【金融】中国vix、skew指数的Python实现
本文介绍了vix和skew指数，并实现了CVIX.py用于计算中国的上述指数，给出了CVIX的相应文档。但代码和数据就不提供咯~想要进一步交流的小伙伴欢迎私信~
目录
3【API文档】 Python实现class CVIX类，计算中国版VIX及SKEW
3.2.1 load_data(trade_days,option_data,shibor)
1 vix、skew介绍
Cboe波动率指数（VIX）是一个实时指数，代表市场对标准普尔500指数（SPX）近期价格变化相对强度的预期。因为它是从具有近期到期日期的SPX指数期权的价格派生出来的，隐含30天的波动性远期预测。波动率，通常被视为衡量市场情绪的一种方式，特别是市场参与者的恐惧程度。
该指数通常以其股票代码而闻名，通常简称为“VIX”。它由Cboe期权交易所（Cboe）创建，并由Cboe全球市场维护。它是交易和投资领域的重要指数，因为它提供了市场风险和投资者情绪的可量化衡量标准。
- Cboe波动率指数（VIX）是一个实时市场指数，代表市场对未来30天波动率的预期。
- 投资者在做出投资决策时使用VIX来衡量市场的风险，恐惧或压力水平。
- 交易者还可以使用各种期权和交易所交易产品交易VIX，或者他们可以使用VIX值对衍生品进行定价。
- VIX通常在股票下跌时上升，在股票上涨时下降。
2010 年，CBOE 推出偏度指数 SKEW，该指数主要描述隐含波动率曲线的斜率走 势情况，波动率曲线越陡，SKEW 越大。通常，股票市场的风险分布特征可以由市 场参与者对风险分布的预期波动率、峰度、偏度三个指标刻画，SKEW 指数正是依 据期权价格编制的风险分布偏度，反映投资者对于市场尾部风险预期，对市场极端 情况的发生有预警功能，所以又称为“黑天鹅指数”，是波动率指数 VIX的有效补充。 在 1987 年 10 月的金融危机后，S&P500 隐含波动率曲线斜率骤然升高，业界开始 重新审视经典模型 BLACK-SCHOLES模型中的一些假设，并深入探究波动率微笑、 隐含波动率曲线的不对称性、市场大幅下跌带来的模型失效等问题，SKEW 指数顺 势而生。SKEW 指数聚焦于市场的“尾部风险”，即收益中异常值出现的频率远高于 正态分布的情况，常被用于市场忽略的盲点信息、尾部风险因素及因投资者过度乐 观形成的风险进行示警，可预示市场黑天鹅事件的发生。
SKEW 反映了市场的尾部风险，是负面极端事件发生的度量指标，描述了隐含波动 率曲线的斜率走势情况，根据计算公式，SKEW 指数围绕 100 上下波动。当 SKEW=100 时，市场预期收益率整体呈正态分布；当 SKEW>100 时，市场预期收 益率整体左偏；当 SKEW<100 时，市场预期收益率整体右偏；SKEW 越大，左偏 程度越大，预期尾部风险越大，说明市场有较大概率发生“黑天鹅”事件。例如，2016 年 11 月英国宣布“脱欧”，而 S&P 500 SKEW 早些时间已经异常波动，于 2016 年 6 月 28 日冲至 153.66，达到历史高点；SKEW 在 2016 年 11 月 3 日达到 141.18 的高 位，而 11 月 8 日，美国大选宣布结果，特朗普当选总统。SKEW 对于超出预期的“黑 天鹅”事件有提前预警能力。
国外研究发现，SKEW 与 VIX 指标变动的相关性极低，二者结合分析，可以更为全 面地衡量投资组合风险敞口，能够捕捉尾部风险的 SKEW 常被作为波动率指数 VIX 的补充指标。（东北证券：市场波动风险度量： VIX 与 SKEW 指数构建与应用，2018-07-07）
2 vix、skew计算公式
【VIX计算】
CBOE公布的VIX白皮书《The CBOE Volatility Index - VIX®》详细介绍了VIX具体编制方法，其核心计算公式如下：
其中，
σ1：近月波动率
NT：近月合约剩余到期时间（以分钟计）
T：NT/N365
R：无风险利率
S：认购期权价格与认沽期权价格相差最小的执行价
F：S+eRT×[认购期权价格(S)−认沽期权价格(S)]
K0：小于F且最接近于F的执行价
Ki：由小到大的所有执行价(i=1,2,3,….)
