权利而非义务，灵活的风险管理工具。
期权（Option）是一种衍生金融工具，赋予持有者在特定日期或之前，以特定价格买入或卖出标的资产的权利，但没有必须行权的义务。这种"权利而非义务"的特性，使期权成为金融市场中最灵活的风险管理和投资工具之一。
期权的历史可以追溯到公元前4世纪，古希腊哲学家泰勒斯（Thales）通过预测橄榄丰收，向橄榄榨油厂支付定金锁定榨油机使用权，这被视为最早的期权交易雏形。17世纪的荷兰郁金香狂热中，郁金香球茎期权合约被广泛使用。现代标准化的期权交易始于1973年，芝加哥期权交易所（CBOE）成立并推出了首批标准化股票看涨期权合约。同年，Fischer Black和Myron Scholes发表了里程碑式的Black-Scholes期权定价模型（1973年获诺贝尔经济学奖），为期权定价提供了理论基础，推动了期权市场的爆发式增长。
截至2024年，全球期权市场日均交易量超过5000万张合约，名义本金规模达数十万亿美元，涵盖股票、指数、商品、外汇、利率和加密货币等几乎所有资产类别。美国期权市场日均成交量约3000万张合约，中国市场约500万张。
每份期权合约包含以下核心要素：
| 要素 | 说明 | 示例 |
|---|---|---|
| 标的资产 | 期权合约对应的资产 | 苹果公司股票（AAPL） |
| 行权价 | 约定的买卖价格 | $180.00/股 |
| 到期日 | 期权失效的日期 | 2026年6月20日 |
| 合约单位 | 每份合约对应的标的数量 | 100股/合约 |
| 权利金 | 购买期权支付的价格 | $5.00/股 = $500/合约 |
| 行权方式 | 美式（到期前任意日）或欧式（仅到期日） | 美股期权均为美式 |
| 交割方式 | 实物交割或现金结算 | 股票期权实物交割，指数期权现金结算 |
| 市场 | 日均成交量 | 主要品种 | 代表交易所 |
|---|---|---|---|
| 美国 | ~3000万张 | 股票、指数、ETF | CBOE、NYSE Arca |
| 欧洲 | ~800万张 | 指数、股票 | Eurex、Euronext |
| 亚洲（除中国） | ~600万张 | 指数、股票 | HKEX、OSE、KRX |
| 中国 | ~500万张 | ETF、股指、商品 | 上交所、中金所、大商所 |
| 其他 | ~100万张 | 商品、外汇 | B3、JSE |
看涨期权赋予买方在约定时间内以行权价买入标的资产的权利。
适用场景： 预期标的资产价格上涨、空头持仓的对冲保护、增强杠杆收益。
看涨期权买方盈亏公式：
其中 为到期日标的资产价格， 为行权价， 为支付的权利金。
看涨期权卖方盈亏公式：
卖方收取权利金 ，但承担无限亏损风险（理论上股价可无限上涨）。
看跌期权赋予买方在约定时间内以行权价卖出标的资产的权利。
适用场景： 预期标的资产价格下跌、多头持仓的下行保护、方向性做空。
看跌期权买方盈亏公式：
其中 为看跌期权权利金。
看跌期权卖方盈亏公式：
| 维度 | 买方（多头） | 卖方（空头） |
|---|---|---|
| 支付/收取 | 支付权利金 | 收取权利金 |
| 最大利润 | 理论上无限（Call）或有限（Put） | 权利金收入 |
| 最大亏损 | 权利金（有限） | 理论上无限（裸卖Call） |
| 保证金要求 | 无（已支付权利金） | 需缴纳保证金 |
| 时间偏好 | 讨厌时间流逝（Theta负） | 喜欢时间流逝（Theta正） |
| 波动率偏好 | 喜欢高波动（Vega正） | 讨厌高波动（Vega负） |
| 胜率 | 低（~30%） | 高（~70%） |
| 维度 | 看涨期权（Call） | 看跌期权（Put） |
|---|---|---|
| 买方方向 | 看涨/做多 | 看跌/做空 |
| 最大利润 | 理论上无限 | 行权价 - 权利金（标的跌至0） |
| 最大亏损 | 权利金 | 权利金 |
| Delta符号 | 正（0到1） | 负（-1到0） |
| 买方义务 | 无 | 无 |
| 卖方义务 | 必须卖出标的 | 必须买入标的 |
期权的"价内/价外"状态由标的资产当前价格与行权价的关系决定：
| 状态 | 英文 | 看涨期权条件 | 看跌期权条件 | 内在价值 |
|---|---|---|---|---|
| 实值 | In-The-Money (ITM) | 正 | ||
| 平值 | At-The-Money (ATM) | 零 | ||
| 虚值 | Out-Of-The-Money (OTM) | 零 |
假设苹果股票当前价格为 $170.00：
| 行权价 | 看涨期权状态 | 内在价值 | 看跌期权状态 | 内在价值 |
|---|---|---|---|---|
| $150 实值 ITM $20.00 | 虚值 OTM | $0 | ||
| $170 平值 ATM $0 | 平值 ATM | $0 | ||
| $190 虚值 OTM $0 | 实值 ITM | $20.00 |
关键洞察： 只有实值期权有内在价值。虚值期权和平值期权的价格完全由时间价值构成。
实值期权还可以按价内程度进一步细分：
| 分类 | 看涨条件 | 看跌条件 | Delta范围 | 特点 |
|---|---|---|---|---|
| 浅实值 | 0.6-0.7 | 高时间价值，流动性好 | ||
| 中等实值 | 0.8-0.9 | 时间价值适中，接近标的 | ||
| 深度实值 | 0.95-1.0 | 流动性低，买卖价差大 |
实操提示： 深度实值期权交易偏少、流动性低，买卖价差可达中等的2-3倍。大部分零售交易应选择浅实值至平值附近的合约。
内在价值是期权立即行权所能获得的收益：
时间价值是期权价格超出内在价值的部分，反映了标的资产在到期前朝有利方向变动的可能性：
| 行权价 | 期权价格 | 内在价值 | 时间价值 | 占比 |
|---|---|---|---|---|
| $150 Call (ITM) $22.50 | $20.00 $2.50 | 11.1% | ||
