EWMA 里的 lambda 越大,到底是更重视新数据还是旧数据?我每次都会反过来。
若写成 sigma_t² = lambda sigma_(t-1)² + (1-lambda) r_(t-1)²,lambda 越大,上一期方差的权重越高,新收益平方的权重 1-lambda 越低,因此模型记忆更长、对新冲击反应更慢。
不要单独背 lambda,直接看它乘的是谁。lambda 乘旧方差,所以越接近 1 越“念旧”;1-lambda 乘最新冲击,所以越大越敏感。冲击对更早收益的权重按几何速度衰减。lambda 高时波动率曲线更平滑,但在市场突变时也可能调整过慢。
那 lambda 很大是不是一定更好,因为估计更稳定?