ΔKi：第i个执行价所对应的执行价间隔
P(Ki)：若Ki小于K0，为Ki对应的Put期权价格；若Ki大于K0，为Ki对应的Call期权价格；若Ki等于K0，为Ki对应的Call/Put期权价格
【SKEW 计算】
与 VIX 的计算方法十分相似，在挑选出标的期权后，计算出近月和次近月的偏度 S， 加权平均后使用插值法得到 30 日均值，最后进行简单代数变换得到偏度指数 SKEW。
偏度 S 的计 算公式如下：
其中，𝑅是 50ETF 未来 30 日对数回报率，𝜇是𝑅的均值，𝜎是𝑅的标准差。
由于 S 可正可负，且波动范围较窄，不利于作为观测指数， 我们对 S 进行简单的代数变换，得到偏度指数 SKEW：
SKEW = 100 − 10 × S
对S进行展开代换：
其中，
是对 K0 和 F0 差值的修正项：
3【API文档】 Python实现class CVIX类，计算中国版VIX及SKEW
代码就不展示了，需要进一步交流的小伙伴欢迎私信~
CVIX中的属性和方法如下：
3.1 CVIX属性
- start_date ：需要计算VIX和SKEW的数据的起始日期（数据类型可以传入是datatime、字符串'%Y/%m/%d'、'%Y-%m-%d'、'%Y%m%d'，事实上在计算时都会将所有跟时间相关的数据全部转为datetime，CVIX中内置了函数timeformat将上述格式进行转化）。
- end_date ：需要计算VIX和SKEW的数据的最后日期，数据类型同start_date。
- trade_days: 程序中用于判断日期是否为交易日的数据，在使用中需要包含[start_date ,end_date ]中的所有交易日，也可以大于上述范围，但不能小于上述范围（数据类型为list，传入包含了你想要研究的日期的一个交易日list，elements为datetime）。
- option_data：dataframe期权数据，其中【当前交易日】命名为"trade_date",【期权名称】命名为name,【行权价】命名为"exe_price",【开盘价】命名为"open",【最高价】命名为"highest",【最低价】命名为"lowest"【收盘价】命名为"close",【结算价】命名为"settlement_price",【call还是put】命名为"call_put",【最后行权日】命名为"last_edate"，其中必须包含的字段有trade_date、exe_price、close、call_put、last_edate。
- shibor：dataframe shibor数据，【当前交易日】命名为"date"，不同期限从隔夜到1年分别命名为"on""1w""2w""1m""3m""6m""9m""1y"。
-
currenrdt_param：字典数据，在日期currendt下，计算VIX和SKEW指标所需的参数，所包含的参数如上图所示。
3.2 CVIX方法
3.2.1 load_data(trade_days,option_data,shibor)
作用：将数据装载到CVIX实例对象中，以供后续运算。
参数：
trade_days:list，传入包含了你想要研究的日期的一个交易日list，elements为datetime;
option_data:dataframe期权数据，其中【当前交易日】命名为"trade_date",【期权名称】命名为name,【行权价】命名为"exe_price",【开盘价】命名为"open",【最高价】命名为"highest",【最低价】命名为"lowest"【收盘价】命名为"close",【结算价】命名为"settlement_price",【call还是put】命名为"call_put",【最后行权日】命名为"last_edate",其中与日期相关的数据均需转为datetime；
shibor:dataframe shibor数据，【当前交易日】命名为"date"， 不同期限从隔夜到1年分别命名为"on""1w""2w""1m""3m""6m""9m""1y"， 其中与日期相关的数据均需转为datetime
返回值：无。
3.2.2 set_currentdt(date)
作用：设置currentdt，若不设置则在初始化CVIX对象时将currentdt设为start_date
参数： date:datetime或常见的日期字符串
3.2.3 basic_inf()
作用：获取计算VIX当天（currentdt）的所有期权。
参数：无。
返回值：tuple
vix_option_data:交易日为self.currenrdt_param["currenrdt"]的所有期权截面数据
vix_enddate:vix_option_data中所有期权截面数据的最后行权日列表（升序排序）
3.2.4 vix_shibor()
作用：对现有的shibor利率期限结构进行插值，计算得到计算VIX当天（currentdt）的所有期权的期限相应的无风险利率。
参数:无
返回值：tuple
vix_shibor:list,对应期限的无风险利率
periods：list,期限列表
3.2.5 cal_singleday_params()
作用：基于currentdt当天，计算公式中的参数，并存储到self.currenrdt_param中的相应变量中。其计算的结果可由实例对象.currenrdt_param调用。
参数：无
返回值：无
3.2.6 vix_singleday()
作用：计算单独某天（currentdt）的vix值并返回
参数: 无
返回值：float，对应的VIX指数值
3.2.7 Skew_singleday()
作用：计算单独某天（currentdt）的SKEW值并返回
参数: 无
返回值：float，对应的SKEW指数值