| $170 Call (ATM) $5.80 | $0 $5.80 | 100% | ||
| $190 Call (OTM) $1.20 | $0 $1.20 | 100% | ||
| $150 Put (OTM) $0.90 | $0 $0.90 | 100% | ||
| $170 Put (ATM) $5.50 | $0 $5.50 | 100% | ||
| $190 Put (ITM) $22.00 | $20.00 $2.00 | 9.1% |
关键洞察： 平值期权的时间价值最高（标的资产价格有最大概率从平值变为实值），深度实值期权时间价值最低（"够实了"）。
时间价值的衰减不是线性的，而是加速衰减。越临近到期日，衰减越快：
| 到期前剩余时间 | 时间价值（ATM Call） | 日衰减量 Theta | 剩余价值占比 |
|---|---|---|---|
| 90天 | $8.00 $0.04 | 100% | |
| 60天 | $6.20 $0.06 | 77.5% | |
| 30天 | $4.10 $0.10 | 51.3% | |
| 14天 | $2.50 $0.15 | 31.3% | |
| 7天 | $1.40 $0.20 | 17.5% | |
| 3天 | $0.70 $0.25 | 8.8% | |
| 1天 | $0.25 $0.25 | 3.1% |
结论： 最后30天的Theta（日时间衰减）是前面60天的2-3倍。最后7天的衰减是前面90天的5-6倍。期权卖方主要通过赚取时间价值衰减获利。
Black-Scholes模型是现代期权定价的基石，由Fischer Black和Myron Scholes于1973年提出。该模型假设：
Black-Scholes定价公式：
对于欧式看涨期权：
对于欧式看跌期权：
其中：
参数说明：
假设：, , 年, ,
第一步：计算 和
第二步：查标准正态分布
第三步：计算期权价格
结果： 该看涨期权的理论价格为 $11.67。
敏感性验证： 其他条件不变，调整参数观察影响：
| 参数变化 | 新参数值 | 新期权价格 | 变化方向 |
|---|---|---|---|
| 基准 | - | $11.67 | - |
| 波动率升至35% | 价格↑30.6% | ||
| 股价升至$180 | 价格↑44.4% | ||
| 剩余时间1年 | 价格↑40.8% | ||
| 利率升至8% | 价格↑7.8% |
BS模型局限与改进：
| BS假设 | 现实偏差 | 影响 | 改进方案 |
|---|---|---|---|
| 波动率恒定 | 波动率时变、聚集 | 低估尾部风险 | 随机波动率模型（Heston） |
| 利率恒定 | 利率期限结构 | 长期期权定价偏差 | 带期限结构的BS |
| 无股息 | 股票支付股息 | 高估看涨、低估看跌 | 股息调整BS |
| 欧式 | 美式可提前行权 | 低估美式看涨（含股息时） | 二叉树/有限差分 |
| 无交易成本 | 有佣金、买卖价差 | 高频对冲不可行 | 带成本对冲 |
二项式模型通过构建标的资产价格的可能路径树来定价期权，更适合美式期权（可提前行权）的定价。
基本原理： 在每个时间步 内，标的资产价格可以上涨为 或下跌为 ：
风险中性上涨概率：
参数： , , 年, , , 分2步（年）
第一步：计算 , ,
第二步：构建价格树
$132.70 (uu)
$115.20 (u)
$100 $100.00 (ud)
$86.80 (d)
$75.30 (dd)
第三步：计算每个终点的期权价值（看涨期权）
| 终点 | 股价 | 期权价值 |
|---|---|---|
| uu | $132.70 $32.70 | |
| ud | $100.00 $0 | |
| dd | $75.30 $0 |
第四步：逆向推导期权价值
时间步1：
时间步0：
结果： 该看涨期权的理论价格为 $9.55。
将此结果与Black-Scholes模型对比（），误差仅约1.9%。随着步数增加，二项式模型会收敛到Black-Scholes结果：
| 二叉树步数 | 看涨期权价格 | BS价格 | 误差 |
|---|---|---|---|
| 2 | $9.55 $9.73 | 1.9% | |
| 5 | $9.68 $9.73 | 0.5% | |
| 10 | $9.71 $9.73 | 0.2% | |
| 50 | $9.73 $9.73 | <0.05% |
import numpy as np
from scipy.stats import norm
def black_scholes(S, K, T, r, sigma, option_type='call'):
"""
Black-Scholes期权定价
S: 标的资产价格
K: 行权价
T: 剩余时间（年）
r: 无风险利率
sigma: 年化波动率
option_type: 'call' 或 'put'
"""
d1 = (np.log(S / K) + (r + 0.5 * sigma**2) * T) / (sigma * np.sqrt(T))
d2 = d1 - sigma * np.sqrt(T)
if option_type == 'call':
price = S * norm.cdf(d1) - K * np.exp(-r * T) * norm.cdf(d2)
else:
price = K * np.exp(-r * T) * norm.cdf(-d2) - S * norm.cdf(-d1)
return price
def calculate_greeks(S, K, T, r, sigma, option_type='call'):
d1 = (np.log(S / K) + (r + 0.5 * sigma**2) * T) / (sigma * np.sqrt(T))
d2 = d1 - sigma * np.sqrt(T)
delta = norm.cdf(d1) if option_type == 'call' else norm.cdf(d1) - 1
