商品期权在现货企业中的应用

论坛 › 期权论坛 › 期权

 真格量化  2019-10-23 08:39  2701  0

生产企业

对于原材料生产企业，其所面临的主要风险是未来价格下跌带来的原材料销售收入减少以及库存贬值的风险，因此许多生产企业会考虑保护性看跌期权策略，即通过买入看跌期权做套期保值，提前锁定产品销售价格或者降低库存贬值风险。

例如一些橡胶生产企业为对冲胶价继续下跌的风险买入场内期权的看跌合约。若未来橡胶市场价格上涨，那么可以随行就市以较高的价格卖出产品，该策略的最大成本只有买入期权时支付的一部分权利金，且橡胶市场价格的上涨会给销售带来更大的收益；若未来市场价格下跌，期权端产生的收益可以弥补产品市场销售价格下降造成的损失。

消费企业

消费企业所面临的主要风险是未来价格上涨导致的原材料采购成本增加的风险。

例如贸易争端给大豆进口带来了很多不确定性，一些厂商预期豆粕价格已经经历了明显上涨，短时间内继续出现大幅上涨的可能性较低，因此其可以采用备兑看跌期权策略，即通过卖出看跌期权获得有限保护。

相比买入看涨期权要付出权利金成本，承受时间价值的损失，卖出看跌期权却可以获得额外的权利金收益。如果采购豆粕的价格确实出现小幅上涨，那么收到的权利金同样可以弥补一定幅度内的采购价格上升带来的损失；如果价格出现下跌则可以考虑及时平仓止损。虽然期权端可能会产生一定亏损，但是如果套保比例适度，现货采购成本的下降会给企业带来更大的收益。

贸易企业

贸易企业由于可以同时作为原材料的采购方和销售方，所面临的风险相对生产企业和消费企业而言要更多样化，因此可以选择的策略也更灵活、丰富。

一方面，未来原材料价格上涨会导致采购成本增加，但也会带来销售收入的增加；另一方面，原材料未来价格下跌会使得采购成本下降，但也可能造成销售收入的减少。因此贸易企业需要结合自身库存情况与实际业务周期，综合考虑各类风险。

例如，对于价格处在历史相对低位的商品，虽然预期未来短时间内出现大幅上涨的可能性较低，但中长期依然面临上涨动力，贸易商可以考虑领式看涨期权策略，即通过卖出看跌期权同时买入看涨期权，以较低成本获得采购成本上升保护。例如可以考虑卖出一个行权价较低的看跌期权合约，同时买入一个行权价较高的看涨期权合约。如果采购价格出现小幅上涨，即使看涨期权价值损失，卖出看跌期权收到的权利金也还是可以弥补一定幅度内的采购成本上升损失；如果价格出现大幅上涨，那么买入的看涨期权将对这部分风险进行有效保护，看涨期权产生的收益将弥补采购成本大幅上升造成的损失；如果未来价格出现下跌，则可以考虑及时平仓止损，虽然期权端可能会产生一定亏损，但是如果套保比例适当，企业采购成本的下降会带来更大的收益。

由此可见，不同类型的现货企业所面临的实际风险各不相同，应用各种期权策略时的考量也不尽相同。企业应首先对自身的套保目标、风险偏好以及行情观点有一定的分析与研究之后，再审慎地从中进行选择与组合。

总的来说，保护性套保策略一般适用于预期后市将出现大幅波动的情况，备兑套保策略一般适用于预期后市不会出现大幅波动的情况，而领式期权策略的主要目的是愿意承担一侧的风险以换取另一侧的保护，从而大幅降低初始权利金成本。

随着原油、铁矿石、黄金期货期权的上市脚步临近，现货现货企业在风险管理实践中可以选择的金融工具将变得更为丰富多样，套期保值方案的制定也将具有更多的灵活性，企业可以根据自身的特点和实际情况，利用真格量化等期权工具选择经济、适用、有效的策略。

— — — — — — 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

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.