) AS expected_move_pct,
round(avg(toFloat64(underlying_close)) * avg(toFloat64(implied_volatility))
* sqrt(avg(days_to_expiry) / 365), 2) AS expected_move_usd,
round(avg(toFloat64(underlying_close)), 2) AS underlying_price,
formatDateTime(max(date), '%b %e, %Y') AS as_of
FROM global_markets.options_greeks
WHERE underlying_symbol = 'AAPL'
AND date = (SELECT max(date)
FROM global_markets.options_greeks
WHERE underlying_symbol = 'AAPL'
AND date <= toDate('2026-07-15'))
AND iv_converged = 1
AND volume > 0
AND days_to_expiry BETWEEN 1 AND 400
AND abs(toFloat64(strike_price) / toFloat64(underlying_close) - 1) < 0.05
GROUP BY horizon
HAVING count() >= 3
ORDER BY avg_days截至Jul 15, 2026，1 week组的平均到期天数为5天，隐含波动率为28%，预期波动幅度为3.17%，即相对于每股$327.8股价的$10.41。1 year组的平均到期天数为292天，隐含波动率为28.4%，预期波动幅度为25.44%，即$83.39。
关键在于比例，而不是绝对水平。无论股票或隐含波动率如何，天数增加到四倍，预期波动幅度就会翻倍，因为4的平方根是2。有人会将一个月的波动区间乘以12来年化，这会使全年幅度被高估约3.5倍。正确的乘数是12的平方根，即3.46。
跨式组合捷径，以及为何其读数低约20%
还有一种更快的方法可以得到市场自身预期的波动幅度，而且无需计算。查找平值跨式组合，即行权价相同、到期日相同的看涨期权和看跌期权，然后将两者的权利金相加。许多交易台会将这一合计值报价为预期波动幅度。
两种方法得出的数值并不相同，但这并不意味着其中任何一种存在错误。跨式组合的收益取决于股票收盘价偏离行权价的绝对距离，因此其价格反映的是市场预期的平均波动幅度。公式得出的是一个标准差。对于正态分布，平均绝对偏差等于标准差的0.798倍。因此，跨式组合的数值约比公式结果低20%。将跨式组合乘以1.25，即用1除以0.798，便可使两者趋于一致。
以开头的100美元假设为例。公式得出的结果是8.60美元。该股票的平值跨式组合价格应接近6.86美元，因为0.798 × 8.60 = 6.86。将6.86美元乘以1.25，结果便回到8.58美元。了解两种方法分别反映哪项统计指标后，您会发现，两条路径最终指向同一个数值。阅读期权链可显示这两项权利金所在的位置。
预期波动幅度不代表什么
- 不是方向。该区间以今日价格为中心对称分布，期权市场定价的是区间宽度，而不是方向。
- 不是承诺。68%这一比例来自正态分布，而实际回报的尾部更厚，因此远端结果出现的频率高于模型预期。
- 不是障碍。根据该模型，大约每三个窗口中就有一个会收在一个标准差区间之外。收在区间之外才是常见情况。
- 不是固定值。隐含波动率每个交易日都会重新定价，因此，针对特定到期日的预期波动幅度每天都会重新计算。
财报发布后会发生什么
预定的财报发布日期最能清楚地体现这一点：市场会提前推高隐含波动率，并在消息公开后的交易日将其下调。这种现象称为隐含波动率崩塌。预期波动幅度也会按同样的时间表迅速收缩。下方图表中，NVDA 于二〇二三年五月下旬发布的财报，在第一场交易结束后公布。
每个数字背后的完整 SQL
WITH
(SELECT avg(toFloat64(implied_volatility))
FROM global_markets.options_greeks
WHERE underlying_symbol = 'NVDA'
AND date = toDate('2023-05-24')
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) AS iv_report_day,
(SELECT avg(toFloat64(underlying_close))
FROM global_markets.options_greeks
WHERE underlying_symbol = 'NVDA'
AND date = toDate('2023-05-24')
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) AS px_report_day
SELECT date,
formatDateTime(date, '%b %e') AS session_label,
round(100 * avg(toFloat64(implied_volatility)), 1) AS iv_pct,
round(100 * avg(toFloat64(implied_volatility)) * sqrt(avg(days_to_expiry) / 365), 2) AS expected_move_pct,
round(100 * avg(toFloat64(implied_volatility)) / iv_report_day, 1) AS iv_pct_of_report_day,
round(100 * (avg(toFloat64(underlying_close)) / px_report_day - 1), 2) AS move_from_report_day_pct
FROM global_markets.options_greeks
WHERE underlying_symbol = 'NVDA'
AND date BETWEEN toDate('2023-05-24') AND toDate('2023-06-09')
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
HAVING count() >= 3
ORDER BY date在财报发布当日，即 May 24，平值附近期权的隐含波动率为 115.1%，对应到期前的隐含波动幅度为 30.54%。下一交易日，同一指标降至该数值的 42.9%。到 Jun 9，隐含波动率为 39.2%，股价较财报发布日收盘价相差 1.71%。
这正是市场上一种常见抱怨的根源。交易者即使正确判断了财报行情的方向，持有期权仍可能亏损：合约定价所依据的波动率输入，会在不确定性消除后立即被下调。财报如何影响希腊值将继续说明该头寸的其余变化。
预期波动幅度是否经得起实际波动的检验？
