常见期权交易策略-套期保值与无风险套利

许多用户已经了解了真格量化平台在期权交易方面丰富的API，进入了策略设计阶段，本篇我们就来介绍有哪些常见的期权策略。

首先，我们还是要介绍一些基础知识。

有一些用户初次接触期权，他们会听到到期权“买方风险有限而收益无限，卖方收益有限而风险无限”的介绍。实际上，无论是风险还是收益，无论是有限还是无限，都要分清理论和实际的区别。

首先，我们定义的风险为盈亏与其概率的乘积。卖方亏损理论上是无限的，但是如果概率很小，则风险就不大了；买方盈利是无限的，却没有实际胜算的把握，风险也不小，甚至可能亏损权利金的100%。而实际如何，就看投资者对行情的分析能力了。

在实际交易中，标的价格（比如50ETF、豆粕期货等等）不可能跌至零，也不可能无限上涨，由此，“无限”的盈亏并不存在。但从资金管理的角度来讲，一旦价格发生较大的不利变化或者波动率大幅升高，对于卖方来说，此时的损失仍不可小觑。

因此，在进行期权投资之前，投资者一定要全面客观地认识期权交易的风险。

其实，期权就相当于保险，买期权所付的权利金相当于保险费，行情如果没有意外，投资者的最大损失是保险金；而发生意外的时候，就可以运用持有的期权而得到保护。卖期权就相当于卖保险，很多时候可以把卖期权得到的权利金收到兜儿里，如果行情出现大的以外，就要支付期权买方很大的费用。

期权该如何运用

虽然很多投资者由于对于对期权不理解或者不正当使用，导致了很大的风险，但期权在风险管理、风险度量等方面又有其独特的功能和作用，在套期保值和投机交易中都可发挥重要作用。

期权用于套期保值

期权买入套保策略

买期权为标的对冲，用较低的成本来为标的提供保护。以50ETF为例，假设某投资者持有50ETF，在50ETF连续上涨，其价格为2.95元的时候，投资者出于某种需求想在市场规避其价格下跌的风险，他可以考虑与持有ETF数量成一定比例（部分套保或全部套保）的行权价为2.95的看跌期权合约，假设所买期权合约的权利金为0.03元。那么投资者就通过看跌期权将股价下行的最大风险锁定，可以试想，若ETF价格继续下跌至2.90元或者更低，在持有至到期后，投资者都有权利按照2.95元的价格将50ETF卖出，所以，跌得越多，在期权上行权后的收益就越大，这部分的收益与持有ETF的亏损可以相互抵消，从而达到规避风险的目的。另外，买入看跌期权的操作，还给予在股票价格上涨时仍能获利的空间，期权标的资产与看跌期权多头的组合收益类似于买入看涨期权。

垂直套利的其他几种策略都可以类似找出无风险套利机会。

蝶式套利策略

买入蝶式套利（Long Butterfly）

该策略买入一份低执行价格和一份高执行价格期权合约的同时，卖出两份中间执行价格的期权合约。其损益图为：

从损益图可以看出，该策略在标的价格偏离比较大时，出现亏损。

如果期权在交易过程当中，执行价格相邻的三份合约出现了价格背离平衡，就是执行价格为K2的合约被高估（相对于K1、K3而言）。那么所谓的价格平衡是一种怎样的形式？因为Gamma 值为期权价格关于标的资产价格的二次偏导数，且Gamma 恒为正值，即曲线是凸的。接下来利用期权价格曲线的凸性，搜寻将蝶式套利策略转化为无风险套利的条件。为此，绘制期权价格关于执行价格的关系曲线示意图。

从损益图可以看出，标的资产价格偏离中间执行价格最小时，策略的损失达到最大。而标的价格远离中间执行价格时，该策略为投资者带来固定收益。

以看涨期权为例，根据上一段的分析，若不等式

(K3-K2)/(K3-K1)*C1+ (K2-K1)/(K3-K1)*C3>C2

成立，则前述的买入蝶式套利方式的无风险套利机会不存在。但是，若卖出套利策略的损益图向上平移若干个单位，则可以使得期权到期损益曲线完全位于横轴上方，该种情况下卖出蝶式策略称为无风险套利。而损益曲线的向上平移，意味着策略的初始现金流入增加，即将 C1、C3 与C2 的价差扩大。至于价差满足怎样的关系式，由下面示意图给出：

通过上图，可以得出：X=（K2- K1）* C1的头寸。

考虑如下差价关系：

(K3-K2)/(K3-K1)*C1+ (K2-K1)/(K3-K1)*C3-C2>(K3-K2)/(K3-K1)*(K2-K1)

如果将C1的头寸设为(K3-K2)/(K3-K1)单位的空头，则通过不等式左边构建出来的策略，其损益图完全位于横轴上方。

无风险套利策略：卖出(K3-K2)/(K3-K1)单位C1、(K2-K1)/(K3-K1)单位C3，同时买入一份C2。对于看跌期权的蝶式卖出套利策略，依照同样的分析方法，可以找到无风险套利的机会以及无风险套利的策略。

飞鹰式套利策略

买入飞鹰式套利（Long Condor）

该策略涉及 4 个期权合约，在买入一个低执行价格和一个高执行价格期权合约的同时，卖出两个中间执行价格（两个执行价格不同）的期权合约，并且执行价格间距相等。该策略的损益图为（看涨期权）：

除了前述的通过期权的经典套利策略搜寻无风险套利机会之外，当然还有其他的无风险套利机会，由于其腿数较多，数学关系也复杂，凭肉眼很难发现，我们可以试试用真格量化对这些机会进行实时监控，实现“交易机会扫描器”的功能。

— — — — — — 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

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

真格量化可访问：

https://quant.pobo.net.cn

遇到了技术问题？欢迎加入真格量化Python技术交流QQ群 726895887