什么是期权市场的PCR指标?

论坛 期权论坛 期权     
真格量化   2019-10-31 02:43   5553   0
衍生品投资者经常关注PCR值,那么什么是PCR值呢?


期权市场的看跌看涨比率,也称PCR值。常见的PCR值有成交量PCR、成交额PCR和持仓量PCR三种指标,表示某一标的对应的看跌期权合约与看涨期权合约成交量(成交额或持仓量)的比值,作为期权市场特有信息,在成熟的金融市场通常被用于市场情绪测度及标的走势预测。









在期货技术分析中,判断价格走势可以结合价格、成交量、持仓量三者来分析衡量。目前国内市场上市的以ETF或期货合约为标的的衍生品——期权合约,其本身就表达了投资者对于底层资产走势的看法,就如买入看涨期权是基于看多标的、买入看跌期权是看空标的等,所以期权合约的成交持仓数据对于把握市场情绪和预测标的变化又提供了一个有效的、直接的指标。


在实际应用中,PCR值通常被作为市场反向指标使用。如果PCR值攀升至极端高位,则标志着市场已处于超卖状态,是看多市场的信号;如果数值处于极端低值,则是一个负向的警告信号,表明市场可能已处于超买状态,是看空市场的信号。


我们将通过一些50ETF的PCR的数据,探讨上证vix.shtml" target="_blank" class="relatedlink">50ETF期权成交量与持仓量PCR值的统计特性和实际应用。


PCR数据的选取


看跌看涨比率的构建分为两种:


一种是成交量PCR,即当日看跌期权成交量与当日看涨期权成交量的比值,此处的成交量包括了正在交易的不同交割月份、不同执行价格的所有合约。









另一种为持仓量PCR,即当日看跌期权持仓量与当日看涨期权持仓量比值,此处的持仓量同样包括不同交割月份和不同执行价格的所有合约。











上述两种PCR指标互有优劣,成交量PCR仅考虑一定时期内成交的期权数量,具有较高的时效性,能够迅速反映市场情绪和风格的转变,从而为投资决策提供更加可靠的依据。不过,由于其只考虑每个周期内的成交量,当某个时段内看涨期权的成交量很低时,就会使指标值异常大,产生较大的扰动性。持仓量PCR根据每个时点的持仓总量计算得出,在数值上具有很高的稳定性,短期之内的变动很小,这就使其善于捕捉长期的趋势性变化,而难以反映短期的情绪波动及风格转换。


投资者一般偏好选取上证50ETF期权上市以来的成交量和持仓量数据,辅之同期的标的行情信息,对日度周期的成交量PCR和持仓量PCR作对比研究。











由上表可知,两类PCR值的均值相差无几,其中成交量PCR在0.461—1.289之间波动,而持仓量PCR值波动范围更大,其值域为0.332—1.65。


应用价值


通常而言,期权作为一种买方选择权,买方在付出一定的权利金后只拥有权利,而不承担义务。在市场整体趋势不明朗的环境下,投资者单纯做多或做空都会承担较大的风险,此时即可利用期权,通过一定的权利金成本获得未来价格与预期走势相同而产生的收益。一般而言,预期标的资产未来价格将上涨时,投资者倾向于买入看涨期权,而当预期价格很可能下跌时,投资者则会买入看跌期权。因此,由期权构建的看涨看跌比率就成为市场情绪的良好反映指标。


当市场走势偏弱,预期很可能下跌时,投资者往往大量买入看跌期权,这就会导致PCR比率偏高,而底层资产很有可能在达到一定幅度后触底反弹;当市场逐步走强时,投资者则会大量涌入多头,使得PCR比率偏低,底层资产则可能在触顶后产生回调。


结合上证50ETF期权价格数据来看,成交量PCR与标的资产价格相关系数为-0.14,此结果较为符合预期,即成交量PCR更多地作为反转信号。当大多数投资者均看空市场,买入看跌期权时,此时价格很可能触底反弹,而当大多数投资者看多市场,买入看涨期权时,价格则很可能承压下跌。另外,持仓量PCR值与标的资产价格则成正比0.15,这是由于持仓量PCR在计算时均以前期已经持有的期权量为基础,故而其走势体现出一定的趋势性特征。


需要注意的是,从目前的统计上看,PCR值与标的资产价格长期表现的相关性都较弱,作为预测长期趋势行情的应用价值低,估计是一方面是由于期权上市时间较短,缺乏更多数据支持;另一方面是国内投资者期权交易经验有限,交易信息价值本身有所局限。而期权PCR作为短期的预测指标,例如在超过某个阈值时作为第二天底层资产看涨或看跌的信号往往有更好的预测效果。


投资者一般以期权看跌看涨比率为主要研究对象,基于PCR指标的统计分布,并考察其与标的期货走势之间的相关性,针对成交量PCR设计采用反转交易策略,针对持仓量PCR设计采用趋势交易策略。在实践中50ETF期权成交量PCR作为指标的参考意义更大,策略表现更加稳健。而在其他的商品期权市场是否有类似规律,投资者可以用真格量化等工具自行研究。



— — — — — — 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

[h1]一个Call搅动市场?让我们温习一下波动率策略[/h1][h1]如何用真格量化设计持仓排名跟踪策略[/h1][h1]还不理解真格量化API设计?我们不妨参考一下CTP平台[/h1][h1]理解同步、异步、阻塞与非阻塞[/h1][h1]隐波相关系数和偏度——高维风险的守望者[/h1]Delta中性还不够?——看看如何设计Gamma中性期权策略

[h1]Python的多线程和多进程——从一个爬虫任务谈起[/h1]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
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

如何利用期权改进指数投资表现——借鉴海外市场经验
如何用期权进行“哑铃型”资产配置——“90/10”策略介绍
国外著名商品指数编制方法比较
FPGA技术在金融行业的应用——以沪深行情加速为例
美国市场对部分高频交易行为的监管

报价驱动制度与指令驱动制度比较
理解动量投资策略和逆向投资策略——通过行为金融学视角

期权做市商面临的风险及其对做市业务的影响

商品期权在现货企业中的应用
期权进行套期保值的优势与策略分类

COT报告揭秘——如何解读CFTC的持仓报告
什么是“零拷贝”技术

跨市场套利——策略简介与风险因素







分享到 :
1 人收藏
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

积分:870
帖子:180
精华:0
期权论坛 期权论坛
发布
内容

下载期权论坛手机APP