gamma = norm.pdf(d1) / (S * sigma * np.sqrt(T))
theta = -S * norm.pdf(d1) * sigma / (2 * np.sqrt(T))
if option_type == 'call':
theta -= r * K * np.exp(-r * T) * norm.cdf(d2)
else:
theta += r * K * np.exp(-r * T) * norm.cdf(-d2)
theta /= 365 # 转换为日历日
vega = S * norm.pdf(d1) * np.sqrt(T) / 100 # 每1%波动率变化
rho = K * T * np.exp(-r * T) * norm.cdf(d2) / 100 if option_type == 'call' \
else -K * T * np.exp(-r * T) * norm.cdf(-d2) / 100
return {'Delta': delta, 'Gamma': gamma, 'Theta': theta,
'Vega': vega, 'Rho': rho}
# 示例：苹果ATM看涨
greeks = calculate_greeks(170, 170, 45/365, 0.05, 0.25, 'call')
for k, v in greeks.items():
print(f"{k}: {v:.4f}")
希腊字母衡量期权价格对各个变量的敏感度，是风险管理中不可或缺的工具。
Delta衡量标的资产价格每变动1元时，期权价格的变动量：
数值案例： Delta = 0.65的看涨期权，股价上涨$1.00时，期权价格上涨$0.65。
| 状态 | 看涨Delta | 看跌Delta | 含义 |
|---|---|---|---|
| 深度ITM | 0.95-1.00 | -0.05-0.00 | 期权变动几乎等于标的 |
| 浅ITM | 0.60-0.80 | -0.40-0.20 | 标的变动100%，期权变动60-80% |
| ATM | ~0.50 | ~-0.50 | 有50%概率变为实值 |
| 浅OTM | 0.20-0.40 | -0.80-0.60 | 需要较大涨幅才能盈利 |
| 深度OTM | 0.00-0.10 | -0.99--0.90 | 盈利概率很低 |
Delta对冲（Delta Hedging）： 持有1单位看涨期权（Delta=0.65），需卖空0.65单位标的资产使组合Delta=0。
Delta对冲有效性检验： 以下表展示小幅价格变动下的对冲效果
| 股价变动 | 期权价格变动（Delta法） | 实际期权价格变化 | 对冲偏差（Gamma贡献） |
|---|---|---|---|
| +$0.50 +$0.33 | $0.34 +$0.01 | ||
| +$1.00 +$0.65 | $0.69 +$0.04 | ||
| +$2.00 +$1.30 | $1.52 +$0.22 | ||
| +$5.00 +$3.25 | $4.10 +$0.85 |
结论： 价格变动越大，Delta近似越不准确，需要Gamma修正。
Gamma衡量Delta对标的资产价格的敏感度，即Delta的变化率：
数值案例： Gamma = 0.08，股价上涨$1.00时，Delta从0.50上升至0.58。
| 状态 | Gamma值 | 含义 |
|---|---|---|
| 深度ITM/OTM | 接近0 | Delta几乎不随股价变化 |
| ATM | 最大 | Delta对股价最敏感，波动风险最大 |
Gamma实操： 一个月到期的ATM期权，Gamma约0.12。股价每变动$1，Delta变动0.12。如果股价从$170变到$175，Delta从0.50变成~1.10——这意味着10%的持仓需要重新对冲。
Theta衡量期权价格随时间流逝的衰减速度：
数值案例： Theta = -0.08（日历日），期权每天损失$0.08的时间价值。
关键特征：
Vega衡量期权价格对隐含波动率变动的敏感度：
数值案例： Vega = 0.35，隐含波动率从25%升至30%（上升5%），期权价格上涨。
| 状态 | Vega值 | 含义 |
|---|---|---|
| 短到期 | 小 | 对波动率变动不敏感 |
| 长到期 | 大 | 远月期权对波动率最敏感 |
| ATM | 最大 | 平值期权对波动率变动最敏感 |
Vega的时间衰减： 长期期权Vega最大，但也会随时间衰减。以下表展示同一ATM Call在不同剩余时间的Vega值：
| 剩余时间 | Vega（每1% IV变化） | 解释 |
|---|---|---|
| 1周 | $0.08 | 波动率变化几乎不影响价格 |
| 1月 | $0.18 | 短期波动影响有限 |
| 3月 | $0.32 | 中期对波动敏感 |
| 6月 | $0.45 | 长期波动风险大 |
| 1年 | $0.62 | 远月最大Vega |
Rho衡量期权价格对无风险利率变动的敏感度：
数值案例： Rho = 0.12，利率从5%升至6%（上升1%），看涨期权价格上涨$0.12。
Rho在低利率环境中的作用对比：
| 利率水平 | Call Rho（6月期） | 利率变动1%的价格影响 | 重要性 |
|---|---|---|---|
| 0.5% | $0.04 $0.04 | 极小 | |
| 5.0% | $0.12 $0.12 | 低 | |
| 10.0% | $0.28 $0.28 | 中等 | |
| 20.0% | $0.55 $0.55 | 高（新兴市场） |
实操提示： 在欧美低利率环境下，Rho对<1年到期的期权影响很小。但对于LEAPS（2-3年）或新兴市场高利率期权，Rho不可忽略。
| 希腊字母 | 符号 | 含义 | ATM Call大致值 | ATM Put大致值 | 方向性 |
|---|---|---|---|---|---|
| Delta | 价格对标的变动敏感度 | +0.50 | -0.50 | 买方做多 | |
