不同市场预期下的期权交易策略

论坛 › 期权论坛 › 期权

 真格量化  2019-11-20 11:55  3421  0

不同市场预期下的期权交易策略

根据不同的市场预期，我们可以将期权交易中最基本的交易策略加以分类。根据多空方向和波动率变化方向的不同，可以将预期市场走势分成六类，包括快速上涨行情、温和上涨行情、快速下跌行情、温和下跌行情、中性市行情以及波动市行情。每一种市场走势下都有相应的期权基本交易策略可以使用。

（1）快速上涨行情可以买入虚值认购期权；

在快速上涨的牛市行情下，买入虚值认购期权（long OTM call）无疑是较好的策略，这发挥的是期权最基本的高杠杆功能。一般近月虚值认购期权的价格在标的资产价格的 5%以下，杠杆率最高可达 20 倍以上，相比于融资买入最高 2.8 倍的杠杆要高很多，并且不用承担融资的利息成本。

（2）温和上涨行情可以使用的基本交易策略包括备兑卖出认购期权、领式组合期权、卖出认沽期权、牛市价差以及牛市比率价差；

备兑卖出认购期权（covered call）是期权辅助标的资产交易最为常见的投资策略，投资者在持有标的资产的前提下，卖出该标的的认购期权，通过牺牲一部分的价格上升空间来获取一定的安全垫。如果是ETF期权，持有标的的情况下，未来还可以通过使用备兑开仓指令进一步减少准备金占用。

（3）快速下跌行情可以买入虚值认沽期权；

与快速上涨牛市行情类似，在快速下跌的熊市行情下，买入虚值认沽期权（longOTM put）是较好的策略，这同样发挥的是期权的高杠杆功能。融券卖出标的资产的杠杆最高仅有 2 倍，而买入虚值认沽期权的杠杆率最高可达 20 倍以上，且不用承担融券的利息成本。在合约的选择上，同样是近月合约为首选，行权价可根据自身预期进行选择。

（4）温和下跌行情可以使用的基本交易策略包括卖出认购期权、熊市价差以及熊市比率价差；

在看空后市的前提下，可以选择卖出虚值或平值认购期权（short OTM or ITMcall）来获取权利金收入。行权价选择的越高，期权被行权的概率越小，但收取的权利金收益也就越少。

（5）中性市行情可以选择卖空波动率的中性策略，包括卖出跨式套利组合、卖出鞍式套利组合、买入蝶式价差、买入铁秃鹰价差以及买入日历价差；

如果不明确未来的多空方向，但预期未来一段时间没有大幅影响标的价格变化的事件发生，标的波动率保持不变甚至下降，在这样的中性市里，宜采用卖出波动率策略。卖出期权会获得负的 vega 和正的theta ，这样可以从波动率下降和时间消耗中获利。中性市策略需要在收取的权利金足以覆盖标的价格波动的情况下才能取得盈利。

（6）波动市行情则可以选择与中性市行情中策略相反的买卖操作，做多波动率以博取波动率上升的收益。

如果不明确未来的多空方向，但预期未来一段时间会有大幅影响标的价格变化的事件发生，如上市公司密集公布年报、统计机构公布经济数据、贸易谈判结果公布等，市场的波动率可能大幅上升，在这样的波动市里，宜采用买入波动率策略。买入期权会获得正的 vega 和负的theta ，这样可以从波动率上升中获利，但要承受时间消耗的损失。波动市策略需要标的价格波动范围超过买入期权成本时才能取得盈利。

期权交易需要注意的其他问题

部分期权策略有着风险有限收益也有限的特征，如牛市价差、蝶式价差等，这些策略既可以作为单独的策略使用，也可以成为其他策略的后续策略。当然，投资者也可以根据自身的收益风险偏好，充分发挥想象力，通过改变使用的合约及其数量，构建出更为精妙的策略。然而随着策略复杂程度的增加，交易中会出现其他一些需要注意的问题，包括分步建仓、保证金管理、持仓管理等。

分步建仓

有些策略如蝶式价差、铁秃鹰价差涉及到了三个或三个以上的期权头寸，有些策略 covered call 会涉及到交易所的不同品种，此时便会用到分步建仓，即分多次交易完成各头寸的构建。虽然有些交易系统也提供组合交易的功能，但很可能出现无法及时成交或者即使成交成本会过高的问题，可以用真格量化等程序化交易工具进一步优化交易执行过程。分步建仓要遵循“先难后易”的原则，首先交易最难成交即流动性较差的合约，然后再交易较易成交即流动性较好的合约，这样可以以较小的成本完成建仓。策略越复杂，涉及的头寸越多，则建仓的成本也就越高，这也是选择期权策略时不可忽略的一方面。

保证金管理

由于卖空期权是保证金交易，因此包含期权空头头寸的策略便涉及到保证金管理的问题。与期货不同，期权的保证金是非线性的，这给投资者的保证金管理增加了难度。除了深度虚值的期权，其他期权的保证金变化是非常快的，因此卖空这些期权需要注意留出足够的保证金以防止出现资金不足。

持仓管理

当投资者使用的策略比较复杂，或者同时使用了多种基本策略，持有的期权头寸比较多时，这时候需要对整体的持仓进行管理。我们需要监测整体持仓的风险，这时可以再次使用到“希腊字母”，delta、gamma、vega 及 theta 这些希腊值在同一标的的不同合约之间可以线性相加，不同标的的合约之间则需要转换成delta 金额、gamma 金额、vega 金额及 theta 金额后再线性相加。通过这些希腊值指标，可以清晰地了解整体的风险暴露，协助我们对不想承受的风险进行对冲。

— — — — — — E N D — — — — — —

真格量化可访问：
https://quant.pobo.net.cn

真格量化微信公众号，长按关注：

遇到了技术问题？欢迎加入真格量化Python技术交流QQ群 726895887

往期文章：
Numpy处理tick级别数据技巧
真正赚钱的期权策略曲线是这样的
多品种历史波动率计算
如何实现全市场自动盯盘
AI是怎样看懂研报的
真格量化策略debug秘籍
真格量化对接实盘交易
常见高频交易策略简介

如何用撤单函数改进套利成交

Deque提高处理队列效率

策略编程选Python还是C++

如何用Python继承机制节约代码量

十大机器学习算法
如何调用策略附件数据

如何使用智能单

如何扫描全市场跨月价差

如何筛选策略最适合的品种

活用订单类型规避频繁撤单风险

真格量化回测撮合机制简介

如何调用外部数据

如何处理回测与实盘差别

如何利用趋势必然终结获利

常见量化策略介绍

期权交易“七宗罪”

波动率交易介绍

推高波动率的因素

波动率的预测之道

趋势交易面临挑战
如何构建知识图谱
机器学习就是现代统计学

AI技术在金融行业的应用

如何避免模型过拟合

低延迟交易介绍

架构设计中的编程范式

交易所视角下的套利指令撮合

距离概念与特征识别

气象风险与天气衍生品

设计量化策略的七个“大坑”

云计算在金融行业的应用

机器学习模型评估方法
真格量化制作期权HV-IV价差
另类数据介绍

TensorFlow中的Tensor是什么？

机器学习的经验之谈

用yfinance调用雅虎财经数据

容器技术如何改进交易系统
Python调用C++
如何选择数据库代理
统计套利揭秘

[h1]一个Call搅动市场？让我们温习一下波动率策略[/h1][h1]如何用真格量化设计持仓排名跟踪策略[/h1][h1]还不理解真格量化API设计？我们不妨参考一下CTP平台[/h1][h1]理解同步、异步、阻塞与非阻塞[/h1][h1]隐波相关系数和偏度——高维风险的守望者[/h1]Delta中性还不够？——看看如何设计Gamma中性期权策略

