期权的各种套利分类

标的方向、波动率

期权的交易策略主要可以分为两大类,一类是交易标的方向,另一类是交易波动率

目前市场上基本把所有不考虑标的方向、纯交易期权波动率的策略都统称为“波动率套利”策略。(做“波动率套利”的交易员们不愿意(或没有能力)预测期权标的的涨跌方向,他们仅交易“市场变动幅度”,即“波动率”这一指标)

无风险、统计

套利分为两种,一种是无风险套利,一种是统计套利。无风险套利一般指当市场中出现的一些违背数学等式的情况时进行交易。此类套利由于不承担市场的任何风险,无论出现涨跌这部分收益都已在开仓时锁定,因此被称头无风险套利。例如,在期权交易领域,期权平价公式就为我们举了一个很好的例子,当出现认购期权价格与行权价的现值之和不等于认沽期权与标的证券现价时就可以进行无风险套利。

另外一种套利是统计套利,即交易的对象之间只是存在某种统计上的相关性(比如两只同类型股票之间可能存在近似的线性关系),并不一定存在严格的数学关系。然而统计的样本变多后,能够在胜率上体现出一定的优势,即便不能保证百分百盈利,但是高胜率的策略还是受欢迎的。

同一期权的隐含波动率与预测波动率套利

首先需要构建一个未来波动率曲面的预测模型,然后从过去的价格数据中推测出未来一段时间内的波动率预测值,由于隐含波动率是反映了当前全市场交易者对未来一段时间内的波动率预期值,通常预测出的波动率与隐含波动率通常不是一个数。

当对自己预测值非常有信心时,就可以在隐含波动率高于预测值时卖出期权低于预测值时买入期权,然后通过买入或卖出标的将组合调整为delta中性,以此来进行波动率套利。

波动率 skew 套利

波动率偏斜曲线(skew)是同一月份所有行权价认购期权或认沽期权连成的曲线,这根曲线的形状通常会是一个半边笑,或是微笑的状态。

当这根曲线的形状偏离了历史上大部分的形状,那么波动率skew套利的机会或许就来临了,比如波动率偏斜曲线在某个行权价处显得特别高,形成了一个凸点,那么可以试图卖出这个行权价的期权,买入它两侧行权价的期权,调整买卖数量保持 delta中性,以期待从波动率skew曲线回归到正常状态后平仓获利。

波动率 cone 套利

波动率圆锥曲线(cone)主要是用不同月份的平值认购期权或认沽期权连成的曲线,这根曲线的形状通常会是向上或向下单边倾斜的曲线。当这根曲线的形状偏离了历史上大部分的形状,那么波动率cone套利的机会或许就来临了

比如波动率圆锥曲线在某个月份处显得特别突出,形成了一个凸点,与上skew套利类似,可以试图卖出这个月份的平值期权,买入前后两个月的平值期权,将买卖数量调整为delta中性,当波动率cone曲线回归到正常状态后就可以平仓获利。

波动率曲面套利

波动率是有均值回归的特性的。

当我们通过模型计算出某期权的隐含波动率与通过 BS公式反算的隐含波动率进行对比,其中一定存在着一些差异性的,因此可以找到每日最被高估和低估的期权合约,分别卖出和买入,要保证卖出与买入的期权类型为同一类(否则将无法配平delta),接着通过合约的持仓数量,形成 delta 中性,从而赚取波动率估值回归的收益

Vega策略和Gamma策略

所谓的Gamma策略,一般指的是标的市场价格发生大幅波动时,策略获得盈利。Gamma策略本身依据的逻辑并不是均值回归,因为Gamma依赖的是标的资产的价格发生变动而产生的收益。尽管价格有时也会依据均线逻辑发生回归现象,但这明显不是我们关注的范畴。

Vega 策略,是波动率将会围绕长期均值上下波动。因为波动率许多时候是人交易标的资产所产生的情绪变化导致的,从长期来说,大多数投资者不是死多头或死空头,而是理性的,情绪中性的,倾向于由“极端状态回归“正常状态”,因此围绕它来进行上下套利是符合逻辑的。

