【波动率交易系列之一】基于期权复制策略的波动率套利策略

基于期权复制策略的波动率套利策略小明说期权

小明说在前面的话
波动率交易（Volatility Traidng）是一种通过期权构造的交易策略，其收益不依赖于标的资产的价格变动方向，而依赖于价格波动情况。兴业定量研究陆续开发了一系列波动率交易策略：Gamma Scalping、Skew Trading等，我们也将逐一进行介绍。
1. Gamma Scalping原理2. Gamma Scalping具体操作3. 策略市场表现回顾、风险与改进
1Gamma Scalping原理Gamma Scalping是一种常见的波动率交易策略，其基本的交易思路是：当预测的现货波动率高于期权的隐含波动率时，我们可以购买期权（买入便宜的），并在标的市场交易现货进行相应的对冲保持Delta中性；或者当预测的波动率低于期权的隐含波动率时，我们可以卖出相应期权（卖出贵的），并交易现货进行相应的对冲保持Delta中性。
从海外市场来看，我们观察到成熟市场中期权（特别是指数期权）的隐含波动率是略高于其标的历史波动率的，主要原因是投资者的避险需求提高了期权合约价格而带来的波动率风险溢价。从国内市场来看，隐含波动率高于实际波动率的现象也是经常出现。

理论上如果忽略交易成本，若看涨期权的隐含波动率高于实际波动率，则可以卖出看涨期权，然后复制同一个行权价及到期日的看涨期权，到了到期日时我们即可获得期望为当前价格与期权理论价格之差，可见预期收益取决与实际波动率与隐含波动率的差。
2Gamma Scalping具体操作从前面原理介绍得知，Gamma Scalping的核心操作分两个步骤：
1. 未来波动率预测
2. 对看涨期权进行复制

波动率预测由于预期收益取决与实际波动率与隐含波动率的差，从而实际波动率的预测便尤为重要。常见的波动率预测模型提供的都是对未来波动率值的点估计，为了针对未来区间进行波动率预测，我们引入波动率锥的概念，其优点在于能够对未来一段时间内的波动率分布有一定的把握。

波动率锥的构建方法是，按照不同交易日为周期窗口滚动计算窗口内的现货收益率标准差，从而对于每个交易日均可以获得一组标准差向量，分别取每个向量的不同分位数（如10%，90%）即形成了波动率锥。
期权复制有了波动率锥，便可以对未来波动率进行预测，且给了隐含波动率高于预测波动率的程度一把标尺。若看涨期权的隐含波动率大于波动率锥中对应期限的85%分位数，则可以进行开仓交易，即卖出看涨期权，同时买入现货进行对冲，并调整现货头寸进行对冲到期获利。
3策略市场表现回顾我们侦测vix.shtml" target="_blank" class="relatedlink">50ETF期权市场3月合约从2015.2至2015.12市场的波动率交易机会，当期权隐含波动率高于波动率锥中20个交易日85%分位数时进行开仓，假设现货交易手续费为5%%，无风险收益为4%，且所有头寸持有到期进行平仓。
从策略跟踪结果看，3月至12月211个交易日当中共进行了767笔交易，交易胜率达到了87%，每笔平均收益率为1.3%，平均持仓天数为10天，平均年化收益为36%。

另外可以发现，在市场高波动期间隐含波动率更容易出现高估，此时波动率交易策略容易获得更多的开仓机会。
4策略的风险与对策Delta风险：Delta 为投资组合相对现货价格的导数，策略实施过程中我们进行实时对冲，目的是维持组合的Delta中性（Delta为0），但由于我们策略无法做到完全实时对冲，从而组合便会存在Delta暴露。在实际操作中我们可以通过增大对冲频率或者利用我们之前报告（《期权波动率交易之一：期权复制策略及其影响因素分析》）提到过的基于效用的W-W模型进行对冲，均可以提到对冲效率，降低风险暴露；
Gamma风险：Gamma为组合Delta对现货价格的导数，衡量的是Delta对现货价格的敏感度。当临近到期日时并且标的资产价格在执行价格附近时，Gamma值会急速变大，此时进行delta复制的风险加大，此时我们可以进行Delta-Gamma对冲，即将组合对冲成Gamma中性。

兴业小明说期权系列基金经理期权投资秘籍（上）基金经理期权投资秘籍（下）
Covered Call策略完全指南之一：初识Covered CallCovered Call策略完全指南之二：策略指数Covered Call策略完全指南之三：基金产品中的应用

期权波动率交易之一：基于期权复制策略的波动率套利策略
期权波动率交易之二：波动率倾斜中的交易机会
......

未完待续，欢迎关注收藏！

详情请参阅相关研究报告，或联系兴业证券金融工程研究团队。--------------------------------------联系人：于明明电话：18616021459,021-20370619微信：skytaro8260
E-mail: yumingming@xyzq.com.cn--------------------------------------更多量化最新资讯和研究成果，欢迎关注我们的微信公众平台（微信号：XYZQ-QUANT）！