|
บทคัดย่อ (THAI):
|
การค้นคว้าแบบอิสระฉบับนี้ในส่วนแรกเป็นการศึกษาการประมาณค่าผันผวนแฝงของออปชั่นดัชนี SET50 และนำค่าประมาณที่ได้ไปทำการทดสอบคุณลักษณะในการเป็นค่าประมาณของความเสี่ยงในการลงทุน โดยทำการศึกษาข้อมูลการซื้อขายของออปชั่นดัชนี SET50 ระหว่างวันที่ 29 ตุลาคม พ.ศ. 2550 - 12 กุมภาพันธ์ พ.ศ. 2559 รวม 2,026 วันทำการ
ผลการศึกษาพบว่าวิธีประมาณค่าความผันผวนแฝงที่ดีที่สุดคือวิธีการคำนวณกลับจากสูตรราคาออปชั่นแบบยุโรปของ Black-Scholes ภายใต้แบบจำลอง Black-Scholes-Merton ซึ่งมีสมมติฐานว่าสินทรัพย์อ้างอิงไม่มีการจ่ายเงินปันผลและใช้อัตราผลตอบแทนพันธบัตรรัฐบาล อายุ 1 ปี เป็นอัตราผลตอบแทนไร้ความเสี่ยงในการคำนวณ
เมื่อนำค่าประมาณความผันผวนแฝงไปทำการทดสอบ พบว่าความผันผวนแฝงของ Call Option และ Put Option มีการเคลื่อนไหวในทิศทางเดียวกัน ตามนิยาม Put-Call-Parity โดยค่าความผันผวนแฝงของ Put Option จะมีค่าสูงกว่าของ Call Option อยู่เล็กน้อย ผลการศึกษายังแสดงให้เห็นว่าความผันผวนแฝงมีแนวโน้มที่จะเพิ่มขึ้นเมื่ออายุสัญญาออปชั่นใกล้หมดอายุและในสัญญาออปชั่นที่มีราคาใช้สิทธิ์ห่างจากราคาปัจจุบันของสินทรัพย์อ้างอิงจะมีค่าเฉลี่ยความผันผวนแฝงสูงกว่าสัญญาที่มีราคาใช้สิทธิ์ใกล้กับราคาปัจจุบันของสินทรัพย์อ้างอิง นอกจากนั้นแล้วความผันผวนแฝงของออปชั่นดัชนี SET50 ยังมีความสัมพันธ์ทางลบอย่างสูงกับสินทรัพย์อ้างอิง ผลการทดสอบทั้งหมดแสดงให้เห็นว่าความผันผวนแฝงของออปชั่นดัชนี SET50 มีลักษณะสอดคล้องกับทฤษฎี สามารถใช้เป็นค่าประมาณของระดับความเสี่ยงของการลงทุนได้เป็นอย่างดี
การศึกษาในส่วนที่สองเป็นการศึกษาวิธีการพยากรณ์ความผันผวนแฝงของออปชั่นดัชนี SET50 โดยทำการพยากรณ์ข้อมูลอนุกรมเวลาของความผันผวนแฝงรายวันของออปชั่นดัชนี SET50 ที่มี Moneyness แบบ At-The-Money ผลการศึกษาพบว่าความผันผวนแฝงรายวันมีลักษณะของข้อมูลความจำระยะยาว มีการกระจายของข้อมูลแบบ Log-normal แบบจำลองที่เหมาะสมคือ log-ARFIMA เมื่อนำโครงสร้างความผันผวนจากการศึกษาในส่วนแรกมาใช้ร่วมกับแบบจำลองอนุกรมเวลาพบว่า สามารถใช้พยากรณ์ความผันผวนแฝงของสัญญาออปชั่นที่มีสภาพคล่องของการซื้อขายสูงและมีอายุสัญญาคงเหลือพอสมควร ซึ่งออปชั่นในกลุ่มนี้มีปริมาณการซื้อขายประมาณร้อยละ 58.85
ในการศึกษาวิธีการพยากรณ์ความผันผวนแฝงรายสัปดาห์ของออปชั่นดัชนี SET50 ได้ทำการศึกษาข้อมูลอนุกรมเวลาความผันผวนแฝงจำนวน 433 สัปดาห์ ผลการศึกษาพบว่าข้อมูลอนุกรมเวลาของความผันผวนแฝงรายสัปดาห์เป็นข้อมูลที่มีลักษณะนิ่ง มีการกระจายของข้อมูลแบบปกติ แบบจำลองที่เหมาะสมในการพยากรณ์เป็นแบบจำลองความแปรปรวนแบบมีเงื่อนไขแบบ ARIMA-GARCH
สำหรับการทดสอบการเป็นค่าคาดการณ์ของความผันผวนในอนาคตของสินทรัพย์อ้างอิง พบว่าค่าพยากรณ์ความผันผวนแฝงของออปชั่นดัชนี SET50 จากแบบจำลองความจำระยะยาว log-ARFIMA สามารถพยากรณ์ความผันผวนย้อนหลัง 30 - 90 วัน ของสินทรัพย์อ้างอิงได้ดี เมื่อทำการปรับค่าพยากรณ์ด้วยแบบจำลอง Scale-truncated ARFIMA พบว่าสามารถพยากรณ์ความผันผวนย้อนหลัง 60 - 180 วัน ของผลตอบแทนของสินทรัพย์อ้างอิงได้ดี โดยค่าพยากรณ์ความผันผวนแฝงเคลื่อนที่นำความผันผวนของผลตอบแทนของสินทรัพย์อ้างอิงในลักษณะของการบอกเป็นนัยถึงการเคลื่อนไหวในอนาคต สอดคล้องกับลักษณะทางทฤษฎีของความผันผวนแฝง
คำสำคัญ : ความผันผวน, การประมาณค่า, การพยากรณ์, ออปชั่น, ดัชนีหลักทรัพย์
|
|
Abstract:
|
This independent study is divided in two parts; the first part of this study consists of estimating implied volatility of SET50 index options and analyzing the estimated implied volatility to investigate implied volatility’s risk measurement properties. The data for this part were daily market data of SET50 index options during 29 October 2007 - 12 February 2016 encompassing 2,026 observations.