3.2.8 vix_skew()
作用：将从start_date到end_date期间的vix和skew全部计算出来，并保存到self.c_vix中，也同时返回此表。
参数：无
返回值：DataFrame，index为日期，columns=["C-VIX","C-SKEW"]
3.3 使用实例
数据就不提供了，想要进一步交流的小伙伴欢迎私信~
from datetime import datetime
import numpy as np
import pandas as pd
import os
import CVIX#自编CVIX
from CVIX import CVIX
# ######################数据读取/参数设置############################################
option_type = "沪深交易所_50_options"#修改这里以获得不同的期权标的vix
#可选：
#沪深交易所_300_options
#沪深交易所_创业板指_options
#中金所_300_options
trade_days = list(pd.to_datetime(pd.read_excel("./tradeday.xlsx")["DateTime"]))#交易日列表
option_data = pd.read_excel("./"+option_type+".xlsx")#期权数据
shibor = pd.read_excel("./shibor_interst.xlsx")#shibor数据
option_data["trade_date"] = pd.to_datetime(option_data["trade_date"])#将日期列转为datetime
option_data["last_edate"] = pd.to_datetime(option_data["last_edate"])#将日期列转为datetime
shibor["date"] = pd.to_datetime(shibor["date"])#将日期列转为datetime
start_date,end_date = "2020-01-01","2022-09-22"#起始日,终止日,修改这里以获得不同时间区间的vix
########################计算vix#####################################################
cvix = CVIX(start_date,end_date)#实例化一个CVIX对象
cvix.load_data(trade_days=trade_days,option_data=option_data,shibor=shibor)#将数据传入实例
cvix_df = cvix.vix_skew()#运算得到vix和skew数据
#保存数据
save_dir = "./vixdata/"
if os.path.exists(save_dir):
cvix_df.to_excel(save_dir+str(start_date)+"to"+str(end_date)+option_type+"_CVIX.xlsx")
else:
os.mkdir(save_dir)
cvix_df.to_excel(save_dir+str(start_date)+"to"+str(end_date)+option_type+"_CVIX.xlsx")输出概览：
| C-VIX | C-SKEW | |
| 2020-01-02 00:00:00 | 15.7316 | 102.8924 |
| 2020-01-03 00:00:00 | 15.52662 | 99.51645 |
| 2020-01-06 00:00:00 | 16.14925 | 101.9488 |
| 2020-01-07 00:00:00 | 16.4536 | 100.6074 |
| 2020-01-08 00:00:00 | 16.284 | 100.843 |
| 2020-01-09 00:00:00 | 15.91538 | 102.3336 |
| 2020-01-10 00:00:00 | 15.55822 | 101.9634 |
| 2020-01-13 00:00:00 | 15.26987 | 102.5067 |
| 2020-01-14 00:00:00 | 15.01378 | 107.681 |
| 2020-01-15 00:00:00 | 14.94262 | 107.9715 |
| 2020-01-16 00:00:00 | 14.2497 | 113.3097 |
| 2020-01-17 00:00:00 | 13.86249 | 111.703 |
| 2020-01-20 00:00:00 | 13.70987 | 109.3929 |
| 2020-01-21 00:00:00 | 15.3784 | 95.1505 |
| 2020-01-22 00:00:00 | 14.4472 | 94.99732 |
| 2020-01-23 00:00:00 | 16.53679 | 98.43133 |
| ...... | ...... | ...... |
画图看一下：
cvix_df["C-VIX"].plot(color = "black",figsize = (20,12),marker = "",linestyle = "-",linewidth=2.8)
cvix_df["C-SKEW"].plot(color = "black",figsize = (20,12),marker = "",linestyle = "-",linewidth=2.8)VIX:
SKEW: