一个Call搅动市场？让我们温习一下波动率策略

A 波动率对期权交易十分重要

股票、期货交易都是方向性交易，投资者希望交易标的按照预判方向走。然而，标的走势并不容易预测（比如我们很难预测川普的下一条推特是什么以及它能怎样影响市场），短期的剧烈波动会成为方向性投资者的风险（比如方向错误的期货头寸需要增加保证金）。

不过对于期权交易者而言，没有波动也就失去了很大部分期权策略的意义。换言之，期权交易的就是标的资产在未来一段时间的波动。为了理解这点我们看下看涨期权的B-S定价公式：

其中包含五个参数：S为股票的即期价格，L为期权行权价格，T为期权的到期时间（用年衡量），σ为标的资产价格的波动率，r为无风险利率。现在，五个参数中除了σ外其他都是已知的，可见波动率在期权定价中的重要性。在交易期权时，一些投资者经常只报出波动率作为对期权的报价。

　B 波动率的定义

波动率有两种类型：历史波动率和隐含波动率。

　1.历史波动率

历史波动率是度量资产价格历史变动的指标。它度量的是资产价格在一段特定时期内的活跃程度。通常，历史波动率是取一段时期内每日资产收盘价变动百分比的平均值，并将其年化。历史波动率通常称为实际波动率或已实现波动率（realized volatility ）。

短线或者高频交易者倾向于用短期历史波动率，如5日、10日、20日、30日的历史波动率（或者对于上市时间太短的品种，例如红枣期货）。中线和长线交易者通常用长期历史波动率进行交易，如60日、180日、360日的历史波动率。

历史波动率如何计算呢？

第一步：计算每日市场价格变动情况。计算当日（t）资产价格(S)与前一天(t-1)资产价格(S)的比值，并取自然对数：

第二步：计算一段特定时期内价格日变量的平均值。将给定时间段(n)中所有价格变动（Rt）求和，并计算平均值Rm：

第三步：计算。历史波动率(HV)就是资产价格关于均值的平均偏差（即标准差），计算公式为：

　　第四步：将波动率表示为年化的百分比。将以上结果乘以

例如243天，将结果变为年化历史波动率。我们也可以用真格量化的HV函数去直接计算：

当然，历史波动率的计算方法还有很多，如Parkinson极值估计方法、Yang和Zhang的模型、Integrate volatility，前两个模型考虑了日内最高价和最低价，第三个模型是日内高频模型。

　　下图为不同模型计算出的历史波动率：

从上图可以看到，不同的模型计算的波动率数值有所不同，但图形走势几乎一致。在使用历史波动率模型的时候，我们看重的是波动率模型是否覆盖了我们关注的那部分价格变动。

　2.隐含波动率

与历史波动率反映的是标的资产过去一段时间的波动程度不同，隐含波动率是投资者对资产波动率的“定价”，反映其预期资产价格在未来一段时间的波动率，是由相应的期权价格估算出来。如果知道期权的价格和所有除了隐含波动率以外的因素，那么就可以用期权定价模型计算出资产的隐含波动率。

在真格量化中，隐含波动率也有对应的计算函数：

需要指出的是，这里取HV作为计算IV的初值只是为了提高数值逼近运算的效率。就像我们猜一个成年人的年龄不会从0岁开始猜，而是更有效率地从25岁开始猜。猜测结果本身和“猜测初值”基本无关：

除了自带的GetImpliedVolatility函数，在真格量化中也可以通过导入QuantLib和scipy库，利用其进行定制化程度更高的波动率计算。

　　由于以同一只资产为标的的期权合约有很多，执行价格和到期时间不同的期权具有不同的隐含波动率。即使到期时间相同，不同执行价格的期权也具有不同的隐含波动率。

通常，看涨期权和看跌期权的隐含波动率形成的曲线被称为隐含波动率倾斜曲线。

相对于平值期权，虚值期权的隐含波动率较高，这是因为在标的资产价格波动较大时，虚值期权的风险更大。为补偿这种风险，虚值期权定价相对更高一些，相当于更高的“保险价格”。虚值看涨期权和看跌期权不一定具有相同的隐含波动率，而这一差别体现了市场的方向性偏好。这一偏好是投资者对资产或市场行情走势的判断，或是对看涨或看跌期权的大量需求导致的，这会引起隐含波动率的上升。

我们可以通过计算以同一资产为标的的不同期权的隐含波动率的平均值来作为这一资产的隐含波动率指数。然而，隐含波动率指数的计算并没有统一的标准。大多数人简单地利用几个到期日临近的平值期权的隐含波动率的平均值，有人则用更为精细的方法，通过几个平值期权和虚值期权来计算，如Corrado-Miller方法。

　　隐含波动率可以反映出期权“定价的高低”，它是期权定价中唯一一个不能从市场中直接获得的变量，并且不容易用其他交易手段来对冲或者抵消。当影响期权定价的其他因素都被锁定时，期权价格完全依赖于隐含波动率。当计算不同期权间的相对价值时，隐含波动率也是影响期权相对价值的重要因素。在比较统一标的两个期权的相对价值时，我们可以只去比较它们的隐含波动率。

