期权套利策略:波动率套利、波动率曲面套利

波动率套利

核心思想是隐含波动率或实现波动率的均值回归,通过预测未来波动率瞄准套利机会,动态 Delta 对冲消除市场波动的线性影响,利用 Vega或 Gamma 的暴露锁定套利收益。

  • 如果特定合约隐含波动率明显偏高或偏低,则可以做多或者做空相应的期权,实现波动率套利;
  • 涉及预测未来波动率、动态Delta 对冲和收益锁定方式三部分基本原理:通过预测未来波动率瞄准套利机会,动态 Delta 对冲消除市场波动的线性影响,利用 Vega 或 Gamma
    的暴露锁定套利收益

核心是预测未来的波动率

  • 包括:历史波动率法、时间序列模型(例如 GARCH 模型)、随机波动率模型、人工智能模型

动态 Delta 对冲

  • 动态 Delta对冲是降低股价变化对套利组合影响的手段。Delta是期权价格对标的股票价格的偏导数,动态 Delta 对冲是指通过不断买卖一定数量的股票使得套利组合的 Delta 始终保持为 0,此时组合价值不再受到标的股票价格变动的线性影响

  • 动态 Delta 中性可以对冲标的股票自身价格变化的影响,仅对市场波动率有所暴露,降低组合的净值波动

获利方式:多空 Vega 与多空 Gamma

  • 多空 Vega:Vega 表示期权价格对隐含波动率变动的敏感性,如果期权的隐含波动率向投资者期望的方向移动,期权价格的变化会直接提升套利组合的价值,此时投资者可以直接对期权进行平仓获利。预测隐波,利用隐波的变动直接获利
  • 多空 Gamma:Gamma 表示期权价格对标的资产价格的二阶偏导数,代表着期权价格的凸性,期权的凸性使得做多 Gamma 的 Delta 中性组合在波动升高的环境中受益,从而可以赚得实现波动率与隐含波动率的差价。例如当前期权隐含波动率被明显低估,套利者以较低价格买入期权(做多 Gamma),并且不断进行 Delta 对冲,最终对冲组合的收益与实现波动率与隐含波动率之间的差额成正比

波动率曲面套利

波动率曲面 对于某个标的资产,市场上所有到期时间和执行价格的隐含波动率构成了期权的隐含波动率曲面

利用不同执行价格和到期时间期权隐含波动率的相对偏离获取收益,理想情况下波动率曲面具有特定的偏度结构和期限结构,市场隐波与理论结构偏离时可以构建相应套利组合实现收益。

  • 如果波动率曲面局部出现异常的起伏,特定执行价格和到期时间的期权相对于其他合约参数的期权被高估或者低估,此时可以利用他们相对价格的偏离来进行套利,这是波动率曲面套利的基本思想。

  • 核心思路:每期将市场波动率曲面与最优模型波动率曲面对比,从而确定套利组合

  • 核心优势:收益稳定、风险分散

波动率曲面模型

  • 标的资产建模
  • 隐含波动率运动过程建模
  • 直接拟合隐含波动率曲面

套利

构建好波动率曲面作为参照之后我们可以判断期权隐含波动率的相对高低进而确定套利组合,按照套利组合的构建方式我们可以将曲面套利细分为三种:

  • 偏度套利,寻找偏度曲线的异常起伏,使用同一到期时间的期权构建组合;
  • 期限套利,寻找隐含波动率期限结构的局部异常,使用给定执行价格期权(一般是平值期权)构建套利组合;
  • 曲面套利,如果局部没有合适的偏度套利或期限套利品种组合或组合中的某些品种缺乏流动性,则可以进行曲面套利,使用执行价格和到期时间均不同的品种构建套利组合

期权套利策略操作框架

构建曲面——利用市场数据构建每一期市场波动率曲面;

  • 构建曲面核心难点:控制曲面的稳定性
  • 这种不稳定性主要来源于两个方面:期权价格数据的不稳定性和模型拟合的不稳定性

执行套利交易——将模型波动率曲面与市场波动率曲面对比,构建套利组合,同时对冲 Delta、Vega 等希腊字母,并在合适的条件下平仓

  1. 构建套利组合
  2. 动态 Delta 对冲
  3. 计算组合资金占用
  4. 计算每期期权盈利,检查平仓条件

波动率和波动率曲面套利相关推荐

  1. 随机波动率微笑模型及套利

    投资要点 1. 金融市场的波动率 金融市场波动率具有尖峰肥尾.波动率群集.具有杠杆效应等特点. 本文将简单地分析金融市场波动率重要的几个特性,并介绍 50ETF 相关波 动率的度量方法. 2. 波动率 ...

