发现策略中的孪生兄弟——期权交易中的等价或相似策略解析

所谓策略等价性,是指构造形式不同的两个或多个策略,其到期损益结构相同或相似,这些策略便可称为等价性策略。

 

 

以大商所豆粕期权为例,当豆粕期货价格为2950元/吨时,假设投资者构造了如下两个策略:

 

一是买入1手一个月后到期、执行价格为2950元/吨的平值看涨期权,付出权利金80元/吨;

 

二是投资者买入1手豆粕期货,同时买入1手相同到期日、执行价格为2950元/吨的平值看跌期权,付出权利金80元/吨。

 

在此我们先忽略交易手续费,两个策略的损益结构如下图所示。从下图来看,两个策略的损益结构相同,它们便成为等价策略。基于相等头寸概念构造而成的等价策略,其特点在于忽略构造成本的话,损益结构几乎完全相同。

下表列举了常见的等价头寸:

 

 除了纯粹的等价头寸策略,还有一些策略损益结构不完全相同,但极其类似,也可以归结为等价策略,例如蝶式期权组合策略与日历期权组合策略。

 

 一是蝶式期权组合策略:共4个到期日相同的期权头寸,包括卖空2手中间执行价格的看涨期权,同时买入两端执行价格的看涨期权各1手。

 

 

 

 二是日历期权组合策略:共2个头寸,包括卖出1手短期平值看涨期权,同时买入1手长期平值看涨期权。

 

对比上图可知,两个策略损益结构类似,都属于风险收益有限的“区间内盈利、区间外亏损”结构。不同点在于,蝶式期权组合到期损益图中,最大风险、收益、损益平衡点更加明确,而日历期权组合策略的这些特征则依据波动率、不同到期日的期权头寸的时间价值衰减程度而定。总体来说,二者具有一定的替代性。

 

类似的还有正(反)向比率期权组合和卖出(买入)跨式期权组合,虽然它们的损益结构无法做到精确对等,但在盈利方式上,从实现投资目的来说,二者是比较相似的。事实上,具有等价性的策略组合还有很多,我们可以使用真格量化等工具进行广泛的研究。

 

由于策略间存在等价性或较高的相似性,实际交易中该如何取舍呢?一方面,投资者需要熟知策略间的等价关系,以便遴选投资策略;另一方面,投资者还需要从构造成本和交易灵活性两个角度进行权衡。

 

从构造成本角度讲,两个等价策略所涉及的头寸数量通常是不同的,出于成本考虑,要尽量选择头寸少、构造成本低的,来降低交易执行的难度。

 

从交易灵活性角度讲,涉及头寸流动性好,后期便于调整的策略应优先考虑。以卖出深度实值看涨期权和卖出深度虚值看跌期权两个策略为例,在标的物的价格处在一定区间范围内时,两者是近似策略,且前者构造成本往往还低于后者,但深度实值期权流动性往往差于深度虚值期权。对有调整头寸计划的投资者而言,选择后一个策略也许更胜一筹。

 

当我们面临各种等价或相似策略的选择,需要较快地决定采用何种策略时,也可以利用真格量化来对各个策略进行盈利空间、流动性、交易成本等方面的评估,在短时间内迅速发现最合适的策略。

— — — — — — E N D — — — — — —

 

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

 


 

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

期权用于套期保值和无风险套利

隐含波动率对期权策略的影响

卖出期权交易的风险管理原则和技巧

期权交易中的“大头针”风险

期权做市商策略简介

精细化您的交易——交易成本评估与交易执行策略

海外市场交易执行策略的实践

设计期权套期保值方案时应注意的问题

美式期权、欧式期权比较分析——定价与风险管理

构建您的AI时代武器库——常用的机器学习相关Python库

期权波动率“微笑曲线”之谜

运算任务愈发繁重,如何加速Python程序运行?

证券市场微观结构理论模型是什么

是瞬间成交还是漫长等待?——如何衡量市场流动性

波动率指数及其衍生品介绍

Python的异常处理技巧

Python中的阻塞、异步与协程

"香草"之外的更多选择——几种常见的路径依赖奇异期权

什么是CTP?——了解上期所CTP快速交易系统

了解季节性——以谷物和油籽为例

是前因还是后果?——在真格量化中进行格兰杰因果检验

Python导入模块的技巧

Python程序员常犯的十个错误

搜索数据泄露天机?——舆情指数与期货行情关联性分析思路

机器学习常见算法分类汇总

如何使用Data Pipeline 自动化数据处理工作?

CTP API的委托介绍和在真格量化中的订单流控制

高频交易对市场的影响

期货行情及其组织形式——以上期所为例

理解并行与并发

郑商所和大商所套利指令及在真格量化的实现

机器学习用于金融市场预测面临的挑战

高频交易中风险控制的常用措施

查询结果偏离预期?来了解CTP的报单函数及委托状态查询

Python中的ftplib模块

理解真格量化的Python编程范式

需要处理大量市场数据?来了解一下MySQL、HBase、ES的特点和应用场景

NumPy中的ndarray与Pandas的Series和DataFrame之间的区别与转换

Python中的scikit-learn机器学习功能库

什么是程序设计中的高内聚、低耦合?

Python的内存管理与垃圾回收机制

云服务中的容器技术

什么是“面向对象”程序设计-以Python为例

波动率介绍及其在资产定价中的应用

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值