除了单个月份的期权的波动率曲线之外，我们还可以综合一个标的的所有的期权合约绘制波动率曲面。

C 波动率的作用

　　隐含波动率反映了投资者对标的资产未来价格变动的预期。较高的隐含波动率意味着市场预期资产价格会朝一方大幅波动或上下大幅振荡。相反，较低的隐含波动率意味着资产价格波动较小。研究隐含波动率可以得到更多的信息。

由于隐含波动率直接反映了期权定价，隐含波动率的改变意味着期权价值的改变。很多时候，相对于资产的看跌期权，看涨期权的隐含波动率的明显的变化，可以作为市场情绪转变的一个信号。

例如1999年年末，汇丰银行（HSBC）收购纽约共和国民银行（RNB），在收盘前，纽约共和国民银行资产的隐含波动率显著下降。这看上去很正常，符合人们的普遍预期：在收购价格确定后，资产价格也随之波动变小。然而，交易公布一天之后，纽约共和国民银行虚值看跌期权隐含波动率大增，交易量也随之大增，这暗示有投资者得到了一些敏感的消息或是传言。果然，两天之后，新闻报道了不利于收购案的丑闻，RNB的股票价格很快下跌了近20%。

通常，资产价格下跌，隐含波动率一般会上升。很多时候，资产价格出现技术层面的突破点时，会伴随隐含波动率的剧烈变化，这可以理解为市场相信突破信号是真实的，资产价格会有大幅变动。如果突破信号没有伴随着波动率的变化，或这个变化很微小，那么突破有可能只是一种假象。因此，研究资产隐含波动率模型会得到更多来自市场角度的定价信息。

D 基于波动率的期权策略

1.利用历史波动率和隐含波动率的差异来做交易

专业的期权交易者、做市商和机构投资者通过Delta对冲来做波动率交易。意思是说，他们通过买卖期权来对冲标的资产敞口部分，这样会部分消除股市波动带来的风险。这种对冲是一个持续的随市场变化而调整的过程。为了对冲标的资产的风险，交易者监测资产的历史波动率和期权价格的隐含波动率。也就是说，如果期权的隐含波动率显著高于对冲标的资产的历史波动率，他们就可以跨式卖出期权。同样的，期权的隐含波动率显著低于标的资产历史波动率，他们就可以跨式买入期权。同时通过持有标的资产或标的资产的期货来进行Delta对冲。

2.备兑买入策略

备兑买入（持有资产多头和虚值看涨期权空头）是一个很常用的策略。选择这一策略的一个条件是标的资产最好是温和上涨型的资产。备兑买入策略并不适合涨势迅猛的资产。

接下来，要关注标的资产的隐含波动率和历史波动率。一般来说，隐含波动率越高的资产越适合做标的资产，但是这并不总是成立的。历史波动率如果非常高，那么就意味着资产波动非常大，资产价格下跌到执行价格以下的概率就很大。备兑买入资产的隐含波动率和历史波动率相差越大越好。

最后，比较当前的隐含波动率与历史隐含波动率。隐含波动率接近历史最高水平，是利用该策略的好时机。

如果想在期权到期前退出该策略，我们需要寻找资产价格上涨但是隐含波动率降低的时机，也就是说，我们卖出的看涨期权接近实值，波动率降低，可以全部平仓获得较多的收益。而如果我们持有资产的隐含波动率迅速上升，投资组合的收益就会被期权平仓时支付的高额权利金抵消。

　3.卖出看跌期权

卖出看跌期权也是一个常用的策略。若资产跌落到执行价格以下，投资者愿意持有资产的话，这是一个不错的策略。很多投资者在某些时候用这种策略作为买入资产的替代。

波动率分析会对该策略的决策过程有帮助。当资产价格下跌而期权隐含波动率上升时，则不适合卖出该看跌期权。因为如果我们改变主意想平仓离场，要支付很高的权利金。另一方面，如果资产价格下跌但是隐含波动率并没有大的改变，这应当是个卖出看跌期权的好机会，因为市场对该资产的下跌不是非常敏感。

4.牛市和熊市期权价差

牛市价差和熊市价差，即同时买入和卖出看涨或看跌期权，也是很流行的期权策略，因为这是一个能够从预期资产价格变动中获利的简单策略。当然也有投资者认为其回报不是非常吸引人，这主要受波动率的影响。

例如，当资产价格为2900时，我们买一个2900/3000看涨期权价差（买入2900看涨期权，卖出3000看涨期权）。如果资产价格迅速上升至3000或更高，我们就能从中获利。与之对比，当资产价格在3000时，我们卖出执行价格为3000的平值看涨期权，此时由波动率改变带来的风险被最大化。如果资产隐含波动率上升，则我们买回执行价格为3000的看涨期权时的波动率高于构建该策略时的波动率，这会导致平仓亏损。当然如果隐含波动率下降，我们就会从中获得更大的收益。价差策略通过牺牲一部分收益来降低持有单边期权的风险，这与期货价差交易类似。

当执行看涨（或看跌）价差策略时，我们要寻找资产价格上升（或下跌）、但是隐含波动率有下降趋势的资产。与买看跌期权价差相比，看涨价差一般有更多的交易机会，因为当资产价格上升时，隐含波动率通常容易下降。

— — — — — — E N D — — — — — —

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

真格量化可访问：

Document

一个Call搅动市场？让我们温习一下波动率策略

1 个回复