期权交易策略 v0.1
一.概述
1.参考
<期权波动率与定价>
2.期权价格
标的现价100元,到期日价格可能情况如下。
| 价格 | 80 | 90 | 100 | 110 | 120 |
| 概率 | 20% | 20% | 20% | 20% | 20% |
持有标的时,期望收益为0.如果持有100的看涨期权,忽略期权费,期望收益为(100-100)*0.2+(110-100)*0.2+(120-100)*0.2=6元.
假设年化利率为12%,期权2个月后到期,则期望收益为6-6*0.12/6=5.88元.
3.波动率
1.高低波动率
高波动率和低波动率如下图所示,高波动率时,更容易出现极端价格,需要较高的权利金.

均值是标的资产的价格.标准差是波动率.以标的资产100元,波动率为20%为例.
- 1倍标准差覆盖68.3%的结果,约2/3.一年后,以68.3%的概率标的价格在80-120中间.分别是100减加20.
- 2倍标准差覆盖95.4%的结果,约19/20.一年后,以95.4%的概率落在60-140之间.
- 3倍标准差覆盖99.7%的结果,约369/370.一年后,以99.7%的概率落在40-160之间.
2.日波动率与周波动率
以标的价格100元,波动率20%为例,一年365,256个交易日,平方根是16.日波动率可以用年化波动率除以16,即20/16=1.25.预期三个交易日中有两个小于等于1.25,20个交易日有19个小于等于2*1.25=2.5.
周波动率,一年52个交易周,平方根约为7.2.计算20/7.2=2.75.预期三个交易周中有两个波动小于等于2.75.
3.种类
未来波动率,历史波动率,隐含波动率,预测波动率,
二.希腊字母
1.delta
(1).delta中性

delta中性就是gamma scalping.收益=delta*s' + 0.5*gamma*s'' + theta*t' + vega*v' + rho*r'.短期看,rho
不变,第五项为0.iv短期持平,第四项等于0.做了delta中性对冲后,第一项为0.核心看价格变动,gamma和theta,如果是买入,看gamma的收益是否超过theta的损失.核心是对波动率进行低买高卖.
delta=期权价格变化/标的资产现货价格变化。
delta中性案例如下。
初始时,6月份期货合约价格=101.35,利率8%,6月份期货合约到期时间10周,delta值头寸和为0.
| 合约 | 合约delta值 | delta值头寸 |
| 100份6月份100看涨期权多头 | 57 | +5700 |
| 57份6月份期货合约空头 | 100 | -5700 |
1周后,标的合约价格上涨到102.26.利率8%,6月份到期合约时间9周,波动率18.3%.delta值头寸和变为500.
| 合约 | 合约delta值 | delta值头寸 |
| 100份6月份100看涨期权多头 | 62 | +6200 |
| 57份6月份期货合约空头 | 100 | -5700 |
此时可以通过卖出5份期货合约的方式卖出500 个Delta值.delta值头寸和变回0.
| 合约 | 合约delta值 | delta值头寸 |
| 100份6月份100看涨期权多头 | 62 | +6200 |
| 62份6月份期货合约空头 | 100 | -6200 |
(2).delta理解
套保比率.对于delta值为40的看涨期权,每买入5份期权需要卖出2份标的合约做中性对冲,100/40=5/2.
理论价值变化率.深度虚值期权,delta接近于0.深度实值期权,delta值接近于100.
等效的标的合约头寸.对于10份delta值为50的期权,相当于持有500个delta值多头,相当于5份合约.
2.gamma
(1).gamma理解
标的合约价格每变化1个点时,delta值的增加或减少量.gamma为5时,标的每上升(下降)1个点,delta值增加(减少)5.
| delta值 | 风险 | gamma值 | |
| 卖出10份delta为30的看涨期权 | -10*30 | 标的合约涨10个点,相当于卖空3份标的合约 | 1 |
| 卖出10份delta为30的看涨期权 | -10*90 | 标的合约涨10个点,10份合约delta从30到90 | 6 |
(2).long gamma
由于上面df公式中,收益的gamma项为1/2*gamma*ds*ds.只要gamma系数为正,ds平方一直为正。期权价格就一直涨,这是long gamma基础。gamma随着期限越长而减小,到期日越来越近而变大.vega随着期限边长而增大,到期日越来越近而变小.long gamma就是买入高gamma低vega的资产,然后做空低gamma高vega的资产(比如远期合约),做出vega中性的组合,本质就是做多波动率.
delta中性对冲后,做高抛低吸,收益来自于波动率的变化,与标的价格变动无关。只要波动率有变化,无论标的价格涨跌或者不变,都可能产生收益。
如果在某个时间区间内,标的价格虽然变动剧烈,但是最终不变,从Gamma将不能获得收益,收益将来源于波动率的变化。这就是Long Vega。如果标记价格变动了,产生的收益来源于gamma.
Long Gammma希望标的价格能波动的大一些,Long Vega希望波动率能上升的多一些.
Gamma收益依赖于标的价格的绝对变化,类比为标的价格的“位移”(无论位移的方向)。
Vega收益来自于波动率的变化(增大),类比为标的价格移动的路程(与位移没有必然联系)。
3.theta
4.vega
波动率每变动1个百分点时,期权理论价值的变化.
三.策略及损益图
策略分类如下:

