本文来源：fofpower (ID:fofpower)，作者：私募云通
期权，带有神秘魅力的衍生品之一，如今已被广泛地应用于风险管理、资产配置和产品创新等领域，成为全球场内市场最为活跃的衍生产品之一。
据2010年美国期权业协会（OIC）进行的一项调查显示，在来自美国本土的607个投资顾问机构中，48%的投资顾问机构利用期权管理其客户资产；其中，在管理资产规模超过一千万美元的投资顾问机构中，使用期权的比例高达85%。芝加哥期权交易所首席讲师James Bittman表示，根据美国几十年的交易历史数据统计，整体而言，使用期权的基金回报率要远远高于不使用的基金。
可见，期权在基金市场大有可为。在可以预见的未来，中国金融市场期权基金的家族成员会更加丰富。那么，如何对这类基金进行解读呢？
云通期权多因子模型，带你揭开期权基金的神秘面纱。
0
1
持仓信息已知的期权基金
根据基金披露信息的不同，我们将基金简单分为“已知持仓的基金”和“未知持仓的基金”，期权基金同样如此。在这一部分，我们首先对已经掌握了持仓信息的期权基金进行解读。
根据基金持有的金融产品品种的不同，可以将相关基金分为两类进行分析：
①“期权+固定收益”基金
②“期权+期货”基金
对于类型①基金，该类基金经理将固定收益类产品设置为“安全垫”，期权策略的收益主要来源于希腊字母暴露。在云通期权基金收益归因模型中，构建期权希腊字母多因子模型，对策略进行收益归因分析。
对于类型②基金，期货可以与期权进行组合投资以此构建特定的希腊字母暴露策略，基金经理主要意图是使用期货对冲期权的特定风险。因此，我们除了利用期权希腊字母多因子模型分析基金收益来源，还可以进一步拓展至分别计算当基金采取不同对冲策略（delta hedge, gamma hedge, etc.）时，基金的收益来源。
下面以“期权+固定收益”基金为例，简单介绍云通期权基金收益归因模型在持仓信息已知的情况下是如何发挥作用的。
对于持仓信息已知的期权基金，基金归因模型的核心是构建希腊字母因子。期权的希腊字母衡量了期权价格对标的资产的各类信息的敏感程度，我们采用Taylor公式来分析期权策略的收益来源：
表1：云通期权基金归因模型-希腊字母因子
我们知道，量化投资的风险与收益的源头是因子暴露，基金经理当期的因子找得好，未来的组合就更可能获得超额收益。对于期权基金同样如此，当该期权基金经理选择的希腊字母因子暴露符合市场行情时，期权策略就能够赚取特点风险带来的收益。
利用云通期权基金希腊字母因子模型，可以直观地看清特定时间区间内，该基金经理主动暴露了哪些因子头寸、控制了哪些希腊字母保持中性化，从而可以剖析期权组合所获得带来的收益来自于哪类特定风险。
具体而言，若模型分析出某一期权组合主要暴露Delta，则可判断出该组合旨在实行“方向性策略”，当标的走势与Delta方向一致时，该组合将获得收益，否则面临亏损；
若模型分析出某一期权组合主要暴露Gamma和Vega，且Delta被对冲为中性，则可判断出该组合实行“波动率策略”，当市场的波动率变动与暴露的因子头寸一致时，该组合获利。
进一步，可利用该模型对期权基金收益进行归因。以下列收益归因图为例，对某一期权组合做简单分析：该组合的收益主要来自于Gamma因子和Delta因子，说明该基金经理对市场走势及市场波动率的判断是基本正确的，这些判断是组合的大部分收益来源；Theta因子暴露为负，时间的流逝为组合带来负收益，该组合的亏损主要来源于时间价值的衰减。
花无百日红，在不同的行情中，能获利的因子是不一样的。因此，只有能够结合对市场行情判断、有选择性地暴露特定风险的基金经理，才可能获取特定风险带来的收益。因此，云通期权基金多因子模型支持子样本归因分析，便于直观分析不同市道下、不同行情下，各基金的表现。例如，在上涨行情中，选择正向 Delta 暴露的期权策略是正确的决策；在波动率上涨行情，优秀的期权基金经理应该选择正向 Gamma 暴露和 Vega 暴露的期权策略。
0
2
持仓信息未知的期权基金
在这种情况下，我们仅能获得基金净值数据，无法获得持仓数据。由于信息条件有限，云通引用Agarwal-Naik期权归因方法，构建另一套适用的多因子模型。在运用该模型时，无需限制该基金持有的金融产品类型。
由于基金收益可能来源于期权类产品或者非期权类产品，云通构建两组不同的因子（buy-and-hold and option-based risk factors）来对基金的超额收益率进行分解，即：
该模型的核心思路是通过逐步回归法获得能够最大程度解释模型的因子，并分解超额收益来源。云通多因子模型部分因子展示如下：
表2：云通多因子模型部分因子一览
其中，Buy-and-hold因子组从云通原有因子库中精选而来，涵盖所有主流金融产品；在Option-based因子组中，引用Agarwal-Naik期权归因方法，结合中国金融市场情况，构建了四个基于期权的因子——ATM-Call、ATM-Put、OTM-Call、OTM-Put。运用该模型，可以较为准确地给出仓位模拟结果，分析期权类基金的大类资产占比情况、风格因子占比情况，及期权头寸暴露情况。
云通期权基金业绩归因模型的用处还远远不止于此，想进一步了解的小伙伴，欢迎持续关注云小通哦~下期节目更精彩，敬请期待！
▼
往期精彩回顾▼【云通量化多因子】【云通量化多因子】Barra风格因子模型实用攻略（上）【云通量化多因子】撩拨神经的多因子模型真的把麦粒和麦糠分开了吗？（上篇）【资产配置】【云通原创】FOFPower助力资产配置——BL模型篇【云通原创】FOFPower助力资产配置——风险平价（RP）模型篇【云通原创】FOFPower助力资产配置——均值-方差（MV）模型篇【芳华系列】中欧基金——周应波【芳华系列】国海富兰克林——赵晓东【云通报告】【绩优池月报】私募云通绩优池基金11月分析报告（附上榜基金）
欢迎点击菜单栏“产品体验—申请试用”
原标题《【云通量化多因子】期权多因子模型——揭开期权基金的神秘面纱》
|
|
转播
