机器学习获取波动风险溢价｜J.P.摩根2018波动率扩散策略报告

报告摘要

本报告由J.P.摩根全球量化与衍生品策略团队发布，提出基于动态线性模型（DLM）和卡尔曼滤波算法的机器学习方法，系统性地捕获波动率风险溢价。报告将VIX/VSTOXX期货收益分解为波动率变化和展期成本两部分，利用DLM建模并预测PnL，进而生成交易信号调整多空头寸。核心策略包括波动率价差策略（对冲股票下行风险）和VIX/VNKY策略（对冲日经指数波动）。适合量化研究员、衍生品交易员、对冲基金经理及金融科技从业者，提供可落地的机器学习波动率交易框架。

📋 核心要点(部分)

1. 波动率价差策略
2. 机器学习方法
3. 动态线性模型
4. 卡尔曼滤波算法
5. VIX/VSTOXX收益分解
6. VIX/VNKY策略