HVWIN · 期权量化 / 全体系研究地图

期权量化策略全体系

从基础认知、定价与数据,到方向性、波动率、套利、对冲、机器学习与组合风险管理——用 14 核心模块 / 60+ 策略与模型 / 7 希腊值维度,把方向、时间、波动率与尾部风险拆开管理。

适合作为学习地图、策略研究框架与实盘系统设计参考。

14核心模块
60+策略与模型
7希腊值维度
5量化研究阶段

📖基础认知层

所有期权量化模型的共同起点:合约、价格与风险暴露。

①合约与交易对象

  • 认购期权与认沽期权
  • 欧式、美式与百慕大式行权
  • 实值、平值与虚值
  • 期货期权、ETF 期权与指数期权
  • 现金交割与实物交割

②价格构成

  • 内在价值与时间价值
  • 隐含波动率 IV
  • 利率与股息影响
  • 期权费与保证金

③核心风险指标

DeltaGammaVegaThetaRhoVannaVolga

先分清风险来自方向、波动率、时间还是高阶非线性,再选择单腿、组合或动态对冲。

🗄️数据与市场微观结构

期权回测的成败,很大程度取决于数据口径与交易成本建模。

①基础数据

  • 历史行情与 Tick 数据
  • 隐含波动率曲面
  • 成交量与持仓量
  • 到期结构与行权价结构
  • 标的行情与资金流

②数据质量

  • 复权与合约换月
  • 到期日与行权规则对齐
  • 涨跌停、停牌处理
  • 异常报价与插值修复

③交易成本

  • 佣金与交易所费用
  • 买卖价差 Bid-Ask
  • 冲击成本
  • 保证金占用成本
  • 行权交割与跟踪误差
💡
期权回测应至少区分"可成交价格"和"理论价格";只使用收盘价或中间价,容易系统性高估策略表现。

🧮定价与波动率建模

定价模型不是"预测神器",而是统一风险度量、套利判断与对冲计算的语言。

①经典定价

  • Black–Scholes–Merton (BSM)
  • 二叉树与三项式模型
  • 有限差分法 (PDE)
  • 蒙特卡洛模拟
  • Heston 随机波动率模型
  • SVI / SABR 波动率曲面模型

②波动率预测

  • 已实现波动率 (RV / Realized Vol)
  • GARCH 族模型
  • 隐含波动率均值回归
  • 高频波动率估计 (Realized Kernel)
  • 机器学习的波动率预测

③模型校准

  • 平价关系约束 Put-Call Parity
  • 无套利边界约束
  • 曲面平滑与插值
  • 参数稳定性检验
  • 极端行情再校准

🎯方向性策略

对方向有观点时使用,但仍需同时管理波动率与到期结构。

①单腿策略

  • 买入认购 Long Call
  • 买入认沽 Long Put
  • 卖出认购 Short Call
  • 卖出认沽 Short Put

②垂直价差 Vertical Spread

  • 牛市认购价差 Bull Call Spread
  • 熊市认购价差 Bear Call Spread
  • 牛市认沽价差 Bull Put Spread
  • 熊市认沽价差 Bear Put Spread

③其他方向组合

  • 比例价差与反向价差 Ratio / Back
  • 蝶式 Butterfly
  • 鹰式 Condor / Iron Condor
  • 日历价差的方向增强

④量化方法

  • Delta 目标仓
  • 趋势信号择时
  • 波动率条件过滤
  • 多到期日滚动组合
  • 盈亏比与胜率优化

〰️波动率策略

不押方向,而是交易实际波动率(RV)与隐含波动率(IV)之间的差异。

①方向中性波动率交易

  • 跨式组合 Straddle
  • 宽跨式组合 Strangle
  • Straddle / Strangle 选择
  • 波动率均值回归
  • 波动率突破交易

②波动率曲面相对价值

  • 期限结构交易 Term Structure
  • 波动率偏度交易 Skew
  • 看涨认沽 IV 差 (Put IV − Call IV)
  • 相同 Delta 不同期限套利
  • 曲面形态变化交易

③关键事件交易

  • 财报事件 Earnings
  • 宏观数据发布 CPI / NFP
  • 政策与会议窗口 FOMC / OPEC
  • 到期周与月末效应
  • 事件前后的 IV 衰减

🛡️对冲与保险策略

期权最常见的组合应用:在成本、保护力度与上行收益之间取舍。

①静态对冲

  • Delta 对冲
  • Delta-Gamma 对冲
  • Delta-Vega 对冲
  • 跨资产对冲 Cross-Asset Hedge

②动态对冲

  • 固定频率再平衡
  • 阈值触发再平衡
  • 最小交易成本再平衡
  • 基于 ML 的再平衡
  • 强化学习深度对冲 (Deep Hedging)

③组合保险

  • 保护性认沽 Protective Put
  • 领口策略 Collar
  • 备兑开仓 Covered Call
  • 零成本或低成本保险
  • 多标的组合保险

⚖️套利与相对价值

对执行速度、数据质量、交易成本与系统稳定性的要求通常最高。

①无风险套利

  • 转换套利 Conversion
  • 反转套利 Reversal
  • 盒式价差套利 Box Spread
  • 跨期套利 Calendar Arbitrage
  • 平价关系套利 Parity