损益图代码,以看涨期权多头为例,其他情形类似.
xpoints = np.array([90,100,102.7,108.7])
ypoints = np.array([-2.7,-2.7,0,6])
plt.xlabel('到期价格-认购')
plt.ylabel('损益')
x= np.array([100])
y= np.array([0])
plt.scatter(x, y, color='red')
plt.plot(xpoints, ypoints,marker = 'o')
plt.grid(axis='y') # 设置 y 就在轴方向显示网格线
plt.annotate('执行价格(100)', xy=(100,0), xytext=(100,2),arrowprops=dict(facecolor='black', shrink=0.05))
plt.annotate('盈亏平衡(102.7)', xy=(102.7,0), xytext=(104,1),arrowprops=dict(facecolor='black', shrink=0.05))
plt.show()
1.看涨期权多头

2.看涨期权空头

3.看跌期权多头

4.看跌期权空头

5.反套利价差
也称为比例反套利价差或比例价差多头.delta中性,多头期权数量多于空头期权数量,且所有期权到期日相同.买入delta较小的期权,卖出delta值较大的期权.看涨期权反套利价差由较高执行价的看涨期权多头和较低执行价格的看涨期权空头组成。看跌期权反套利价差由较低执行价的看跌期权多头和较高执行价的看跌期权空头组成.
看涨期权反套利价差
比如30份3月份105看涨期权多头(delta是24),10份3月份95看涨期权空头(78).

看跌期权反套利价差
比如80份3月份90看涨期权多头(-6),10份3月份100看跌期权空头(-48)

6.比例垂直价差
也称为比例价差,比例价差空头,垂直价差或正面价差.
delta中性,空头期权合约数量大于多头期权合约数量,所有期权的到期日都相同.当到期标的价格等于空头(卖出)期权合约的执行价时,价差实现最大利润.如果担心市场价格的快速下跌,选择看涨期权比例垂直价差。如果担心市场价格快速上涨,选择看跌期权比例垂直价差.
看涨期权比例垂直价差.
比如20份3月份95看涨期权多头(delta值为78),30份3月份100看涨期权空头(51)

看跌期权比例垂直价差.
比如20份3月份95看跌期权多头(-21).60份3月份90看跌期权空头(-6).

