📖基础认知层
所有期权量化模型的共同起点:合约、价格与风险暴露。
①合约与交易对象
- 认购期权与认沽期权
- 欧式、美式与百慕大式行权
- 实值、平值与虚值
- 期货期权、ETF 期权与指数期权
- 现金交割与实物交割
②价格构成
- 内在价值与时间价值
- 隐含波动率 IV
- 利率与股息影响
- 期权费与保证金
③核心风险指标
DeltaGammaVegaThetaRhoVannaVolga
先分清风险来自方向、波动率、时间还是高阶非线性,再选择单腿、组合或动态对冲。
🗄️数据与市场微观结构
期权回测的成败,很大程度取决于数据口径与交易成本建模。
①基础数据
- 历史行情与 Tick 数据
- 隐含波动率曲面
- 成交量与持仓量
- 到期结构与行权价结构
- 标的行情与资金流
②数据质量
- 复权与合约换月
- 到期日与行权规则对齐
- 涨跌停、停牌处理
- 异常报价与插值修复
③交易成本
- 佣金与交易所费用
- 买卖价差 Bid-Ask
- 冲击成本
- 保证金占用成本
- 行权交割与跟踪误差
💡
期权回测应至少区分"可成交价格"和"理论价格";只使用收盘价或中间价,容易系统性高估策略表现。
🧮定价与波动率建模
定价模型不是"预测神器",而是统一风险度量、套利判断与对冲计算的语言。
①经典定价
- Black–Scholes–Merton (BSM)
- 二叉树与三项式模型
- 有限差分法 (PDE)
- 蒙特卡洛模拟
- Heston 随机波动率模型
- SVI / SABR 波动率曲面模型
②波动率预测
- 已实现波动率 (RV / Realized Vol)
- GARCH 族模型
- 隐含波动率均值回归
- 高频波动率估计 (Realized Kernel)
- 机器学习的波动率预测
③模型校准
- 平价关系约束 Put-Call Parity
- 无套利边界约束
- 曲面平滑与插值
- 参数稳定性检验
- 极端行情再校准
🎯方向性策略
对方向有观点时使用,但仍需同时管理波动率与到期结构。
①单腿策略
- 买入认购 Long Call
- 买入认沽 Long Put
- 卖出认购 Short Call
- 卖出认沽 Short Put
②垂直价差 Vertical Spread
- 牛市认购价差 Bull Call Spread
- 熊市认购价差 Bear Call Spread
- 牛市认沽价差 Bull Put Spread
- 熊市认沽价差 Bear Put Spread
③其他方向组合
- 比例价差与反向价差 Ratio / Back
- 蝶式 Butterfly
- 鹰式 Condor / Iron Condor
- 日历价差的方向增强
④量化方法
- Delta 目标仓
- 趋势信号择时
- 波动率条件过滤
- 多到期日滚动组合
- 盈亏比与胜率优化
〰️波动率策略
不押方向,而是交易实际波动率(RV)与隐含波动率(IV)之间的差异。
①方向中性波动率交易
- 跨式组合 Straddle
- 宽跨式组合 Strangle
- Straddle / Strangle 选择
- 波动率均值回归
- 波动率突破交易
②波动率曲面相对价值
- 期限结构交易 Term Structure
- 波动率偏度交易 Skew
- 看涨认沽 IV 差 (Put IV − Call IV)
- 相同 Delta 不同期限套利
- 曲面形态变化交易
③关键事件交易
- 财报事件 Earnings
- 宏观数据发布 CPI / NFP
- 政策与会议窗口 FOMC / OPEC
- 到期周与月末效应
- 事件前后的 IV 衰减
🛡️对冲与保险策略
期权最常见的组合应用:在成本、保护力度与上行收益之间取舍。
①静态对冲
- Delta 对冲
- Delta-Gamma 对冲
- Delta-Vega 对冲
- 跨资产对冲 Cross-Asset Hedge
②动态对冲
- 固定频率再平衡
- 阈值触发再平衡
- 最小交易成本再平衡
- 基于 ML 的再平衡
- 强化学习深度对冲 (Deep Hedging)
③组合保险
- 保护性认沽 Protective Put
- 领口策略 Collar
- 备兑开仓 Covered Call
- 零成本或低成本保险
- 多标的组合保险
⚖️套利与相对价值
对执行速度、数据质量、交易成本与系统稳定性的要求通常最高。
①无风险套利
- 转换套利 Conversion
- 反转套利 Reversal
- 盒式价差套利 Box Spread
- 跨期套利 Calendar Arbitrage
- 平价关系套利 Parity
②统计套利
- 隐含与实际波动率差 (IV − RV)
- 相关资产期权价差
- ETF 与成分股期权关系