[h1]Python的多线程和多进程——从一个爬虫任务谈起[/h1]线程与进程的区别
 皮尔逊相关系数与历史K线匹配

Python2和Python3的兼容写法
 Python代码优化技巧

理解Python的上下文管理器

如何写出更好的Python代码？这是Python软件基金会的建议
评估程序化模型时我们容易忽视的指标

看看如何定位Python程序性能瓶颈

什么是Python的GIL

投资研究中的大数据分析趋势及应用

理解CTP中的回调函数

如何围绕隐含波动率设计期权交易策略
看看如何用Python进行英文文本的情感分析
算法交易的分类

Python编码的最佳实践总结

什么是波动率锥？如何用波动率锥设计期权策略？
期权的波动率策略与时间价值收集策略对比

期权用于套期保值和无风险套利

隐含波动率对期权策略的影响

卖出期权交易的风险管理原则和技巧
期权交易中的“大头针”风险
期权做市商策略简介

精细化您的交易——交易成本评估与交易执行策略
海外市场交易执行策略的实践
设计期权套期保值方案时应注意的问题
美式期权、欧式期权比较分析——定价与风险管理
构建您的AI时代武器库——常用的机器学习相关Python库
期权波动率“微笑曲线”之谜
运算任务愈发繁重，如何加速Python程序运行？
证券市场微观结构理论模型是什么

是瞬间成交还是漫长等待？——如何衡量市场流动性
波动率指数及其衍生品介绍

Python的异常处理技巧

Python中的阻塞、异步与协程

"香草"之外的更多选择——几种常见的路径依赖奇异期权
什么是CTP？——了解上期所CTP快速交易系统
了解季节性——以谷物和油籽为例
是前因还是后果?——在真格量化中进行格兰杰因果检验

Python导入模块的技巧
Python程序员常犯的十个错误

搜索数据泄露天机？——舆情指数与期货行情关联性分析思路

机器学习常见算法分类汇总

如何使用Data Pipeline 自动化数据处理工作？
CTP API的委托介绍和在真格量化中的订单流控制
高频交易对市场的影响
期货行情及其组织形式——以上期所为例
理解并行与并发
郑商所和大商所套利指令及在真格量化的实现
机器学习用于金融市场预测面临的挑战
高频交易中风险控制的常用措施
查询结果偏离预期？来了解CTP的报单函数及委托状态查询
Python中的ftplib模块

理解真格量化的Python编程范式
需要处理大量市场数据？来了解一下MySQL、HBase、ES的特点和应用场景

NumPy中的ndarray与Pandas的Series和DataFrame之间的区别与转换
Python中的scikit-learn机器学习功能库
什么是程序设计中的高内聚、低耦合？
Python的内存管理与垃圾回收机制
云服务中的容器技术
什么是“面向对象”程序设计-以Python为例
波动率介绍及其在资产定价中的应用
发现策略中的孪生兄弟——期权交易中的等价或相似策略解析

如何利用期权改进指数投资表现——借鉴海外市场经验
如何用期权进行“哑铃型”资产配置——“90/10”策略介绍
国外著名商品指数编制方法比较
FPGA技术在金融行业的应用——以沪深行情加速为例
美国市场对部分高频交易行为的监管

报价驱动制度与指令驱动制度比较
理解动量投资策略和逆向投资策略——通过行为金融学视角

期权做市商面临的风险及其对做市业务的影响

商品期权在现货企业中的应用
期权进行套期保值的优势与策略分类

COT报告揭秘——如何解读CFTC的持仓报告
什么是“零拷贝”技术

跨市场套利——策略简介与风险因素
什么是期权市场的PCR指标？
量化交易的频谱分析与策略搭配规律

资产价格与波动率的关系

基本面量化与美林时钟模型

常见的价差交易策略介绍
高频交易是否对市场造成了负面影响？

海外股指期权市场概况
期权是否能用于底层资产的价格预测？

什么是股指期权？
股指期权现货指数的构成和波动率
ETF期权与股指期权在策略设计中需注意的差异性
股指期权与ETF期权合约设计比较
期权实战攻略：如何进行期权的波动率交易？

回复

分享到 :

0 人收藏

6级职业

积分:870

帖子:180

精华:0

+ 关注私信

期权论坛

期权论坛

期权网络科技版权所有: 关于我们; 联系我们; 加入我们; 反馈问题; 免责声明; 积分充值

统一社会信用代码: 积分规则; 网站地图; 爱文库; 下属网站

官方: 新浪微博; 微信公众号
◆

下载: 表情包; App下载

期权论坛

期权论坛

QQ咨询|关于我们|Archiver|手机版|小黑屋|( 辽ICP备15012455号-4 ) Powered by 期权论坛 X3.2 © 2001-2016 期权工具网&期权论坛 Inc.