변동성 콘 해설: 현재 IV를 과거 분포와 비교하는 법
여러 기간의 롤링 실현변동성 분포로 변동성 콘을 만드는 방법과 현재 내재변동성을 비교할 때 생기는 해석 오류를 알아봅니다
Mark 작성 · 하단에 공식 출처 표기
한눈에 답하기
변동성 콘은 여러 롤링 기간에서 계산한 연환산 실현변동성의 과거 분포를 분위수 범위로 그린 도표입니다. 현재 IV가 그 표본에서 이례적인지 보여주지만, 옵션의 절대적 고평가나 저평가를 혼자 증명하지는 못합니다
콘은 평균 하나가 아니라 분포입니다
10일, 20일, 60일, 120일처럼 기간을 정하고 각 과거 날짜에서 동일한 규칙으로 해당 구간의 실현변동성을 계산합니다
각 기간의 중앙값과 10·25·75·90 분위수 등을 구한 뒤 같은 분위수를 기간별로 연결하면 콘 모양이 만들어집니다
이 도표는 “이 표본에서 이 기간의 변동성이 주로 어디에 있었나”에 답합니다. 다음 변동성이 반드시 어디로 갈지는 말하지 않습니다
계산 규칙이 모양을 결정합니다
기초자산, 수정주가, 수익률 정의, 평균 처리, 연환산 계수, 과거 또는 미래 방향의 창, 표본 기간과 결측치 규칙을 먼저 고정합니다
겹치는 롤링 창은 대부분의 수익률을 공유합니다. 매일 만든 20일 관측치가 많아도 독립적인 20일 사건이 그만큼 많다는 뜻은 아닙니다
종가 수익률은 장중 경로를 놓칩니다. 고가·저가나 장중 자료로 만든 콘은 다른 질문에 답합니다
IV와 같은 기간을 맞춥니다
30일 옵션 지표는 콘의 30일 부근과 비교해야 합니다. 5일 실현변동성과 바로 비교하면 기간 차이가 신호처럼 보일 수 있습니다
달력일 IV와 거래일 실현변동성은 주말을 다르게 배분합니다. 특정 이벤트가 한 만기에만 들어가면 이웃 만기도 직접 비교하기 어렵습니다
행사가 범위도 맞춰야 합니다. 등가격 IV를 외가격 IV나 여러 행사가를 합친 분산 지표와 조용히 섞어서는 안 됩니다
높은 분위수가 비싸다는 증거는 아닙니다
IV는 미래의 위험중립 분포를 가격화하며 볼록성과 꼬리보험 보상을 포함할 수 있습니다. 콘은 정한 추정법으로 본 과거의 현실 분포입니다
IV가 과거 90 분위수 위여도 표본을 넘어서는 위기가 올 수 있습니다. 반대로 실현 움직임 없이 IV가 하락할 수도 있습니다. 분위수만으로 기대수익은 나오지 않습니다
거래비용, 스큐, 캐리, 점프, 헤지, 경로의존성과 변동성 위험 프리미엄이 실제 전략 손익을 결정합니다
국면과 표본 선택이 크게 작용합니다
평온한 10년만 넣으면 평범한 불안도 극단처럼 보입니다. 한 번의 위기가 표본을 지배하면 시장 구조가 바뀐 뒤에도 상단이 넓게 남습니다
최근·장기 표본과 하위 기간을 함께 보고 꼬리 관측일을 확인합니다. 기업행사, 오래된 가격, 가격제한과 상품 변경은 거짓 극단값을 만들 수 있습니다
성과를 보고할 표본에서 기간과 분위수 기준까지 최적화하면 콘은 과적합 신호가 됩니다
수준뿐 아니라 변화를 읽습니다
IV 기간구조 전체가 콘 위로 올라가는지, 한 만기만 튀는지 구분합니다. 국소 돌출은 이벤트일 수 있고 평행 상승은 더 넓은 국면 전환일 수 있습니다
진입 시 분위수와 이후 같은 기간의 실현변동성을 기록해야 설명용 화면을 검증 가능한 규칙으로 바꿀 수 있습니다
결정표로 사용합니다
IV 지표, 행사가 범위, 만기, 실현변동성 추정법, 표본, 분위수, 이벤트, 비용과 평가할 포지션을 한 표에 적습니다
콘 상단을 넘는 움직임, IV 급락, 변화 없음까지 압박합니다. 좋은 콘은 조사할 질문을 좁히지만 시나리오 분석을 대신하지 않습니다
자주 묻는 질문
변동성 콘은 어떻게 만드나요?
여러 기간의 롤링 실현변동성을 계산하고 기간별 과거 분포를 모은 뒤 중앙값과 10·90 분위수 같은 동일한 선을 연결합니다
IV와 같은 DTE의 콘을 비교해야 하나요?
가능한 한 맞춰야 합니다. 기간, 시간 기준, 행사가와 이벤트 노출이 다르면 정밀해 보이지만 서로 다른 위험을 비교하게 됩니다
IV가 콘 상단이면 옵션을 매도해야 하나요?
아닙니다. 꼬리위험, 이벤트, 새 국면이나 위험 프리미엄일 수 있습니다. 손익 구조와 비용, 스큐, 불리한 시나리오를 따로 봐야 합니다
단기 콘은 왜 더 넓어 보이나요?
짧은 표본은 한 번의 점프와 조용한 구간에 민감합니다. 긴 창은 여러 사건을 평균하지만 중첩과 국면 지속성 때문에 단순한 독립 표본은 아닙니다