②统计套利

  • 隐含与实际波动率差 (IV − RV)
  • 相关资产期权价差
  • ETF 与成分股期权关系
  • 期限价差均值回归
  • 偏度价差均值回归

③做市与流动性策略

  • 做市报价 Market Making
  • 存货风险控制 Inventory
  • 逆向选择管理 Adverse Selection
  • 价差动态调整
  • 波动率报价模型

🧰多资产与组合层

从单个期权合约升级为跨市场、跨期限的风险组合配置。

①资产类别

  • 股票与 ETF 期权
  • 指数期权 Index Options
  • 商品期权 Commodity
  • 利率与外汇期权 IR / FX
  • 加密货币期权 Crypto

②组合构建

  • 波动率风险溢价组合 VRP
  • 多策略风险平价 Risk Parity
  • 因子化期权组合
  • 全球宏观期权配置
  • 尾部风险对冲组合

③资产配置视角

  • 收益增强 Yield Enhancement
  • 下行保护 Downside Protection
  • 事件风险分散
  • 跨市场波动率分散
  • 尾部相关性管理

🧠量化建模与机器学习

机器学习应优先用于预测困难但可验证的变量,而非直接替代风险与定价框架。

①特征工程

  • 期权链特征
  • 波动率曲面特征
  • 微观结构特征
  • 宏观与事件特征
  • 文本与市场情绪

②监督学习

  • 涨跌分类
  • 隐含波动率预测
  • 波动率溢价识别
  • 成交概率预测
  • 最优行权价选择

③无监督学习

  • 波动率状态聚类
  • 市场状态识别
  • 异常波动检测
  • 组合风险聚类

④深度学习

  • 波动率曲面卷积网络
  • 时序模型预测 LSTM / TCN
  • Transformer 状态识别
  • 多模态新闻与行情模型

⑤强化学习

  • 动态对冲 Deep Hedging
  • 最优执行 Optimal Execution
  • 报价与做市
  • 组合再平衡
  • 风险控制与止损

🚀回测与执行系统

期权回测不能只模拟价格,还要模拟报价、成交、希腊值变化和保证金。

①回测框架

  • 事件驱动回测
  • 向量化回测
  • 逐笔与分钟回测
  • 多资产同步回测
  • 参数稳定性检验

②订单执行

  • 限价单与市价单
  • 冰山订单 Iceberg
  • TWAP / VWAP
  • 参与率执行 POV
  • 冲击最小化

③系统架构

  • 数据层
  • 定价与信号层
  • 组合优化层
  • 风控层
  • 订单执行层
  • 监控与归因层

🛡️风险管理体系

期权的非线性使尾部风险比普通股票组合更难凭直觉判断。

①市场风险

  • Delta 暴露
  • Gamma 暴露
  • Vega 暴露
  • 尾部跳跃风险 Jump Risk

②流动性风险

  • 买卖价差
  • 成交深度
  • 临近到期流动性
  • 极端行情价差扩大

③模型风险

  • 定价模型错配
  • 波动率曲面失准
  • 历史样本偏差
  • 参数过拟合

④操作风险

  • 下单错误
  • 保证金不足
  • 行权与交割遗漏
  • 系统故障

⑤风险控制工具

  • 希腊值限额
  • 情景压力测试
  • 极端损失约束
  • 最大回撤控制
  • 保证金与流动性缓冲
  • 熔断与人工接管

📊策略评价与组合管理

评价不能只看收益率,必须拆分方向、波动率、时间与执行贡献。

评价维度关键指标期权策略中的意义
收益年化收益率、超额收益判断策略是否创造净价值
风险调整夏普、索提诺、卡玛比率衡量单位风险收益与回撤代价
风险波动率、最大回撤、VaR、CVaR识别尾部与极端市场损失
期权专用隐含/实际波动率盈亏、时间价值盈亏判断收益究竟来自方向还是波动率
组合相关性、容量、衰减、资金曲线判断策略能否规模化与持续有效

🌳策略选择决策树

先明确观点类型,再选择期权表达,避免用复杂结构掩盖模糊观点。

A
▶观点:方向明确
▾
🔥高波动率垂直价差或价差组合,限制权利金成本
❄低波动率单腿期权,保留较高杠杆
⚡强方向+保护领口或保护性认沽
B
▶观点:预期波动放大
▾
●基础表达跨式或宽跨式多头
✂降低成本双蝶式组合
◎方向偏好虚值期权组合
C
▶观点:预期波动收敛
▾
●基础表达跨式或宽跨式空头
📅结构表达日历价差
📈曲面表达期限结构组合
D
▶观点:对冲尾部风险
▾
🔒强保护保护性认沽
⚖平衡成本领口 Collar
↻动态调整动态期权对冲
E
▶观点:收益增强
▾
📦持有现货备兑开仓 Covered Call
⏳等待建仓卖出虚值认沽
💰信用结构价差信用策略

🗺️研究与落地路线

从数据、定价到实盘,应分阶段验证,而不是一开始就追求复杂模型。

阶段一
01
研究基础

建立数据与定价基础;拆分方向、波动率与对冲;单策略小样本验证;多市场稳健性检验

阶段二
02
试点验证

小资金纸面交易;实盘滑点与延迟测试;极端行情演练

阶段三
03
规模化

多策略组合;自动风控与熔断;容量与资金曲线管理;持续再校准与迭代