举例,论文中使用的Vega策略

把在文中拟合的隐含波动率动态曲面和与真实世界中的隐含波动率曲面做比较,当隐含波动率曲面出现明显套利机会时,低买高卖,保持开仓时的delta中性,然后收敛后进行平仓操作

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/796365.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Python向带有SSL/TSL认证服务器发送网络请求小实践(附并发http请求实现asyncio+aiohttp)

1. 写在前面 最近工作中遇到这样的一个场景:给客户发送文件的时候,为保证整个过程中,文件不会被篡改,需要在发送文件之间, 对发送的文件进行签名, 而整个签名系统是另外一个团队做的, 提供了一…

基于Whisper的实时语音识别(1): 流式显示视频帧和音频帧

Whistream (微流)是基于openai-whisper 大语音模型下的流式语音识别工具 本期主要介绍实时显示工具Whishow,可以实时逐帧显示视频流(RTSP/RTMP)和离线文件(mp4,avi等) 下载地址:ht…

京东云16核64G云服务器租用优惠价格500元1个月、5168元一年,35M带宽

京东云16核64G云服务器租用优惠价格500元1个月、5168元一年,35M带宽,配置为:16C64G-450G SSD系统盘-35M带宽-8000G月流量 华北-北京,京东云活动页面 yunfuwuqiba.com/go/jd 活动链接打开如下图: 京东云16核64G云服务器…

基于YOLOv8的铁路工人安全作业检测系统

💡💡💡本文摘要:基于YOLOv8的铁路工人安全作业检测系统,属于小目标检测范畴,并阐述了整个数据制作和训练可视化过程, 博主简介 AI小怪兽,YOLO骨灰级玩家,1&#xff0…

图像过曝、低照度下Gamma矫正

由于项目场景的需要&#xff0c;Gamma变换在进行使用过程中可以对于图像的对比度进行调节&#xff0c;对过曝和低照度场景下对图像轮廓进行调节。按照论文里给的理论&#xff0c;加了一行代码实现灰度图像的自适应变换&#xff0c;进行一下记录。 #include <opencv2/opencv…

鸿运(通天星CMSV6车载)主动安全监控云平台inspect_file/upload存在任意文件上传漏洞

声明&#xff1a; 本文仅用于技术交流&#xff0c;请勿用于非法用途 由于传播、利用此文所提供的信息而造成的任何直接或者间接的后果及损失&#xff0c;均由使用者本人负责&#xff0c;文章作者不为此承担任何责任。 简介 鸿运(通天星CMSV6车载)主动安全监控云平台实现对计…

机器学习概念:监督学习、无监督学习、回归、聚类

监督学习&#xff08;Supervised Learning&#xff09;&#xff1a; 在监督学习中&#xff0c;训练数据包含了输入特征&#xff0c;和相应的标签&#xff08;目标值&#xff09;。监督学习的目标是学习一个从输入到输出的映射&#xff0c;使得模型能够根据输入预测相应的输出。…

双连通分量算法

1. 连通图概念 连通图&#xff1a;无向图任意两点之间存在通路。 强连通&#xff1a;有向图&#xff08;前提&#xff09;中&#xff0c;任意两点都有至少一条通路&#xff0c;则此图为强连通图。 弱连通图&#xff1a;将有向图的有向边换成无向边得到的图是连通图&#xff0c…

初识二叉树和二叉树的基本操作

目录 一、树 1.什么是树 2. 与树相关的概念 二、二叉树 1.什么是二叉树 2.二叉树特点 3.满二叉树与完全二叉树 4.二叉树性质 相关题目&#xff1a; 5.二叉树的存储 6.二叉树的遍历和基本操作 二叉树的遍历 二叉树的基本操作 一、树 1.什么是树 子树是不相交的;…

计算机网络——37认证

认证 目标&#xff1a;Bob需要Alice证明他的身份 Protocol ap1.0&#xff1a;Alice说"A am Alice" 可能出现的问题&#xff1a; 在网络上Bob看不到Alice&#xff0c;因此Trudy可以简单的声称他是Alice 认证&#xff1a;重新尝试 Protocol ap2.0&#xff1a;Alice…