| Gamma | Delta对标的变动敏感度 | 0.08 | 0.08 | 买方做多 | |
| Theta | 价格对时间衰减敏感度 | -0.06 | -0.06 | 卖方做多 | |
| Vega | 价格对波动率变动敏感度 | 0.32 | 0.32 | 买方做多 | |
| Rho | 价格对利率变动敏感度 | +0.08 | -0.08 | 买方做多Call |
实用口诀： 期权买方喜欢 、、，讨厌 ；期权卖方刚好相反，喜欢 ，怕 和 。
| 名称 | 符号 | 定义 | 含义 | 应用 |
|---|---|---|---|---|
| Speed | - | Gamma的变化率 | 深虚值期权快速变成平值时 | |
| Charm | - | Delta随时间的变化 | 长期持仓的Delta偏移 | |
| Vanna | - | Delta对波动率的敏感度 | 波动率变化对冲Delta | |
| Volga | - | Vega对波动率的敏感度 | "波动率的波动率"风险 | |
| Zomma | - | Gamma对波动率的敏感度 | 波动率对冲的凸性 |
适用： 强烈看涨，有限亏损无限收益。
案例： 苹果股价$170，买入1手行权价$175的3月到期Call，权利金$5.00/股。
| 到期日股价 | 内在价值 | 盈亏（/合约） |
|---|---|---|
| $160 $0 | -$5.00 -$500 | |
| $175 $0 | -$5.00 -$500 | |
| $180 $5.00 | $0 $0（盈亏平衡） | |
| $190 $15.00 | $10.00 $1,000 | |
| $200 $25.00 | $20.00 $2,000 |
盈亏平衡点：
适用： 强烈看跌，下行保护。
案例： 买入1手标普500 ETF（SPY，价格$450）的行权价$440 Put，权利金$4.00/股。
| 到期日价格 | 盈亏（/合约） |
|---|---|
| $430 $6.00 | $600 |
| $440 -$4.00 | -$400 |
| $440（盈亏平衡） $0 | $0 |
| $450 -$4.00 | -$400 |
盈亏平衡点：
适用： 持有标的资产，预期温和上涨或横盘，通过卖出看涨增强收益。
案例： 持有1000股苹果（$170/股），卖出10手行权价$180，2周后到期的Call，权利金$2.50/股。
| 到期日股价 | 股票盈亏 | 期权盈亏 | 总盈亏 | 总收益率 |
|---|---|---|---|---|
| $160 -$10,000 | +$2,500 -$7,500 | -4.4% | ||
| $170 $0 | +$2,500 +$2,500 | +1.5% | ||
| $180 +$10,000 | +$2,500 +$12,500 | +7.4% | ||
| $190 +$20,000 | -$7,500 +$12,500 | +7.4%（被锁定） |
备兑看涨真实回报数据：
| 标的ETF | 年化收益率增强 | 实现比率 | 回撤降低 |
|---|---|---|---|
| SPY（标普500） | +3-5% | 80% | 无显著降低 |
| QQQ（纳斯达克） | +5-8% | 70% | 略降低 |
| IWM（小盘股） | +4-6% | 75% | 略降低 |
| EEM（新兴市场） | +3-4% | 65% | 降低显著 |
数据来源：CBOE BuyWrite Index（BXM），1998-2024年回测。
保护性看跌（Protective Put）： 持有股票 + 买入看跌期权 = 下跌保险，类似保险中的免赔额。
| 股价变化 | 纯股票 | 保护性看跌（ATM Put） |
|---|---|---|
| 下跌20% | -20% | -权利金（约-2-3%） |
| 上涨20% | +20% | +19%（扣权利金后） |
价差策略是同时买卖不同行权价或不同到期日的期权，以控制风险和成本。
买入低行权价Call + 卖出高行权价Call（相同到期日）
案例： 苹果$170，买入$170 Call（$5.80）+ 卖出$180 Call（$2.50）
| 指标 | 数值 |
|---|---|
| 净支出 | $5.80 - $2.50 = $3.30 |
| 最大利润 | ($180-$170) - $3.30 = $6.70 |
| 最大亏损 | $3.30 |
| 盈亏平衡点 | $170 + $3.30 = $173.30 |
| 最大收益率 | 203% |
与直接买入Call对比：
| 对比项 | 单纯买入Call | 牛市价差 |
|---|---|---|
| 成本 | $5.80 $3.30（-43%） | |
| 最大利润 | 无限 | $6.70 |
| 涨幅需要 | 8.8% | 4.9%盈亏平衡 |
| 胜率 | 约42% | 约55% |
为何使用价差： 降低42%成本，将盈亏平衡点从$180降至$173.30，同时增加胜率。
买入高行权价Put + 卖出低行权价Put（相同到期日）
案例： 苹果$170，买入$165 Put（$3.50）+ 卖出$155 Put（$1.50）
| 指标 | 数值 |
|---|---|
| 净支出 | $3.50 - $1.50 = $2.00 |
| 最大利润 | ($165-$155) - $2.00 = $8.00 |
| 最大亏损 | $2.00 |
| 盈亏平衡点 | $165 - $2.00 = $163.00 |
卖出近月期权 + 买入相同行权价的远月期权，利用时间价值衰减差异获利。
案例： 卖出30天到期ATM Call（$3.20）+ 买入60天到期ATM Call（$5.50），标的$100
关键收益原理： 30天期权的Theta（-0.08/天），30天内近月衰减$3.60，远月衰减$2.40，净赚$1.20。
| 场景（30天后） | 近月期权 | 远月期权 | 日历价差价值 | 盈亏 |
|---|---|---|---|---|