- 期限价差均值回归
- 偏度价差均值回归
③做市与流动性策略
- 做市报价 Market Making
- 存货风险控制 Inventory
- 逆向选择管理 Adverse Selection
- 价差动态调整
- 波动率报价模型
🧰多资产与组合层
从单个期权合约升级为跨市场、跨期限的风险组合配置。
①资产类别
- 股票与 ETF 期权
- 指数期权 Index Options
- 商品期权 Commodity
- 利率与外汇期权 IR / FX
- 加密货币期权 Crypto
②组合构建
- 波动率风险溢价组合 VRP
- 多策略风险平价 Risk Parity
- 因子化期权组合
- 全球宏观期权配置
- 尾部风险对冲组合
③资产配置视角
- 收益增强 Yield Enhancement
- 下行保护 Downside Protection
- 事件风险分散
- 跨市场波动率分散
- 尾部相关性管理
🧠量化建模与机器学习
机器学习应优先用于预测困难但可验证的变量,而非直接替代风险与定价框架。
①特征工程
- 期权链特征
- 波动率曲面特征
- 微观结构特征
- 宏观与事件特征
- 文本与市场情绪
②监督学习
- 涨跌分类
- 隐含波动率预测
- 波动率溢价识别
- 成交概率预测
- 最优行权价选择
③无监督学习
- 波动率状态聚类
- 市场状态识别
- 异常波动检测
- 组合风险聚类
④深度学习
- 波动率曲面卷积网络
- 时序模型预测 LSTM / TCN
- Transformer 状态识别
- 多模态新闻与行情模型
⑤强化学习
- 动态对冲 Deep Hedging
- 最优执行 Optimal Execution
- 报价与做市
- 组合再平衡
- 风险控制与止损
🚀回测与执行系统
期权回测不能只模拟价格,还要模拟报价、成交、希腊值变化和保证金。
①回测框架
- 事件驱动回测
- 向量化回测
- 逐笔与分钟回测
- 多资产同步回测
- 参数稳定性检验
②订单执行
- 限价单与市价单
- 冰山订单 Iceberg
- TWAP / VWAP
- 参与率执行 POV
- 冲击最小化
③系统架构
- 数据层
- 定价与信号层
- 组合优化层
- 风控层
- 订单执行层
- 监控与归因层
🛡️风险管理体系
期权的非线性使尾部风险比普通股票组合更难凭直觉判断。
①市场风险
- Delta 暴露
- Gamma 暴露
- Vega 暴露
- 尾部跳跃风险 Jump Risk
②流动性风险
- 买卖价差
- 成交深度
- 临近到期流动性
- 极端行情价差扩大
③模型风险
- 定价模型错配
- 波动率曲面失准
- 历史样本偏差
- 参数过拟合
④操作风险
- 下单错误
- 保证金不足
- 行权与交割遗漏
- 系统故障
⑤风险控制工具
- 希腊值限额
- 情景压力测试
- 极端损失约束
- 最大回撤控制
- 保证金与流动性缓冲
- 熔断与人工接管
📊策略评价与组合管理
评价不能只看收益率,必须拆分方向、波动率、时间与执行贡献。
| 评价维度 | 关键指标 | 期权策略中的意义 |
|---|---|---|
| 收益 | 年化收益率、超额收益 | 判断策略是否创造净价值 |
| 风险调整 | 夏普、索提诺、卡玛比率 | 衡量单位风险收益与回撤代价 |
| 风险 | 波动率、最大回撤、VaR、CVaR | 识别尾部与极端市场损失 |
| 期权专用 | 隐含/实际波动率盈亏、时间价值盈亏 | 判断收益究竟来自方向还是波动率 |
| 组合 | 相关性、容量、衰减、资金曲线 | 判断策略能否规模化与持续有效 |
🌳策略选择决策树
先明确观点类型,再选择期权表达,避免用复杂结构掩盖模糊观点。
A
▶观点:方向明确
▾🔥高波动率垂直价差或价差组合,限制权利金成本
❄低波动率单腿期权,保留较高杠杆
⚡强方向+保护领口或保护性认沽
B
▶观点:预期波动放大
▾●基础表达跨式或宽跨式多头
✂降低成本双蝶式组合
◎方向偏好虚值期权组合
C
▶观点:预期波动收敛
▾●基础表达跨式或宽跨式空头
📅结构表达日历价差
📈曲面表达期限结构组合
D
▶观点:对冲尾部风险
▾🔒强保护保护性认沽
⚖平衡成本领口 Collar
↻动态调整动态期权对冲
E
▶观点:收益增强
▾📦持有现货备兑开仓 Covered Call
⏳等待建仓卖出虚值认沽
💰信用结构价差信用策略
🗺️研究与落地路线
从数据、定价到实盘,应分阶段验证,而不是一开始就追求复杂模型。
阶段一
01
研究基础
建立数据与定价基础;拆分方向、波动率与对冲;单策略小样本验证;多市场稳健性检验
阶段二
02
试点验证
小资金纸面交易;实盘滑点与延迟测试;极端行情演练
阶段三
03
规模化
多策略组合;自动风控与熔断;容量与资金曲线管理;持续再校准与迭代