7.跨式期权
跨式期权包含1份看涨期权多头和1份看跌期权多头,或者1分看涨期权空头和1份看跌期权空头.且所有期权合约的执行价格和到期时间均相同.如果是买入看涨或者看跌,称为买入跨式期权。如果是卖出看涨或看跌,称为卖出跨式期权.绝大多数跨市期权按1:1比例构建(1分看涨,1份看跌).如果合约数量不一样,称为比例价差,比例价差目的是为了delta中性.
跨式期权多头
比如买入10份3月份100看涨期权多头(51).10份3月份看跌期权多头(-48).

跨式期权空头.比如30份3月份105看涨期权空头(24),10份3月份105看跌期权空头(-75).

8.宽跨式期权
9.蝶式期权
10.时间价差
11.对角价差
12.牛市价差
13.熊市价差
四.交易策略
1.选期权组合
不同结构的盈亏图
2.选期限
3.选执行价
看波动率
五.雪球策略
1.网格的格子大小,加减仓比例
2.期权、期货、现货比例
3.期权组合,期限,执行价
相关文章:
期权交易策略 v0.1
一.概述 1.参考 <期权波动率与定价> 2.期权价格 标的现价100元,到期日价格可能情况如下。 价格 80 90 100 110 120 概率 20% 20% 20% 20% 20% 持有标的时,期望收益为0.如果持有100的看涨期权,忽略期权费,期望收益为(100-100)*0.2…...
pytorch学习:矩阵分解:奇异值分解(SVD分解)
前言 矩阵分解(Matrix Decomposition)是将一个矩阵分解成多个矩阵的乘积的过程,这种分解方法在计算、机器学习和线性代数中有广泛应用。不同的分解方式可以简化计算、揭示矩阵的内在结构或提高算法的效率。 奇异值分解 奇异值分解…...
接口测试用例设计的关键步骤与技巧解析!
简介 接口测试在需求分析完成之后,即可设计对应的接口测试用例,然后根据用例进行接口测试。接口测试用例的设计也需要用到黑盒测试用例设计方法,和测试流程与理论章节的功能测试用例设计的方法类似,设计过程中还需要增加与接口特…...
CSS画icon图标系列(一)
目录 前言: 一、向右箭头 1.原理: 2.代码实现 3.结果展示: 二、钟表 1.原理: 2.代码展示: 3.最终效果: 三、小手机 1.原理: 2.代码展示: 3.最后效果: 四、结…...
【数据结构-合法括号字符串】【华为笔试题】力扣1190. 反转每对括号间的子串
给出一个字符串 s(仅含有小写英文字母和括号)。 请你按照从括号内到外的顺序,逐层反转每对匹配括号中的字符串,并返回最终的结果。 注意,您的结果中 不应 包含任何括号。 示例 1: 输入:s “…...
qt QFileInfo详解
1、概述 QFileInfo是Qt框架中用于获取文件信息的工具类。它提供了与操作系统无关的文件属性,如文件的名称、位置(路径)、访问权限、类型(是否为目录或符号链接)等。此外,QFileInfo还可以获取文件的大小、创…...
金华迪加 现场大屏互动系统 mobile.do.php 任意文件上传漏洞复现
0x01 产品简介 金华迪加现场大屏互动系统是一种集成了先进技术和创意设计的互动展示解决方案,旨在通过大屏幕和多种交互方式,为观众提供沉浸式的互动体验。该系统广泛应用于各类活动、展览、会议等场合,能够显著提升现场氛围和参与者的体验感。 0x02 漏洞概述 金华迪加 现…...
探寻5G工业网关市场,5G工业网关品牌解析
随着5G技术的浪潮席卷全球,工业领域正经历着一场前所未有的变革。5G工业网关,作为连接工业设备与云端的桥梁,以其高速、低延迟的数据传输能力和强大的边缘计算能力,成为推动工业数字化转型的关键力量。那么,在众多5G工…...
RK3568开发板静态IP地址配置
1. 连接SSH MYD-LR3568 开发板设置了静态 eth0:1 192.168.0.10 和 eth1:1 192.168.1.10,在没有串口时调试开发板,可以用工具 SSH 登陆到开发板。 首先需要用一根网线直连电脑和开发板,或者通过路由器连接到开发板,将电脑 IP 手动设…...
element-plus table tableRowClassName 无效
