第 1~3 章：度量波动率——一门比想象中深的手艺
这三章是全书地基：期权定价模型是”对冲思想实验”而非真理（第 1 章），波动率只能估计、估计量的选择大有讲究（第 2 章），估计之前先知道波动率长什么样（第 3 章）。
第 1 章：BSM 是路线图，不是圣经
Sinclair 讲 Black-Scholes-Merton 的方式与教科书相反：不从公式出发，而从对冲论证出发——持有期权、按 delta 反向持有标的，方向风险被对冲掉之后，剩下的损益就只取决于”隐含波动率 vs 实现波动率”。这个思想实验告诉你期权的钱从哪来，公式本身反而次要。
模型假设（连续对冲、无交易成本、波动率恒定、收益正态）没有一条在现实成立，但作者的态度很职业：模型是把复杂问题降维的工具，用它组织思考，同时清楚每条假设坏掉时钱从哪漏。后面第 6、7 章就是逐条修补这些假设。这与《宽客人生》（Derman）“模型是隐喻”的立场同源。
第 2 章：波动率估计量——对股票研究者也值钱的一章
波动率不可观测，只能从价格序列估计。不同估计量用的信息不同，效率（同样数据量下估计方差的大小）差别巨大：
| 估计量 | 用到的价格 | 相对效率 | 弱点 |
|---|---|---|---|
| Close-to-Close（经典） | 收盘价 | 1 | 丢掉全部日内信息，收敛慢 |
| Parkinson（1980） | 高、低 | 约 5 倍 | 假设无漂移、忽略跳空，系统性低估 |
| Garman-Klass（1980） | 高、低、开、收 | 约 7 倍 | 同样不处理隔夜跳空 |
| Rogers-Satchell（1991） | 高、低、开、收 | 类似 GK | 允许漂移，但仍无隔夜项 |
| Yang-Zhang（2000） | 高、低、开、收 + 隔夜 | 最高（约 14 倍） | 需要多参数，样本太短时不稳 |
核心结论：用 30 天收盘价算出的波动率，其估计精度大约只相当于 Yang-Zhang 用几天数据的水平。效率高意味着可以用更短窗口跟上波动率的变化，而不是被迫在”窗口长（滞后）“与”窗口短（噪声）“之间二选一。此外还有波动率锥（volatility cone）：把不同期限的历史波动率分布画成锥形，判断当前值处于历史什么分位。
对本平台的直接含义：内置低波动因子 volatility_20 / volatility_60 用的正是表中效率最低的 close-to-close 估计（ret.rolling(20).std()）。而 stock_daily 表本来就有高开低收四个价格——照量化学堂案例三的做法注册一个 Parkinson 或 Yang-Zhang 版低波动因子，再与原版在因子对比页同台检验，是本书能给纯股票研究者的最实惠升级。
第 3 章：典型事实——先认识猎物再开枪
预测之前，先知道波动率的”生态习性”（stylized facts）：
- 波动率聚集：大波动跟着大波动，小波动跟着小波动——这是一切波动率预测的根基；
- 均值回归：高波动状态终会回落，低波动终会抬升，但回归时点极难测；
- 杠杆效应：下跌推高波动率，上涨压低波动率，负相关显著（A 股同样成立）；
- 收益厚尾：正态分布严重低估极端日的频率——用正态思维卖尾部，就是在给理赔日攒单；
- 成交量与波动率同涨同落，波动率自身的分布近似对数正态。
这些事实决定了后面所有章节的技术选择：因为聚集与均值回归，简单模型就能预测波动率的”大部分”；因为厚尾与杠杆效应，卖波动率的人永远要对左尾保持敬畏。
本页带走的三句话
- BSM 的价值在对冲论证：对冲掉方向后，期权损益 = 隐含与实现波动率之差；
- 估计量选择就是免费的精度：Yang-Zhang 对 close-to-close 的效率优势可达十倍以上；
- 波动率会聚集、会回归、伴随下跌而升——预测它可行，但厚尾决定了下注必须留余量。