CSS编写登录框样式

/* 重置浏览器默认样式 */ * { margin: 0; padding: 0; box-sizing: border-box; } /* 设置登录框的基本样式 */ .login-box { width: 100%; max-width: 400px; margin: 50px auto; background-color: #f4f4f4; padding: 20px; box-shad…

影院座位选择简易实现(uniapp)

界面展示 主要使用到uniap中的movable-area&#xff0c;和movable-view组件实现。 代码逻辑分析 1、使用movable-area和movea-view组件&#xff0c;用于座位展示 <div class"ui-seat__box"><movable-area class"ui-movableArea"><movab…

【毕业论文】酒店价格采集与可视化查询设计与实现开题报告2000字

酒店价格采集与可视化查询设计与实现开题报告 研究背景 随着互联网技术的飞速发展&#xff0c;人们获取信息的途径越来越多样化。特别是在旅游行业中&#xff0c;消费者对于酒店价格的透明度和实时性要求越来越高。美团、大众点评、抖音等平台作为信息聚合和分享的重要渠道&a…

力扣---***********LRU 缓存***********

请你设计并实现一个满足 LRU (最近最少使用) 缓存 约束的数据结构。 实现 LRUCache 类&#xff1a; LRUCache(int capacity) 以 正整数 作为容量 capacity 初始化 LRU 缓存int get(int key) 如果关键字 key 存在于缓存中&#xff0c;则返回关键字的值&#xff0c;否则返回 -…

Flutter开发进阶之错误信息

Flutter开发进阶之错误信息 在Flutter开发中错误信息通常是由Exception和Error表示&#xff0c;Error表示严重且不可恢复的错误&#xff0c;一般会导致程序直接终止&#xff0c;而Exception可以被显式抛出&#xff0c;一般为代码逻辑错误&#xff0c;根据Flutter的解释说Excep…

Vue3:对ref、reactive的一个性能优化API

一、情景说明 我们知道&#xff0c;在Vue3中&#xff0c;想要创建响应式的变量&#xff0c;就要用到ref、reactive来包裹一下数据即可。 但是&#xff0c;这里有个损耗性能的地方 就是&#xff0c;被它包裹的数据&#xff0c;都会构建成响应式的&#xff0c;无论多少层次&…

【opencv】示例-aruco_dict_utils.cpp 计算 ArUco 字典度量

该程序可用于计算 ArUco 字典度量。 要计算考虑翻转标记的指标&#xff0c;请使用 -r 标志。 该程序可用于创建和编写自定义 ArUco 词典。 #include <opencv2/objdetect/aruco_detector.hpp> // 包含aruco marker检测相关功能的头文件 #include <iostream> // 包含…

数码视讯Q7盒子刷armbian遇到的坑之二

继续&#xff0c;nand的q7 搜遍全网&#xff0c;这个盒子能用的安卓映像有两个&#xff0c;一个本站付费下载的那个&#xff0c;另一个是20191218-Q7-nand-4.4.2-root-twrp-Milton这个映像&#xff08;具体地址自己搜索吧&#xff09;。第一个需要license&#xff0c;需要自己…

如何在 Ubuntu 上安装和配置 Tomcat 服务器?

简介&#xff1a;最近有粉丝朋友在问如何在 Ubuntu 上安装和配置 Tomcat 服务器&#xff1f;今天特地写这篇文章进行解答&#xff0c;希望能够帮助到大家。 文章目录 Ubuntu上安装和配置Tomcat的详细步骤Tomcat在Linux环境下的安装与配置一、下载并上传Tomcat压缩包二、启动To…

云架构(三) 防腐层模式

Anti-corruption Layer pattern (https://learn.microsoft.com/en-us/azure/architecture/patterns/anti-corruption-layer) 简单描述 实现一个门面或者适配层在新应用和历史遗留程序之间。在不同的系统之间实现一个门面或者适配层&#xff0c;不需要使用相同的语义。它在不…