官网上给的是 .el-table .warning-row {--el-table-tr-bg-color: var(--el-color-warning-light-9); } .el-table .success-row {--el-table-tr-bg-color: var(--el-color-success-light-9); } 但是 如果 加上了 scoped 这样样式是无效的 在 vue3 中用样式穿透 即可生…...
商务英语学习柯桥学外语到泓畅-老外说“go easy on me”是什么意思?
在口语中“go easy on sb ”这个短语是很常见的 01 go easy on me 怎么理解? 在口语中,“go easy on me”是一个非常常见的表达,通常表示请求对方在某方面对自己宽容一些,不要对自己太过苛刻或严厉。 短语(goÿ…...
【Python爬虫基础】基于 Python 的反爬虫机制详解与代码实现
基于 Python 的反爬虫机制详解与代码实现 在如今的信息时代,数据的重要性不言而喻。许多企业网站都包含着宝贵的数据,这些数据可能会被网络爬虫恶意抓取,这种行为不仅影响服务器的正常运行,还可能泄露商业机密。为了应对这种情况,网站开发人员需要了解并应用有效的反爬虫…...
HTB:PermX[WriteUP]
目录 连接至HTB服务器并启动靶机 1.How many TCP ports are listening on PermX? 使用nmap对靶机TCP端口进行开放扫描 2.What is the default domain name used by the web server on the box? 使用curl访问靶机80端口 3.On what subdomain of permx.htb is there an o…...
uniapp 整合 OpenLayers - 使用modify修改要素
import { Modify } from "ol/interaction"; 修改点、线、面的位置和形状核心代码: // 修改要素核心代码modifyFeature() {this.modify new Modify({source: this.lineStringLayer.getSource(),});this.map.addInteraction(this.modify);}, 完整代码&am…...
JMeter快速造数之数据导入导出
导入数据 输入表格格式如下 创建CSV Data Set Config 在Body Data中调用 { "username": "${email}", "password": "123456", "client_id": "00bb9dbfc67439a5d42e0e19f448c7de310df4c7fcde6feb5bd95c6fac5a5afc"…...
框架学习01-Spring
一、Spring框架概述 Spring是一个开源的轻量级Java开发框架,它的主要目的是为了简化企业级应用程序的开发。它提供了一系列的功能,包括控制反转(IOC)、注入(DI)、面向切面编程(AOP)…...
Java | Leetcode Java题解之第539题最小时间差
题目: 题解: class Solution {public int findMinDifference(List<String> timePoints) {int n timePoints.size();if (n > 1440) {return 0;}Collections.sort(timePoints);int ans Integer.MAX_VALUE;int t0Minutes getMinutes(timePoint…...
126页PPT麦肯锡战略实施与成本优化:质效提升与精益采购实践
麦肯锡企业PMO的各个阶段是一个结构化和系统化的过程,旨在确保项目的高效执行和成功交付。以下是麦肯锡企业PMO各个阶段的详细描述: 一、项目启动与规划阶段 此阶段的主要目标是明确项目目标、业务需求,以及制定项目章程和项目管理计划。 …...
Modbus解析流程全面升级:体验全新核心与终极优化!
01 前言 本文章原文发表于我的微信公众号,请大家关注阅读,涉及的源代码等都在公众号,请搜索公众号: 智能家居NodeRed和HomeAssistant 即可关注。 02 全面改进的解析流程 前面发布过的Modbus解析流程在经过多个设备测试后发现存…...
