This research seeks to determine whether the cross-country differences in return and volatility metrics in various country equity indices can be explained by differences in economic development. We base the study on the MSCI IMI net income indices on two samples: a 51-country sample from the period 31 May 2002 to 28 February 2022, and a 75-country sample from the period 30 November 2010 to 28 February 2022. In this study, countries are grouped into four categories: frontier, emerging, early-developed, and developed, based on gross domestic product (GDP) per capita. The Kruskal–Wallis rank sum test is used to find cross-group differences, and the results are further analyzed with the pairwise Wilcoxon rank sum test with the Holm–Bonferroni p value adjustment method. The results are relatively unintuitive and show that there is no significant cross-group difference in daily and monthly returns. There is evidence of a considerable difference in volatility metrics, especially in the case of the emerging market group, which is significantly different from the three other groups. The results are slightly sensitive to time period change and very sensitive to changes in income categories of some countries.
The paper presents an overview of the literature on volatility measurment, modeling and forecasting, from the perspective of option pricing. The following conclusion are drawn. First, efficiency volatility estimation utilizes intraday data and measurmes such as realized volatility (i.e. sum of squared returns calculated over short, e. g 5-minute, time intervals) or realized range. Second, volatility lends itself- at least to some extent- to forecasting, where by the most efficient forecasts are those extracted from option prices quoted on the marked, which squares with the basic theory of forecasting as market expectations are based on broader set of information than backward-looking time series forecasts. Third, althought Black-Scholes opinion pricing theory was derived under the assumption of constant volatility, the approach can be fairly easily generalised to cover cases of time demendent, time and asset price dependent, and even stochastic volatility. Each of those models allows to capture some key element of the empirically observed pattern of market returns and each allows constructing a hedged option position that leads to a differential equation determining the option price (under specified boundry conditions), although not always in closed form.
Niniejsze opracowanie podejmuje próbę wykorzystania informacji zawartych w strukturze terminowej zmienności do prognozowania przyszłych wartości indeksu VIX. W badaniu wykorzystano dzienne notowania indeksu VIX oraz kontraktów terminowych na ten indeks. Wyniki wskazują z jednej strony na istotną statystycznie ujemną zależność między opóźnieniem nachylenia struktury zmienności a bieżącą wartością indeksu VIX. Z drugiej zaś strony wykorzystanie struktury terminowej kontraktów terminowych na indeks VIX nie przekłada się na istotnie niższe błędy prognoz przyszłych wartości indeksu VIX.
W artykule przedstawiamy prostą parametryzację powierzchni zmienności w opcjach, których instrumentem bazowym jest zmienność implikowana z opcji na S&P 500 wyrażona indeksem VIX. W szczególności pokazujemy, że: (i) zmienność implikowana opcji ATM na VIX jest silnie skorelowana z uśmiechem zmienności opcji na S&P 500; (ii) zmienność implikowana ATM opcji na VIX zmniejsza się wykładniczo wraz z terminem wygaśnięcia opcji; (iii) uśmiech zmienności opcji na VIX daje się dobrze opisać za pomocą popularnego modelu zmienności stochastycznej SABR. Wykorzystując proste reguły kciuka opisane w pkt. (i)-(iii) można podać cenę (zmienność implikowaną) opcji na VIX o dowolnym terminie i cenie wykonania, otrzymując wartość zbliżoną do rynkowej.
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.