| 股价仍在$100 归零（+$3.20） | 剩30天，价$4.10 $4.10 | +$1.80 | ||
| 股价涨至$105 $5 ITM（+$1.80） 剩30天，价$7.20 | $7.20 +$1.90 | |||
| 股价跌至$95 归零（+$3.20） | 剩30天，价$1.80 $1.80 | -$0.50 |
最佳入场时机： 隐含波动率在正常或低位时。如果IV很高，日历价差建仓成本过高。
买入1份低行权价Call + 卖出2份中间行权价Call + 买入1份高行权价Call
案例： 苹果$170，买入$160 Call（$11.50），卖出2份$170 Call（2×$5.80），买入$180 Call（$2.50）
蝶式变体对比：
| 类型 | 配置 | 适用场景 | 最大利润 |
|---|---|---|---|
| 看涨蝶式 | 买入低/卖出2中/买入高 | 温和看涨 | 中 |
| 看跌蝶式 | 买入低/卖出2中/买入高（Put） | 温和看跌 | 中 |
| 铁蝶式 | Call+Put对称 | 横盘震荡 | 低但双向保护 |
| 破蝶式 | 偏斜行权价 | 偏斜方向预期 | 较高方向性 |
同时买入相同行权价和到期日的Call和Put。
适用： 预期标的资产将大幅波动但方向不确定（如财报公布、央行利率决议前）。
案例： 特斯拉财报前股价$240，买入ATM Call（$12.00）+ ATM Put（$11.50），总成本$23.50
| 到期日股价 | Call盈亏 | Put盈亏 | 总盈亏 |
|---|---|---|---|
| $200 $0 | +$28.50 +$5.00 | ||
| $216.50 $0 | +$12.00 -$11.50 | ||
| $240 $0 | $0 -$23.50（最大亏损） | ||
| $263.50 +$11.50 | $0 -$11.50 | ||
| $280 +$28.00 | $0 +$4.50 |
盈亏平衡： 上行 $263.50，下行 $216.50（各需波动约10%）
跨式 vs 宽跨式成本对比：
| 策略 | 成本 | 需波动方向 | 盈亏平衡距离 |
|---|---|---|---|
| 跨式（ATM） | 高（~$23.50） | 双向 | ±~10% |
| 宽跨式（5% OTM） | 中（~$14.00） | 双向 | ±~16% |
| 逆宽跨式（3% OTM） | 低（~$8.00） | 双向 | ±~22% |
| 市场展望 | 隐含波动率 | 推荐策略 | 风险等级 | 胜率 |
|---|---|---|---|---|
| 强烈看涨 | 低 | 买入看涨 | 高 | ~30% |
| 温和看涨 | 任何 | 牛市价差 | 中 | ~55% |
| 强烈看跌 | 低 | 买入看跌 | 高 | ~25% |
| 温和看跌 | 任何 | 熊市价差 | 中 | ~50% |
| 横盘震荡 | 高 | 卖出跨式/铁鹰 | 中 | ~75% |
| 即将突破 | 低 | 买入跨式 | 中 | ~30% |
| 持有股票+上涨 | 任何 | 备兑看涨 | 低 | ~80% |
| 持有股票+锁利 | 任何 | 领口策略(Collar) | 低 | ~90% |
| 持有股票+保护 | 任何 | 保护性看跌 | 低 | ~95% |
卖出虚值Call + 卖出虚值Put + 买入更虚值的Call + 买入更虚值的Put
适用： 预期标的资产横盘震荡。
案例： SPY $450，卖出$460 Call + 卖出$440 Put（收取权利金）+ 买入$465 Call + 买入$435 Put（支付保护费用）
胜率分析： 假设年化波动率15%，30天到期，价格落在$440-$460区间内的概率约75%。
铁鹰多宽度对比：
| 宽度 | 权利金收入 | 最大亏损 | 盈亏区间 | 胜率 | 损益比 |
|---|---|---|---|---|---|
| $5宽（$440/$445/$455/$460） $0.80 | $4.20 ±$10 | ~55% | 1:5.25 | ||
| $10宽（$440/$450/$455/$465） $1.80 | $8.20 ±$15 | ~65% | 1:4.56 | ||
| $20宽（$435/$445/$455/$465） $2.50 | $17.50 ±$20 | ~75% | 1:7.00 |
实操建议： 铁鹰宽度选择是风险/回报平衡。较宽的铁鹰胜率更高但损益比更差；较窄的铁鹰胜率更低但损益比更好。
持有股票 + 买入保护性看跌 + 卖出备兑看涨。
案例： 持有100股苹果（$170），买入$160 Put（$2.80），卖出$180 Call（$2.50）
| 指标 | 数值 |
|---|---|
| 净成本 | $2.80 - $2.50 = $0.30（净支出） |
| 最大亏损 | ($170-$160) + $0.30 = $10.30/股 |
| 最大利润 | ($180-$170) - $0.30 = $9.70/股 |
| 保护区间 | $160 - $180（约±6%） |
领口 vs 纯保护性看跌：
| 对比 | 纯保护性看跌 | 领口策略 |
|---|---|---|
| 保护成本 | $2.80/股 $0.30/股（降低89%） | |
| 最大亏损 | $12.80/股 $10.30/股 | |
| 上行空间 | 无限 | 锁定$9.70/股 |
| 最佳场景 | 大幅上涨 | 温和上涨+下跌保护 |
| 事件类型 | 常用策略 | 入场时机 | 出场时机 |
|---|---|---|---|
| 财报 | 买入跨式 | 财报前1-5天 | 财报后次日 |
| 利率决议 | 蝶式价差 | 决议前1周 | 决议当日 |
| 并购宣布 | 买入看涨（目标公司） | 消息后回调时 | 并购完成或失败 |
| 产品发布 | 日历价差 | 发布前2周 | 发布后 |
| 交易所调查 | 保护性看跌 | 调查消息后 | 结果公布 |
财报跨式策略历史数据： 以苹果(AAPL)财报为例，2019-2024年财报当天平均波幅：
