美文网首页真格量化
如何围绕隐含波动率设计期权交易策略

如何围绕隐含波动率设计期权交易策略

作者: ce2a5fc7b1e4 | 来源:发表于2019-07-17 14:44 被阅读0次

    波动率简介

    首先需要明确波动率是一个统计概念,我们常说的历史波动率是指资产在某一时间段内收益率的年化标准差。波动率刻画了资产价格的波动程度,是对资产收益率不确定性的衡量,用于反映资产的风险水平。波动率越高,资产价格的波动越剧烈,资产收益率的不确定性就越强;波动率越低,资产价格的波动越平缓,资产收益率的确定性就越强。

    在真格量化中,标的的历史波动率可以这样计算:

      除了历史波动率之外,常见的波动率指标还有隐含波动率、预期波动率和未来实际波动率等。其中,隐含波动率是期权交易中应用最广泛、最重要的波动率,以下讨论主要基于隐含波动率展开。

    隐含波动率是从期权价格中引申出来的概念,由期权定价理论可知,有五个因素会影响期权价格,分别为标的资产价格、到期时间、波动率、无风险利率和执行价格。其中,波动率是唯一一个不可直接观测的变量,而期权价格可以直接从市场行情获取,那么将期权实际价格带入期权定价公式中,便可反推出一个波动率数值,这就是隐含波动率。它是由期权市场价格决定的波动率,是市场价格的真实映射,而有效市场价格是供求关系平衡下的产物,是买卖双方博弈的结果。因此,隐含波动率反映的是市场对标的资产未来波动率的预期。

    在真格量化中,隐含波动率可以这样计算:

      隐含波动率可以作为衡量期权估值水平的重要指标。以上证50ETF期权为例,当上证50ETF期权价格为2.3元/份时,一个月后到期、执行价格为2.3元/份的认购期权价格为0.058元/份,反推出的隐含波动率为20%。例如,通过统计历史数据,我们发现在一段时间中,其他条件不变的情况下,期权价格约每上涨22%,隐含波动率增加5%。我们可以认为在那段时间,隐含波动率与期权价格存在正相关关系。

    隐含波动率大小在策略构建中的应用

    借助各种计算工具,比如真格量化的计算函数,我们可以轻易地对各个期权合约的隐含波动率进行监控。

    由期权定价理论可知,隐含波动率越高(低)时,我们可以认为期权的“估值水平”越高(低)。一般来说,对于同一月份的合约,选择卖出高隐含波动率期权,可以赚取更多的时间价值,而在隐含波动率低的时候买入期权,则能够有效降低开仓成本。这对单独买入(卖出)期权和买入(卖出)跨式期权组合两大类策略具有指导意义。

    具体来看,在买入期权中,最大亏损仅限于权利金,而在卖出期权中,最大盈利则仅限于权利金。盈亏特征决定了买入低权利金期权、卖出高权利金期权有更大的最终盈利概率。将隐含波动率作为交易的判定条件之一,能在很大程度上降低风险,增强收益。

    假设我们发现的某个看涨期权的价格与隐含波动率的正相关关系一直持续,我们可以认为在隐含波动率为20%左右时买入该看涨期权,比在隐含波动率在30%左右时买入该看涨期权可以降低大约22%的建仓成本。如果标的资产价格如期上涨,我们在该看涨期权上盈利显然也会更多。隐含波动率可以作为期权交易中一个择时的工具。

    隐含波动率偏度在策略构建中的应用

    在Black—Scholes期权定价模型假设下,标的资产的波动率为常数,但是这与实际情况有较大差别,期权市场不同行权价合约的价格中所体现的隐含波动率不仅不相同,而且还呈现微笑特征。换句话说,相同到期日、不同执行价格下的期权隐含波动率通常是不同的,并且呈现一定的偏斜程度,统称为波动率偏度结构,表现形式为偏度曲线。

    实际上,波动率偏度曲线的形态由标的资产收益率的实际概率分布的偏度决定,收益率的实际概率分布通常在标准正态分布的基础上产生左端尾部肥大、右端尾部肥大、双侧尾部肥大的特征,这也使得波动率偏度曲线呈现左偏、右偏、微笑三种形态。

    从下图来看,偏度结构表示了执行价格与隐含波动率之间的关系,作为描述不同期权隐含波动率大小的指标,偏度结构可有效标明期权价格的相对高低,间接对判断标的的走势,计划交易具有一定的指导意义,及时观察并合理利用偏度结构,可以有效指导策略构建。

    例如,当隐含波动率呈现左偏结构时,执行价格越低,其隐含波动率越高。如果我们认为这个定价状态不可持续,我们可以考虑卖出低执行价格期权,而买入高执行价格期权,期待左偏结构回归“正常”。

    在左偏情况下:

    在右偏情况下:

    除了左偏和右偏结构,隐含波动率还可能呈现“深度微笑”结构,是指隐含波动率在平值执行价格附近处低,随着虚值和实值程度加深,而不断增大(由“微笑”变成“大笑”)。

      在隐含波动率“深度微笑”结构下,我们可以尝试买入平值附近期权,而卖出虚值或实值期权,期待“微笑深度”回归正常。

     隐含波动率期限结构在策略构建中的应用

      隐含波动率的期限结构,是指不同月份间期权所呈现的隐含波动率差异。一般有两种情况,即近月高于远月的正向结构以及远月高于近月的反向结构。当近月隐含波动率高于远月时,可以尝试卖出近月合约,买入远月合约;当近月隐含波动率低于远月时,可以尝试买入近月合约,卖出远月合约。

      综合以上分析,隐含波动率在策略构建中起到了重要的指导作用,但是必须注意隐含波动率有局限性,它只是指导策略构建的指标之一,其可以帮助我们提高策略胜率,但并不保证策略的一定盈利。

    以卖出看涨期权为例,如果价格预期后市大涨,即使目前波动率很高,也不要轻易卖出看涨期权,未来标的资产价格的大涨很可能带来大额亏损。相反,如果预期标的资产价格下跌,切不可因为看涨期权价格低廉而不考虑卖出,未来标的资产价格下跌,最终可以赚取全部权利金。

    总之,我们可以充分利用隐含波动率的大小、偏度、期限结构设计期权交易策略,并借助真格量化这一有力工具对其有效性进行检验和优化。

    — — — — — — 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

    一个Call搅动市场?让我们温习一下波动率策略

    如何用真格量化设计持仓排名跟踪策略

    还不理解真格量化API设计?我们不妨参考一下CTP平台

    理解同步、异步、阻塞与非阻塞

    隐波相关系数和偏度——高维风险的守望者

    Delta中性还不够?——看看如何设计Gamma中性期权策略

    Python的多线程和多进程——从一个爬虫任务谈起

    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

    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

    相关文章

      网友评论

        本文标题:如何围绕隐含波动率设计期权交易策略

        本文链接:https://www.haomeiwen.com/subject/ynbqlctx.html