【MWorks】Ubuntu 系统搭建
升级 Ubuntu系统 sudo apt-get update sudo apt-get upgrade安装流程 sudo chmod x 路径/文件.run安装 sudo 路径/文件.run安装过程中两个选项都填 y 打开安装对应的文件夹 运行 syslab.sh 文件,运行结束后,就可以在左上角开始搜索到syslab了。...
地震勘探——干扰波识别、井中地震时距曲线特点
目录 干扰波识别反射波地震勘探的干扰波 井中地震时距曲线特点 干扰波识别 有效波:可以用来解决所提出的地质任务的波;干扰波:所有妨碍辨认、追踪有效波的其他波。 地震勘探中,有效波和干扰波是相对的。例如,在反射波…...
Vue3 + Element Plus + TypeScript中el-transfer穿梭框组件使用详解及示例
使用详解 Element Plus 的 el-transfer 组件是一个强大的穿梭框组件,常用于在两个集合之间进行数据转移,如权限分配、数据选择等场景。下面我将详细介绍其用法并提供一个完整示例。 核心特性与用法 基本属性 v-model:绑定右侧列表的值&…...
鸿蒙中用HarmonyOS SDK应用服务 HarmonyOS5开发一个医院挂号小程序
一、开发准备 环境搭建: 安装DevEco Studio 3.0或更高版本配置HarmonyOS SDK申请开发者账号 项目创建: File > New > Create Project > Application (选择"Empty Ability") 二、核心功能实现 1. 医院科室展示 /…...
Python实现prophet 理论及参数优化
文章目录 Prophet理论及模型参数介绍Python代码完整实现prophet 添加外部数据进行模型优化 之前初步学习prophet的时候,写过一篇简单实现,后期随着对该模型的深入研究,本次记录涉及到prophet 的公式以及参数调优,从公式可以更直观…...
将对透视变换后的图像使用Otsu进行阈值化,来分离黑色和白色像素。这句话中的Otsu是什么意思?
Otsu 是一种自动阈值化方法,用于将图像分割为前景和背景。它通过最小化图像的类内方差或等价地最大化类间方差来选择最佳阈值。这种方法特别适用于图像的二值化处理,能够自动确定一个阈值,将图像中的像素分为黑色和白色两类。 Otsu 方法的原…...
论文笔记——相干体技术在裂缝预测中的应用研究
目录 相关地震知识补充地震数据的认识地震几何属性 相干体算法定义基本原理第一代相干体技术:基于互相关的相干体技术(Correlation)第二代相干体技术:基于相似的相干体技术(Semblance)基于多道相似的相干体…...
面向无人机海岸带生态系统监测的语义分割基准数据集
描述:海岸带生态系统的监测是维护生态平衡和可持续发展的重要任务。语义分割技术在遥感影像中的应用为海岸带生态系统的精准监测提供了有效手段。然而,目前该领域仍面临一个挑战,即缺乏公开的专门面向海岸带生态系统的语义分割基准数据集。受…...
NPOI操作EXCEL文件 ——CAD C# 二次开发
缺点:dll.版本容易加载错误。CAD加载插件时,没有加载所有类库。插件运行过程中用到某个类库,会从CAD的安装目录找,找不到就报错了。 【方案2】让CAD在加载过程中把类库加载到内存 【方案3】是发现缺少了哪个库,就用插件程序加载进…...
Unity UGUI Button事件流程
场景结构 测试代码 public class TestBtn : MonoBehaviour {void Start(){var btn GetComponent<Button>();btn.onClick.AddListener(OnClick);}private void OnClick(){Debug.Log("666");}}当添加事件时 // 实例化一个ButtonClickedEvent的事件 [Formerl…...
小木的算法日记-多叉树的递归/层序遍历
🌲 从二叉树到森林:一文彻底搞懂多叉树遍历的艺术 🚀 引言 你好,未来的算法大神! 在数据结构的世界里,“树”无疑是最核心、最迷人的概念之一。我们中的大多数人都是从 二叉树 开始入门的,它…...