| 年份 | 财报后次日波幅均值 | 跨式隐含波动 | 实际盈亏 |
|---|---|---|---|
| 2019 | ±3.2% | ±5.0% | 亏损（波幅不够） |
| 2020 | ±5.8% | ±6.5% | 盈亏平衡 |
| 2021 | ±4.1% | ±6.0% | 亏损 |
| 2022 | ±6.5% | ±7.5% | 盈亏平衡 |
| 2023 | ±3.8% | ±5.5% | 亏损 |
| 2024 | ±4.2% | ±6.0% | 亏损 |
结论： 买入财报跨式的胜率通常低于40%。市场会"预判你的预判"，将IV推高到几乎保证卖方盈利的水平。
| 概念 | 定义 | 来源 | 用途 |
|---|---|---|---|
| 历史波动率 HV | 已实现的历史价格波动的标准差 | 历史价格数据 | 判断当前IV是否合理 |
| 隐含波动率 IV | 期权市场价格反推出的预期波动率 | 期权市场价格 | 衡量市场对未来的恐慌/预期 |
隐含波动率是期权市场最重要的情绪指标。 当IV高时（如市场恐慌），期权价格昂贵，卖方有利；当IV低时（如市场平静），期权价格便宜，买方有利。
| 场景 | IV vs HV关系 | 期权价格 | 推荐行动 |
|---|---|---|---|
| 市场恐慌 | IV远高于HV | 昂贵 | 卖出期权 |
| 市场平静 | IV接近HV | 合理 | 方向性交易 |
| 事件前 | IV飙升 | 昂贵 | 事件后卖出 |
| 事件后 | IV骤降 | 低廉 | 买入期权 |
| 长期低位 | IV持续低于HV | 极便宜 | 买入跨式 |
同一天、同一标的、不同行权价的期权隐含波动率并不相同，这形成了波动率微笑或偏斜现象。
典型形状：
| 行权价状态 | 隐含波动率 | 原因 |
|---|---|---|
| 深度ITM Put | 较高 | 市场对极端下跌的保险需求 |
| ATM | 较低 | 正常水平 |
| 深度OTM Call | 较高 | 对大幅上涨的投机需求 |
实际数据——标普500指数期权（2024年数据）：
| 行权价（相对现货） | 隐含波动率 | 解释 |
|---|---|---|
| -30%（OTM Put） | 28% | 极端市场崩盘保险 |
| -10%（OTM Put） | 18% | 普通下跌保护 |
| ATM | 15% | 基准波动率 |
| +10%（OTM Call） | 16% | 上涨预期 |
| +30%（OTM Call） | 22% | 极端上涨投机 |
波动率偏斜（Volatility Skew）： 市场普遍呈现"左偏斜"（OTM Put的IV > OTM Call的IV），反映了投资者对下行风险的避险偏好（肥尾效应）。
偏斜度量化指标：
| 市场 | 25-delta Put IV - 25-delta Call IV | 解释 |
|---|---|---|
| 标普500指数 | +3%至+8% | 强烈左偏，市场持续买入下行保护 |
| 个股（AAPL） | +1%至+4% | 轻微左偏，公司特有风险较低 |
| 个股（TSLA） | +2%至+6% | 中度左偏，估值争议 |
| 比特币 | -2%至+2% | 接近对称，散户多空力量均衡 |
| 中国A股ETF | +5%至+10% | 强烈左偏，政策风险高 |
VIX是标普500指数30天隐含波动率的加权指标，被称为"恐慌指数"：
| VIX范围 | 市场状态 | 典型期权策略 |
|---|---|---|
| <12 | 极度平静 | 买入跨式（低成本博突破） |
| 12-20 | 正常范围 | 方向性交易 |
| 20-30 | 中等恐慌 | 牛市价差/保护性看跌 |
| 30-50 | 严重恐慌 | 卖出跨式（赚取高权利金） |
| >50 | 金融危机 | 谨慎对冲为主 |
历史数据： VIX的历史均值约为17-19，2008年金融危机峰值达80.86，2020年COVID冲击达82.69。
VIX期货升贴水与交易信号：
| VIX期货结构 | 市场含义 | 策略含义 |
|---|---|---|
| 升水（Contango，近月低于远月） | 恐慌消退，市场预期波动归常 | 卖出近月VIX期货（做空波动率） |
| 贴水（Backwardation，近月高于远月） | 恐慌当前，市场预期波动延续 | 买入VIX看涨期权（对冲尾部风险） |
| 风险类型 | 定义 | 量化指标 | 应对策略 |
|---|---|---|---|
| 方向性风险 | 标的资产价格朝不利方向变动 | Delta | Delta对冲 |
| 凸性风险 | Delta快速变化导致的偏差 | Gamma | 调整对冲频率 |
| 时间衰减风险 | 时间价值快速消耗 | Theta | 避免临近到期买入 |
| 波动率风险 | 隐含波动率不利变动 | Vega | 关注IV水平，避免IV高位买入 |
| 流动性风险 | 无法按合理价格平仓 | 买卖价差 | 选择活跃合约 |
| 行权分配风险 | 被提前行权（美式期权） | Dividend risk | 监控短头寸，特别在除息日前 |
| 基差风险 | 对不同标的对冲不完全 | Correlation | 选择高度相关的对冲工具 |
| 跳跃风险 | 价格跳跃导致的Delta对冲失败 | Jump diff model | 增加Greeks缓冲 |
1. 仓位规模
建议规则： 单笔期权交易亏损不应超过账户总资金2-5%。
2. 止损策略
| 策略 | 方法 | 适用场景 |
|---|---|---|
| 固定比例止损 | 亏损达权利金的50%时平仓 | 买入期权 |
| 技术面止损 | 跌破关键支撑位时平仓 | 方向性策略 |
| 时间止损 | 到期前30天平仓（避免Theta加速） | 买入期权 |
| 希腊字母止损 | Delta超过预设阈值时调整 | 复杂组合 |
3. 末日期权警告
到期前最后7天的期权（"末日期权"）具有极高风险：
目标： 管理一个Delta中性的Iron Condor策略
