过去某物价格的波动是衡量过去无法预测现在的指标，否则价格会在很大程度上平稳变化，仅反映时间成本，因此在许多（但不是全部）情况下，它可以作为指标现在可能很难预测未来。

因此，它成为风险指标，并影响衍生品的价值：如果双方都认为未来价格可能会波动并且期权更有可能被行使，那么购买期权的成本往往会更高。

我认为主要原因是许多金融时间序列表现出高波动性，而标准的 ARIMA 模型不能很好地适应高波动性的数据。因此，解释这一点的特殊时间序列模型对于产生更好的预测很重要。

ARIMA 模型已经很好地建立起来，而时间序列模型（例如 GARCH 模型波动率）则更新且对扩展和理论发展更开放。这就是为什么这个话题会吸引学者的原因。

我不是经济学家，但我的猜测是：1）有几种基于期权/期货的技术可以从高波动性中获利，2）更高的波动性在某种意义上对应更大的风险，或者至少是投资者信心/紧张。

现代投资组合理论 (MPT) 和有效市场假设 (EMH) 共享重要假设。其中之一是假设所有投资者在任何时候都追求利润最大化、理性和规避风险。如果是这种情况，那么过量的 vol 和 vol 集群被认为违反了 EMH 的严格形式，因为这表明价格可能会偏离基本面。当然，在金融时间序列的所有粒度级别上都可以看到过多的 vol/vol 集群。

金融经济学家试图解释为什么存在超额交易量以及如何最好地将其纳入他们的模型中。虽然关于如何建模 vol 的想法不一定来自金融经济学家，但重要的想法，如 ARCH/GARCH，并随后被金融公司纳入其定价模型和交易策略。