这一说法可以验证，以下就是验证方法。在截至2026年6月中旬的两年期间，每周三选取六只流动性较高的股票，获取到期日为25至40天、接近平值合约的隐含波动率，将其换算为未来几天的预期波动幅度，然后计算截至至少30个日历日后的首个交易日，股价实际波动了多远。
每个数字背后的完整 SQL
WITH obs AS (
SELECT underlying_symbol AS ticker,
date AS obs_date,
avg(toFloat64(implied_volatility)) AS iv,
avg(toFloat64(underlying_close)) AS spot
FROM global_markets.options_greeks
WHERE underlying_symbol IN ('NVDA', 'AAPL', 'MSFT', 'XOM', 'SPY', 'KO')
AND date BETWEEN toDate('2024-06-12') AND toDate('2026-06-17')
AND toDayOfWeek(date) = 3
AND iv_converged = 1
AND volume > 0
AND days_to_expiry BETWEEN 25 AND 40
AND abs(toFloat64(strike_price) / toFloat64(underlying_close) - 1) < 0.05
GROUP BY ticker, obs_date
HAVING count() >= 4 AND avg(toFloat64(implied_volatility)) > 0.01
),
px AS (
SELECT underlying_symbol AS ticker,
date AS px_date,
avg(toFloat64(underlying_close)) AS close_px
FROM global_markets.options_greeks
WHERE underlying_symbol IN ('NVDA', 'AAPL', 'MSFT', 'XOM', 'SPY', 'KO')
AND date BETWEEN toDate('2024-06-12') AND toDate('2026-07-25')
AND days_to_expiry BETWEEN 5 AND 60
AND abs(toFloat64(strike_price) / toFloat64(underlying_close) - 1) < 0.02
GROUP BY ticker, px_date
),
moves AS (
SELECT obs.ticker AS ticker,
obs.obs_date AS obs_date,
any(obs.iv) AS iv,
any(obs.spot) AS spot,
argMin(px.close_px, px.px_date) AS end_px,
min(dateDiff('day', obs.obs_date, px.px_date)) AS elapsed_days
FROM obs
INNER JOIN px ON obs.ticker = px.ticker
WHERE px.px_date >= addDays(obs.obs_date, 30)
AND px.px_date <= addDays(obs.obs_date, 36)
GROUP BY ticker, obs_date
)
SELECT ticker,
count() AS windows_tested,
round(quantileDeterministic(0.5)(100 * iv * sqrt(elapsed_days / 365), cityHash64(obs_date)), 2) AS implied_move_pct,
round(quantileDeterministic(0.5)(100 * abs(end_px / spot - 1), cityHash64(obs_date)), 2) AS realized_move_pct,
round(100 * countIf(abs(end_px / spot - 1) > iv * sqrt(elapsed_days / 365)) / count(), 1) AS realized_over_implied_pct
FROM moves
GROUP BY ticker
ORDER BY implied_move_pct DESCNVDA 计入的预期区间在六只股票中最宽：在103个窗口中，隐含波动幅度中位数为13.3%，实际波动幅度中位数为6.77%。在波动最平静的一端，SPY计入的预期波动幅度为4.37%，实际波动幅度为2.68%。
最后一列最能说明问题。一个标准差范围理论上约有32%的概率被突破，这才是应采用的基准，而不是零。23.3%的NVDA个窗口最终超出了期权定价的区间，24.3%的SPY个窗口也出现了同样情况。对每只股票分别比较两个波动幅度中位数及其差距，无论差距方向如何，这就是判断期权定价的预期波动是否高于实际波动的全部依据。筛选隐含区间最宽的股票是另一项工作，隐含波动率最高的股票会对其进行排名。
数据说明与定义
- “接近平值”指行权价在该交易日标的收盘价上下5%以内的合约，且这些合约的隐含波动率已趋于一致并具有非零成交量。
- 预期波动幅度始终按一年365天、使用日历日计算；实际波动幅度则是观测日收盘价与至少30个日历日后的首个交易日收盘价之间的百分比距离，并取绝对值。
- 观测按周进行，而远期窗口为30天，因此相邻窗口存在重叠，样本数量并非相互独立的抽样。
预期波动区间常见问题
如何根据隐含波动率计算预期波动区间？
将股价乘以小数形式的隐含波动率，再乘以天数除以365的平方根。假设一只股价为50美元的股票，45天隐含波动率为40%：50 × 0.40 × √(45 ÷ 365) = 7.02美元，波动区间约为14%。
平值跨式期权的价格是否等于预期波动区间？
接近，但并不相同。跨式期权的价格反映预期平均波动幅度，相当于一个标准差的约0.798倍。将跨式期权权利金乘以1.25，即可还原公式计算出的一个标准差波动幅度。
股票会一直处于预期波动区间内吗？
通常会，但模型预计约有32%的情况会超出该区间。在上文测试的周度窗口中，23.3%个NVDA窗口收盘时超出隐含区间，另有24.3%个SPY窗口出现这种情况。
为什么财报公布后，预期波动区间会立即收窄？
预期波动区间是隐含波动率的直接函数。市场通常会在预定财报公布前推高隐含波动率，结果公布后再将其调低。在上方表格中，NVDA公布财报后的交易日，其读数为财报日读数的42.9%。
更宽的预期波动区间是否意味着更好的机会？
它只意味着区间更宽。更大的预期波动区间表示期权市场定价了更高的不确定性，包含这种不确定性的合约价格也会相应更高。区间宽度并不能说明其定价是否合理。
这里的每个表格都是附带SQL的存储查询。打开其中一个查询，替换 ticker，即可在Strasmore终端上运行相同的隐含波动率与实际波动率测试。