初始头寸： Iron Condor with净Delta = 0，Gamma = -0.05，Theta = +0.15，Vega = -0.10
情景分析：
| 市场变动 | 对组合影响 | 需应对动作 |
|---|---|---|
| 标的上涨$5 | Delta变为+0.25（Gamma效应） | 买入标的对冲或调整头寸 |
| IV上升10% | 亏损约$1.00（Vega×ΔIV） | 若IV已高，可持有等待回落 |
| 时间过去10天 | 盈利约$1.50（Theta × 天数） | 按计划持有 |
| 产品 | 交易所 | 推出时间 | 标的 | 行权方式 |
|---|---|---|---|---|
| 上证50ETF期权 | 上交所 | 2015年2月 | 上证50ETF | 欧式 |
| 沪深300ETF期权 | 上交所/深交所 | 2019年12月 | 沪深300ETF | 欧式 |
| 中证500ETF期权 | 上交所/深交所 | 2022年9月 | 中证500ETF | 欧式 |
| 中证1000ETF期权 | 上交所/深交所 | 2022年12月 | 中证1000ETF | 欧式 |
| 中证1000股指期权 | 中金所 | 2022年7月 | 中证1000指数 | 欧式 |
| 沪深300股指期权 | 中金所 | 2019年12月 | 沪深300指数 | 欧式 |
| 豆粕期权 | 大商所 | 2017年3月 | 豆粕期货 | 美式 |
| 白糖期权 | 郑商所 | 2017年3月 | 白糖期货 | 美式 |
| 铜期权 | 上期所 | 2018年9月 | 铜期货 | 美式 |
| 年份 | 里程碑事件 | 市场影响 |
|---|---|---|
| 2015 | 上证50ETF期权上市 | 中国首个场内期权产品 |
| 2017 | 豆粕、白糖商品期权上市 | 商品期权零突破 |
| 2019 | 沪深300ETF期权+股指期权 | 覆盖大盘蓝筹和股指 |
| 2022 | 中证500/1000系列上市 | 覆盖中小盘，完善产品线 |
| 2023 | 科创50ETF期权征求意见 | 科技企业风险管理工具 |
| 特点 | 说明 |
|---|---|
| 个人投资者门槛 | 证券市值≥50万元，通过知识测试，仿真交易经验 |
| 限仓制度 | 按合约类型设置持仓上限（如50ETF期权限仓10000张） |
| 保证金要求 | 卖方需缴纳保证金（约权利金的20-30%） |
| 交易时间 | 9:30-11:30, 13:00-15:00（与股票一致） |
| 欧式为主 | 多数ETF和股指期权为欧式，期货期权为美式 |
| 波动率偏斜 | 中国期权市场偏斜程度大于美股，下行保护溢价更高 |
| 机构占比偏低 | 散户交易占比较高，投机性更强 |
| 隐含波动率较高 | 平均比成熟市场高3-5% |
| 维度 | 中国 | 美国 |
|---|---|---|
| 品种数量 | 约30个 | 5000+ |
| 日均成交量（合约） | 约500万张 | 约3000万张 |
| 到期周期 | 当月+后续3个月 | 周/月/季/LEAPS |
| 交易时间 | T+0（可盘中平仓） | 盘前/盘中/盘后 |
| 行权交割 | 实物交割为主 | 多数可现金结算 |
| 波动率特征 | IV整体较高，偏斜大 | 相对成熟，波动率较低 |
| 参与者结构 | 散户占比高 | 机构为主 |
| 因素 | 策略影响 | 应对 |
|---|---|---|
| T+1股票交易 | 买入看跌对冲受限 | 优先使用ETF期权 |
| 涨跌停板 | 跳跃风险大，Gamma对冲困难 | 使用更宽的止损 |
| 分红预测难度大 | 美式期权提前行权判断复杂 | 使用欧式期权（ETF/股指） |
| 政策风险高 | 波动率偏斜更大 | 适当提高Put对冲比例 |
| 限仓制度严格 | 大资金策略受限 | 使用多个标的分散 |
| 无周到期 | 短期策略灵活性不足 | 使用当月合约 |
| 交易成本较高 | 高频策略不经济 | 降低对冲频率 |
1. 到期日选择
| 持有周期 | 推荐到期日 | 理由 |
|---|---|---|
| 数天 | 2-4周 | 流动性好，时间衰减尚可接受 |
| 数周 | 2-3月 | 给予足够时间让方向判断兑现 |
| 数月 | 6-12月 | LEAPS，资本支出较大但Theta低 |
| 事件驱动（财报） | 事件后1-2周 | 避免事件后的波动率回落 |
2. 行权价选择
| 策略目标 | 推荐行权价 | Delta范围 | 特点 |
|---|---|---|---|
| 高杠杆博方向 | OTM（5-10%外） | 0.15-0.30 | 成本低但胜率低 |
| 平衡型 | ATM或浅OTM | 0.30-0.50 | 成本适中，胜率适中 |
| 稳健型 | ITM | 0.60-0.80 | 成本高但胜率高 |
| 备兑看涨 | OTM（2-5%外） | 0.15-0.30 | 获得预期收益且保留空间 |
3. 流动性选择
| 流动性等级 | 日成交量 | 买卖价差 | 推荐 |
|---|---|---|---|
| 高 | >1000张 | <$0.10 | 首选 |
| 中 | 100-1000张 | $0.10-$0.30 | 可接受 |
| 低 | 10-100张 | $0.30-$1.00 | 谨慎 |
| 极低 | <10张 | >$1.00 | 避免 |
情景： 2026年3月，预期苹果（AAPL）在4月财报后上涨，当前股价$170。
决策过程：
方案对比：
| 方案 | 操作 | 成本/股 | 最大亏损 | 目标盈利 |
|---|---|---|---|---|
| A: 买入Call | 买入$170 Call $5.80 | $580（全损） $20（+345%） | ||
| B: 牛市价差 | 买入$170 Call+卖出$180 Call | $3.30 $330 | $6.70（+203%） | |
| C: 备兑看涨 | 持有100股+卖出$180 Call cash secured 股价下跌风险 $2.50/股 |
选择方案B（牛市价差）： 成本较低，收益/风险比约2:1。
