如何利用期权改进指数投资表现——借鉴海外市场经验

论坛 › 期权论坛 › 期权

 真格量化  2019-10-11 09:53  5243  0

近年来，中国vix.shtml" target="_blank" class="relatedlink">50ETF期权市场成交逐步活跃，越来越多的机构和投资者开始关注并加入其中。而在海外市场，期权早已是一种非常成熟的投资工具。因独有的特性，可以在各种市场行情中把握住投资机会，获取收益。CBOE已经根据主流的一些策略编制了相应的期权策略指数，本文着重介绍最常见的几大策略指数。

CBOE常见策略指数

BuyWrite指数

BuyWrite指数即备兑开仓策略，投资者在买入或者持有标的股票的同时卖出该标的的认购期权。

在日常交易中，投资者经常会遇到以下两种情形：

其一，长期看好并持有标的股票，但最近不温不火，有时有点小涨，有时干脆一动不动，远没有达到投资者的预期价位；

其二，想要在一个预期价位卖出标的股票，但目前没有达到预期价位，为了应对未来可能出现的不确定性，投资者想降低持仓成本。

针对上述两种情形，就可以使用备兑开仓策略。在标的不涨或小幅波动的行情中，通过卖出认购期权收取权利金，一方面减少了持股成本，提高组合收益；另一方面通过收取权利金，为下跌带来一定缓冲，降低了组合的波动率。不过，从到期收益图中看到，当标的股票价格下跌时，该策略虽然能弥补一部分损失，但当标的股票价格大涨、并且价格超过卖出认购期权的行权价时，认购期权将在到期日被行权，组合的最大收益将会被封顶。因此，当市场处于振荡或者小幅上涨行情中时，使用备兑开仓策略能够获取不错的收益，而市场处于快速上涨状态时，该策略的收益就落后于仅持有标的股票。

2002年，CBOE就根据备兑开仓策略的原理，以标普500为标的，编制了世界上第一支BuyWrite指数，该指数也被称为BXM。其构建方法是：买入标普500股票指数组合，同时卖出一个月后到期、最接近平值的标普500指数认购期权，并将认购期权一直持有至到期日，也即每个月的第三个周五，不会提前平仓。该期权被持有到期后，进行现金交割，同时进行换仓，再卖出另一个新的平值附近的、下个月到期的看涨期权。

事实上，CBOE编制的BuyWrite指数除了BXM外，还有一系列指数BXY、BXN、BXR等等。其中BXY是卖出的认购期权不是平值，而是卖出虚值程度2%的认购期权；BXN是以纳斯达克100为标的；BXR是以罗素2000为标的。

PutWrite指数

PutWrite指数即卖出认沽期权策略，即投资者看好未来市场，通过卖出看跌期权收取权利金。当到期日标的价格大于认沽期权的执行价，期权买方会放弃行权，从而卖方获得最大利润；当到期日标的价格小于认沽期权的执行价，期权买方会行权，此时卖方必须履行自己的义务，以执行价买入标的，承受一定的损失。但是，由于期初卖方已经收取了权利金，此时也能抵补一些损失。

通过卖出认沽期权的到期收益图可以看到，只有当标的价格低于盈亏平衡点时，卖方才出现真正意义上的损失。所以，只要认为标的未来不会下跌，就可以卖出认沽期权，通过赚取时间价值获取收益。

2007年，CBOE推出了基于标准普尔500指数的卖出认沽期权策略PutWrite指数，并用PUT作为S&P500的PutWrite指数的简称。其构建方法是：滚动卖出平值的标准普尔500指数认沽期权；投资一个月或者三个月到期的短期国库券，以保证期权到期时有足够的现金应对认沽期权被行权的需求。

与BuyWrite指数类似，PutWrite指数除了PUT以外，还有其他指数，比如PUTR（以罗素2000为标的）、WPUT（卖出还剩一周到期的认沽期权）等。

PPUT指数和CLL指数

PPUT指数是CBOE根据保护性看跌策略原理编制的指数。保护性看跌期权策略，也称期权保险策略，是指投资者在已经拥有标的证券、或者买入标的证券的同时，买入相应数量的认沽期权。

可以看到，当标的下跌时，组合收益最大损失有限，当标的上涨时，能获取收益，但相比持有股票，组合收益要小，其差值就是最初付出的保险费。

CBOE公布的S&P500保护性看跌期权策略指数是以S&P500保护性看跌期权策略组合收益变化反映市场变化的指数。其构建方法是：持有标普500指数的成分股现货；买入一个月到期标普500指数认沽期权（行权价格=95%×指数价格）。S&P500PPUT保护性看跌期权策略指数的起始日期为1986年6月30日，并设定当天PPUT指数为初始值100。

虽然买入看跌期权对持有的头寸进行了保护，但有的投资者可能会觉得保费过高。若未出现大跌行情，则收益明显降低不少。这时可以使用领口策略。

领口策略是在保险策略的基础上再卖出一个执行价更高的认购期权，通过卖出虚值期权收取权利金，从而降低成本。当标的下跌时，组合仍旧亏损，但损失比之前的保险策略要小，即保费减少了。不过，这也要付出一定的代价，就是当标的上涨时，收益将会封顶。因此，领口策略适用于前景不太明朗、波动较大的市场之中，具有风险有限、收益也相对确定的特点。

2008年9月，CBOE公布了S&P50095-110领口期权策略指数，即CLL指数，它是以S&P50095-110领口期权策略组合收益变化反映市场变化的指数。其构建方法是：持有标普500指数的成分股现货；买入3个月标普500指数认沽期权（行权价格=95%×指数价格）；滚动卖出1个月标普500认购期权（行权价格=110%×指数价格）。S&P50095-110领口期权策略指数的起始日期为1986年6月30日，并设定当天CLL指数为初始值100。

这类策略在中国市场表现如何，投资者是否可以采用同类的期权-指数组合投资方法，感兴趣的投资者可以利用真格量化回测研究。

— — — — — — 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

回复

分享到 :

0 人收藏

6级职业

积分:870

帖子:180

精华:0

+ 关注私信

期权论坛

期权论坛

期权网络科技版权所有: 关于我们; 联系我们; 加入我们; 反馈问题; 免责声明; 积分充值

统一社会信用代码: 积分规则; 网站地图; 爱文库; 下属网站

官方: 新浪微博; 微信公众号
◆

下载: 表情包; App下载

期权论坛

期权论坛

QQ咨询|关于我们|Archiver|手机版|小黑屋|( 辽ICP备15012455号-4 ) Powered by 期权论坛 X3.2 © 2001-2016 期权工具网&期权论坛 Inc.