  2. php计算波动率,单向波动率差值研究:单向波动差值实现绝对收益

    单向波动率差 在过往的报告中我们提出了单向波动率差择时模型应用于指数上能获得较稳定的表现,A股市场在缺乏做空机制下,其波动率的非对称性使得上下波动率之差能对股票走势具有一定预测作用.通过初步的检测,我 ...

  3. 基于SABR模型的期权波动率曲线套利策略

    转自:要资讯 交易逻辑:同一标的物不同行权价.不同期限的期权之间价格差异很大,无法直接比较.通过定价公式将期权市场价格反解得到的隐含波动率,才能够代表期权的真实价值.而受多方面因素影响,由各个行权价构 ...

  4. python 波动率锥_推广 || 12个小时干货分享!上海财大期权实战特训课程(11月)...

    原标题:推广 || 12个小时干货分享!上海财大期权实战特训课程(11月) 期权名门实战技巧特训班 课程背景 2020年资本市场风云变幻.跌宕起伏,全体投资者都经历了一场资本市场的大课.一些顶级操盘手 ...

  5. python 波动率锥_推广 || “上海财大”期权实战技巧特训班(六月)

    原标题:推广 || "上海财大"期权实战技巧特训班(六月) 期权名门实战技巧特训班 课程背景 2020年资本市场风云变幻.跌宕起伏,全体投资者都经历了一场资本市场的大课.一些顶级操 ...

  6. 特质波动率python

    特质波动率 "特质波动率之谜"的介绍 特质波动率的度量方法 Python代码 相关文章 获取代码 "特质波动率之谜"的介绍 风险与收益一直是金融学中形影不离的两 ...

  7. python 隐含波动率_【BSM模型】用实际市场数据计算隐含波动率并验证波动率微笑...

    在Black-Scholes期权定价模型中,不能直接观察到的参数只有股票价格的波动率.波动率可以由历史数据进行估计,这是历史波动率.隐含波动率也是交易员非常关心的,隐含波动率是期权的市场价格中所包含的 ...

  8. “特质波动率之谜”(Idiosyncratic Volatility),用Python计算特质波动率

    Hello,大家好,今天给大家介绍的是有关于"特质波动率"度量的相关内容.曾在写本科毕业论文时有所涉及,当时看了好多资料,发现它还有很多研究空间,并且由Ang所提出的"特 ...

  9. python历史波动率_【BSM模型】用实际市场数据计算隐含波动率并验证波动率微笑...

    在Black-Scholes期权定价模型中,不能直接观察到的参数只有股票价格的波动率.波动率可以由历史数据进行估计,这是历史波动率.隐含波动率也是交易员非常关心的,隐含波动率是期权的市场价格中所包含的 ...

最新文章

  1. python基础===拆分字符串,和拼接字符串
  2. Android桌面悬浮窗进阶,QQ手机管家小火箭效果实现
  3. 白话Elasticsearch23-深度探秘搜索技术之通过ngram分词机制实现index-time搜索推荐
  4. java 向下转型_Java_向下转型
  5. oracle 更新参数,Oracle动态、静态参数参数修改规则
  6. python 社区网络转化_python-将numpy打开网格转换为坐标
  7. bigdecimal 判断是否为数字_C语言判断字符串是否为回文
  8. css基础选择器 1204
  9. BGP——ORF+条件路由过滤(讲解+配置)
  10. 死锁的处理策略——检测和解除
  11. VB 创建快捷方式函数(可带参数)
  12. InstallShield Build错误:Internal build error 6041
  13. Python 爬虫常用代码
  14. vue cli 构架vux移动端模板
  15. 零食社交 or 甜蜜陷阱?说说公司那些免费提供的零食饮料
  16. 应变式传感器的原理与优点
  17. linux启动lighttpd服务,Linux下Lighttpd的安装配置
  18. 二进制炸弹实验binarybomb 拆弹
  19. 九大背包问题专题--完全背包问题(详解,最优解)
  20. RHEL6配置本地源

热门文章

  1. 和GGA的第一次亲密接触
  2. 区块链 :拜占庭将军问题 [BFT]
  3. 同花顺_代码解析_技术指标_Z_3
  4. 【自语】如何前后端的web及移动都打通?
  5. 【module】subprocess
  6. 利用jmap查看一个class声称的实例个数
  7. 动手学深度学习笔记(一)——权重衰退
  8. java版本qq登陆界面_java实现QQ登陆界面
  9. 老虎证券登陆纳斯达克,CEO巫天华:创业要恪守自己的能力圈...
  10. 3DMax_界面介绍及基本工具使用