期权策略基准指数简介

论坛 期权论坛 期权     
真格量化   2019-11-22 16:24   3661   0
海外投资者在制定策略时,除了参考各种大盘指数外还会经常参考策略基准指数。


策略基准指数反映了将期权加入到股票、债券等资产中所形成一系列策略组合的收益情况。该系列指数由交易所发布,在帮助交易所宣传、推广期权风险管理功能的同时,也为市场机构科学运用期权降低资产组合波动提供了指引。


2015至今,国内交易所相继上市了vix.shtml" target="_blank" class="relatedlink">50ETF期权、豆粕、白糖、棉花、玉米、天然橡胶、铜商品期权。300ETF与股指期权也即将上市。这不断满足市场机构多元化投资和精细化风险管理需要。在稳步发展期权市场的同时,推广策略基准指数,对于引导市场机构合理运用,充分发挥期权风险管理功能,防范资本市场系统性风险具有积极作用。


策略基准指数发展概况


芝加哥期权交易所(CBOE)是策略基准指数研发的先驱者。2002年4月,CBOE与Whaley推出了首个策略基准指数BXM(S&P 500 BuyWrite Index),通过组合期权空头头寸与S&P 500指数,在证券市场波动较小时获取期权空头的权利金收益,在市场大幅下跌时提供一定程度的对冲作用。指数发布之后,一些学界以及业界的咨询公司或团队对指数在资产管理中的功能作用进行了大量研究,多数研究结果均表明,BXM能够部分改善资产组合的收益结构,缓冲尾部风险,降低收益的波动性。


在BXM的发布与推广获得巨大成功之后,CBOE于其后的十多年间研究并发布了运用期权进行策略组合的其他基准指数(诸如PUT、CLL等),一些研究表明,部分基金公司将这些指数纳入到其产品中,获得了比单独持有标的证券资产更加平稳的收益表现。2004~2006年间,VIX(Volatility Index,波动率指数)期货与期权产品在CBOE相继推出,证券资产的波动率风险管理工具更加丰富。CBOE于2007年后运用这些产品设计并发布了若干基于波动率的策略基准指数(诸如VXTH等),当市场预期波动幅度较大时,该系列指数能够通过期权头寸减缓资产组合可能面临的波动风险。2016年后,CBOE依托其旗下投资顾问Vest Financial1的研发优势,开发出一系列收益稳定且突出、风险规避能力强的策略组合,这是策略基准指数研发的一次重要创新。截止2017年底,CBOE已发布10大类,合计33个策略基准指数,其中主要的类别包括:备兑看涨(BuyWrite)、看 跌 期 权 空 头 ( P u t W r i t e ) 、 看 跌 期 权 多 头 保 护 ( P u tProtection)、组合跨式(Combo)、蝶式&秃鹰式(Butterfly &Condor)、领式(Collar)、基于波动率(Volatility-related)、风险回复(Risk Reversal)、波动率微笑(Smile)、目标区间收益(Target Outcome)策略。各类基准指数使用期权组合的策略逻辑不尽相同,但均能实现降低组合的波动性或增强组合收益的目标。从功能实现角度看,可将策略基准指数分为四个类别:


1.增强收益类指数


增强收益类指数是CBOE早年推出的组合策略类别,该类指数的主要功能为:在现券市场波动较小时利用期权空头(例如卖出看涨期权或卖出波动率)获取的权利金收入,实现增强收益的目的;而在市场大幅下跌时,通过期权空头缓冲现券多头的下行风险。







该类指数中最为流行的两种策略为备兑看涨策略和看跌期权空头策略。备兑看涨策略是指在持有指数期货或ETF多头的同时,配置行权价格为平值(例如BXM指数)或偏虚值(例如30% Delta的BXMD指数)档位的看涨期权空头;看跌期权空头策略是指卖出行权价格为平值的看跌期权,同时投资国债等固定收益产品(例如PUT指数)。





2 对冲保护类指数


对冲保护类策略指数的主要功能为:当现券市场大幅下跌时,标的看跌期权多头或VIX看涨期权多头的价格将因为现券价格的下降或波动率的增加而迅速上升,从而对冲现券端的尾部风险,锁定最大损失。以看跌期权多头保护策略(PPUT)为例,在持有指数多头的同时,以行权价格偏虚值档位的看跌期权多头(例如临近95%指数价格档位的PPUT指数)对现券进行保护。







3.价差套利类指数


价差套利类策略指数的编制逻辑为:运用不同行权价格的看涨、看跌期权,将组合的整体风险暴露锁定在较小的范围内,在市场波动幅度较小的环境下获取权利金收益。蝶式、秃鹰式组合与CBOE依托Vest研发的一系列目标区间收益组合均属于此类策略指数。





4.波动率套利类指数


波动率套利类策略是一类针对期权波动率曲线偏倚结构的交易:在境外市场中,现券指数下跌时期通常市场波动幅度更高、风险更大,因此虚值看跌期权的波动率通常较高(即隐含波动率曲线左偏),波动率具有“均值回归”特性,风险回复(例如RXM)与波动率微笑(例如Smile)等策略基准指数据此编制,通过卖出左侧的波动率意图在市场从高风险回归中获得收益。









随着中国市场期权品种不断丰富,投资者也可以尝试利用真格量化等工具构建自己的策略基准指数,将期权加入到股票、债券组合中所构成的一种结构化指数产品,通过运用期权的保险功能,实现对组合的风险管理。


— — — — — — 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
什么是期权市场的PCR指标?
量化交易的频谱分析与策略搭配规律

资产价格与波动率的关系

基本面量化与美林时钟模型

常见的价差交易策略介绍
高频交易是否对市场造成了负面影响?

海外股指期权市场概况
期权是否能用于底层资产的价格预测?

什么是股指期权?
股指期权现货指数的构成和波动率
ETF期权与股指期权在策略设计中需注意的差异性
股指期权与ETF期权合约设计比较
期权实战攻略:如何进行期权的波动率交易?
不同市场预期下的期权交易策略
波动率期限结构与日历价差策略










分享到 :
0 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