期权的波动率策略与时间价值收集策略对比

期权市场上波动率交易策略与时间价值收集策略是两种看上去非常相似的策略。

比如在真格量化的代码上粗略看它们似乎都是同样的跨式套利策略。

但两者还是有一些区别。

期权交易中最重要的两个“看家招式”便是波动率策略与时间价值收集策略，这是期权交易与期货及股票交易策略最大的不同之处。对于波动率策略来说，其核心逻辑在于波动率本身是长期均值回归的，根据平价进行上下套利将是波动率策略的精髓所在。而时间价值收集策略则完全不同，卖出期权收集时间价值是期权市场上最为流行的策略，但如何卖、何时卖、卖多少将是我们关心的问题。

波动率策略

我们在这里谈到的波动率策略指的是纯Vega策略，而非Gamma策略。尽管 Vega 与Gamma两者之间呈正相关可以视为同一事物，但其背后的逻辑完全不同。所谓的Gamma策略，一般指的是标的市场价格发生大幅波动时，策略获得盈利。其主要的代表是期权跨式与宽跨式组合：

Gamma 策略本身依据的逻辑并不是均值回归，因为 Gamma 依赖的是标的资产的价格发生变动而产生的收益。尽管价格有时也会依据均线逻辑发生回归现象，但这明显不是我们关注的范畴。我们需要关注的是 Vega 策略，是波动率将会围绕长期均值上下波动 — 因为波动率许多时候是人交易标的资产所产生的情绪变化导致的，从长期来说，大多数投资者不是死多头或死空头，而是理性的，情绪中性的，倾向于由“极端状态”回归“正常状态”，因此围绕它来进行上下套利是符合逻辑的。

对于波动率策略来说，有几点要素值得注意：

第一、找准历史波动率的均值水平。不同的投资者有不同的投资期限，因此根据投资期限选定波动水平（例如借助波动率锥）至关重要。同时需要分析当前市场处于高波动情况下还是低波动情况下，其在历史上的表现如何，人类的乐观情绪与恐慌情绪在历史中总是惊人的相似。

第二、判断隐含波动率是否可用。在上述的研究中，我们发现，在时间价值所剩无几的情况下，隐含波动率将失去其评估定价高低的意义（比如许多投资者遇到过的接近到期期权合约隐含波动率计算出现“异常值”），因此在接近到期日时据此来进行波动率套利并不明智。但不少合约因为到期时间较长，尽管存在套利空间，但流动性问题将阻碍策略的实施。

第三、注意观察各类波动率套利的可能，加大策略的胜率：是否存在倾斜度的波动率套利？(Skew Arb) — 牛市价差套利、熊市价差套利、比率套利、蝶式/鹰式套利、是否存在近远月的期限结构套利(Term Structure Arb) — 日历式套利、是否存在平价套利(PCPArb) — 合成做多、合成做空。切忌将 Vega 策略的逻辑实施为 Gamma 策略，注意头寸的Delta，尽量采用现货对冲 Delta。

时间价值收集策略

时间价值收集策略是另一类非常热门的期权交易策略。对于期权市场来说，理论中买入期权风险有限但收益无限，而卖出期权通常收益有限风险无限。既然卖出期权收益有限但风险无限，为何仍有诸多投资者对卖出期权策略(时间价值收集策略)乐此不彼呢？答案在于概率！如果说期权市场也遵从二八法则，则意味着买入期权的投资者仅仅有 20%的概率能够获胜，而在大约80%的时间里，卖出期权的投资者将盈利。因此两者是基本对等的，买权者胜率低但获胜时收益极高，卖权者胜率高但单次收益低。

下边这张经典的波动率曲面图阐述了为何卖出期权将成为胜率较高的游戏：期权交易是标的价格、波动率、时间三者的综合交易。对于卖出期权者来说，在卖出期权的那一刻起，时间便站在卖出期权的投资者一边，如若在方向或波动两者判断对一，则投资者基本稳操胜券。相反的，对于买入期权者来说，其难度将明显增大：需要在时间不利的情况下判断对方向与波动，且波动必须加大。

对于卖出期权的策略来说，有一种高概率均值回归策略(High Probability MeanReversion)的策略非常风行。该策略通过观察市场价格的分布区间，找出可卖出的最靠近平值的合约(对应的权利金较大)，来进行建仓。同时，该策略将根据时间价值损耗的逻辑，在权利金到达某一程度后开始平仓止盈，以达到最大的收益率。

总结来看，我们认为时间价值收集策略将有如下操作特点值得投资者注意：

第一：选择最佳的卖出时间点：尽管在到期前卖出期权风险最小，但由于期权合约本身所蕴含的时间价值较小，获利较为鸡肋。因此从时间价值损耗的路径来看，在到期前20 天至 10 天左右卖出期权将是较好的选择。对于远月合约来说，能够卖出是最好的选择，但不应因流动性问题损失过多的权利金。

第二、由于期权交易遵从标的价格、波动率与时间三位一体，在卖出期权时已占据时间这一天时，则在方向与波动的地利与人和中势必取其一。而通常来说，方向性判断的难度远远比波动率判断的难度大得多，因此选择隐含波动率较高的位置卖出期权将是较好的选择。

第三、高概率均值回归策略对于一般的投资者来说显得过于复杂，但其思路值得借鉴：在卖出期权时，由于时间价值通常在到期前10天左右基本已损失殆尽，此时平仓了结再在远月合约开仓可以扩大收益比率。同时，对于行权价的选择则取决于当时市场的波动水平以及未来的可能走势，尽可能的在赚取足够多的权利金的同时保证风险可控将是第一要务。在此情况下，行权价较宽的宽跨式组合将非常适合。

— — — — — — 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

[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？[url=http://mp.weixin.qq.com/s?__biz=MzU4OTg0NjkyOA==&mid=2247484219&idx=1&sn=e21c50c8ff10d47a9ec27b6da418e774&chksm=fdc603c4cab18ad22df89d414350b8e951ea1e2e7eb16dcc0b9cf617ad81d3843ef548a39b1d&token=960839381&lang=zh_CN&scene=21#wechat_redirect][/url]

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