执行与监控：
| 时间 | 苹果股价 | 头寸价值 | Gamma | 操作 |
|---|---|---|---|---|
| 建仓日 | $170 -$3.30 | 0.06 | 建立头寸 | |
| 第15天 | $172 -$1.80 | 0.08 | 持有 | |
| 第30天（财报） | $183 +$6.50 | 0.04 | 可平仓+197% | |
| 到期日 | $180 +$6.70 | 0 | 自动行权（最大利润） |
总结： 投入$330，持有30天后获利$650（+197%），年化收益率约2400%。
| 维度 | 期权 | 期货 | 远期 | 掉期 |
|---|---|---|---|---|
| 权利/义务 | 权利非义务 | 双向义务 | 双向义务 | 双向义务 |
| 前期成本 | 权利金 | 保证金 | 无 | 无 |
| 最大亏损 | 有限（买方） | 无限 | 无限 | 无限 |
| 杠杆 | 高 | 高 | 高 | 中 |
| 灵活性 | 极高 | 低 | 极低 | 低 |
| 流动性 | 高（标的市场） | 极高 | 低 | 场外 |
| 定价复杂度 | 复杂（BS/二叉树） | 简单 | 简单 | 中等 |
背景： 散户通过Reddit联合推高GME股价，做空机构被迫回补。
期权市场数据分析：
| 日期 | GME股价 | ATM Call IV | Gamma敞口变化 |
|---|---|---|---|
| 1月12日 | $19.95 | 100% | 正常 |
| 1月22日 | $65.01 | 300% | 市场做市商大量买入对冲 |
| 1月27日 | $347.51 | 500%+ | 异常Gamma挤压 |
| 1月28日 | $483.00 | 800%+ | 做市商被迫反循环买入 |
| 2月5日 | $63.77 | 150% | 回归 |
关键机制： 散户买入OTM Call → 做市商卖出Call → 做市商买入股票对冲Delta → 股价上涨 → Call变为ITM → Delta更高 → 买入更多股票 → 股价进一步上涨。这个正反馈循环就是"Gamma Squeeze"。
启示：
背景： 俄乌战争引发镍价暴涨，青山控股持有的镍期货空头面临巨亏。青山使用镍期权进行部分对冲。
| 时间 | LME镍价 | 关键事件 |
|---|---|---|
| 3月4日 | $29,000 | 镍价开始飙升 |
| 3月7日 | $48,000（+72%） | LME提高保证金 |
| 3月8日 | $101,365 | LME暂停镍交易 |
| 3月16日 | 恢复交易 | 设置涨跌停板 |
期权教训： 面对极端市场事件，期权对冲的基础资产流动性枯竭可能使期权无法有效行权。
背景： 英国2022年迷你预算导致国债收益率飙升，养老金使用的利率掉期+期权组合触发追加保证金。
策略分析： 英国养老金使用LDI（负债驱动投资）策略，包含大量利率期权对冲。当利率飙升时：
启示： 期权对冲在极端市场条件下的"流动性螺旋"效应不可忽视。
| 交易类型 | 美国税务处理 | 中国税务处理 |
|---|---|---|
| 买入平仓（获利） | 短期利得（<1年税务） | 金融商品转让收入 |
| 买入平仓（亏损） | 可抵扣$3000/年（超出部分递延） | 亏损可抵扣（相同纳税年度内） |
| 到期失效 | 视为资本亏损 | 可抵扣 |
| 期权行权（Call买入） | 成本加权利金计入股票成本 | 算入股票成本 |
| Covered Call卖出 | 权利金计入股票成本（减成本） | 算入股票成本 |
| 卖出期权（裸卖） | 视同交易时间决定长短期 | 按权责发生制 |
核心逻辑： 隐含波动率系统性地高于已实现波动率（约1.5-3%的溢价），卖出期权收取溢价。
CBOE指数历史回测：
| 指数 | 策略 | 年化收益率 | 最大回撤 | Sharpe |
|---|---|---|---|---|
| BXM | 买入标普500+卖出ATM Call | 9.1% | -38% | 0.55 |
| PUT | 买入标普500+卖出ATM Put | 10.5% | -52% | 0.48 |
| BXMD | 买入标普500+卖出30delta Call | 10.2% | -36% | 0.62 |
| SPX | 标普500（基准） | 10.0% | -55% | 0.43 |
数据来源： CBOE BuyWrite/Monthly Index系列，1998-2024年。
结论： 备兑看涨策略（BXM）在波动率溢价回收期表现优于纯股票，但在趋势牛市中跑输。
交易前：
交易中：
交易后：
1. "期权杠杆高就能赚大钱"
实际上，高杠杆也意味着高Theta消耗。统计显示约80%的OTM期权到期作废。
2. "卖出期权风险无限，不能碰"
虽然裸卖空Call理论上风险无限，但通过价差策略、备兑策略可以控制风险。关键在于仓位管理。
3. "快到期的期权便宜，值得买"
末日期权看似价格低廉，但虚值概率极高。买入末日OTM Call的成功率通常低于5%。
4. "只看方向不顾波动率"
即使方向判断正确，如果在IV高位买入期权，波动率回落可能抵消方向收益（"双杀"效应）。
| 情景 | 方向判断 | IV变化 | 实际结果 | 原因 |
|---|---|---|---|---|
| A | ✅ 上涨 | 低→高 | 大幅盈利 | 方向和IV均有利 |
| B | ✅ 上涨 | 高→低 | 小幅亏损 | IV回落抵消方向收益 |
| C | ❌ 下跌 | 高→高 | 大幅亏损 | 方向和IV均不利 |
5. "期权可以无限持有"
期权有到期日。即使判断正确，时间可能不够。选择到期日时，始终给自己"时间缓冲"。
6. "我看到的期权价格应该立即成交"
实际交易中有买卖价差（Bid-Ask Spread），买入时比中间价高，卖出时比中间价低。不要只看中间价做决策。
7. "期权行权才有利润"
大部分期权交易在到期前平仓获利。实际统计中，只有约**10-15%**的期权被实际行权，其余在到期前平仓或作废。