The results showed the best implied volatility estimation method was obtained by solving Black-Scholes European options pricing formula under Black-Scholes-Merton financial market model with underlying assets paying no dividend assumption using 1 year government bond yield as the risk-free rate. When the estimated implied volatility of SET50 index call and put options were analyzed, the result suggested that implied volatility has all theoretical properties of risk measurement such as term structure of volatility which describe the phenomenon of rising implied volatility of an expiring option contracts, and showed the effect of volatility smile which describes rising implied volatility when underlying asset price moves away from exercise price written in option contracts. In addition, correlation coefficient shows the inverse time-series relation between implied volatility of SET50 index option and underlying asset price consistent with the Fischer Black effect which has been documented in a number of empirical studies. All evidence led to the conclusion that estimated implied volatility of SET50 index has all risk measurement properties and can be used as an effective risk measurement instrument.
The second part of the study consisted of forecasting implied volatility of SET50 index options and analyzing the forecasted implied volatility to investigate implied volatility’s estimation of future underlying asset volatility. The data used for forecasting daily implied volatility study were time-series of at-the-money option contracts’ implied volatility estimated from the first part of this study encompassing 2,026 observations. The unit root test showed that daily implied volatility has long-memory process with lognormal distribution, and the best fitted time-series model is long-memory model log-ARFIMA. The result of forecasting daily implied volatility using volatility patterns calculated from the first part of this study together with the time-series model showed that this method given effective forecasting implied volatility when used to forecast implied volatility of option contracts with enough trading liquidity and has some time to maturity left which represented 58.85% of all trading volume in the studied period.
For forecasting implied volatility in a longer timeframe study was to forecast weekly implied volatility of SET50 index option encompassing 433 observations. The unit root test showed that weekly implied volatility was a stationary data with normal distribution, the best fitted time-series model is autoregressive conditional heteroskedasticity model, ARIMA-GARCH.
The final part of this study was to investigate implied volatility’s estimation of future underlying asset volatility. The results show that forecasted implied volatility from long-memory model log-ARFIMA can be used to effectively estimate underlying asset realized volatility from past 30 - 90 day periods after using Scale-truncated ARFIMA model to adjust the data structure of ARFIMA model. Newly adjusted forecasted implied volatility can be used to effectively estimate underlying asset realized volatility from a further 60 - 180 days, and when investigated showed that implied volatility from both models has led to a relationship with realized volatility of underlying assets consistent with implied volatility’s characteristic which is an implication about underlying asset’s future volatility.
Keywords : Volatility, Estimation, Forecasting, Option, Stock Index
|