许多用户已经了解了真格量化平台在期权交易方面丰富的API，进入了策略设计阶段，本篇我们就来介绍有哪些常见的期权策略。

首先，我们还是要介绍一些基础知识。

有一些用户初次接触期权，他们会听到到期权“买方风险有限而收益无限，卖方收益有限而风险无限”的介绍。实际上，无论是风险还是收益，无论是有限还是无限，都要分清理论和实际的区别。

首先，我们定义的风险为盈亏与其概率的乘积。卖方亏损理论上是无限的，但是如果概率很小，则风险就不大了；买方盈利是无限的，却没有实际胜算的把握，风险也不小，甚至可能亏损权利金的100%。而实际如何，就看投资者对行情的分析能力了。

在实际交易中，标的价格（比如50ETF、豆粕期货等等）不可能跌至零，也不可能无限上涨，由此，“无限”的盈亏并不存在。但从资金管理的角度来讲，一旦价格发生较大的不利变化或者波动率大幅升高，对于卖方来说，此时的损失仍不可小觑。

因此，在进行期权投资之前，投资者一定要全面客观地认识期权交易的风险。

其实，期权就相当于保险，买期权所付的权利金相当于保险费，行情如果没有意外，投资者的最大损失是保险金；而发生意外的时候，就可以运用持有的期权而得到保护。卖期权就相当于卖保险，很多时候可以把卖期权得到的权利金收到兜儿里，如果行情出现大的以外，就要支付期权买方很大的费用。

期权该如何运用

虽然很多投资者由于对于对期权不理解或者不正当使用，导致了很大的风险，但期权在风险管理、风险度量等方面又有其独特的功能和作用，在套期保值和投机交易中都可发挥重要作用。

期权用于套期保值

期权买入套保策略

买期权为标的对冲，用较低的成本来为标的提供保护。以50ETF为例，假设某投资者持有50ETF，在50ETF连续上涨，其价格为2.95元的时候，投资者出于某种需求想在市场规避其价格下跌的风险，他可以考虑与持有ETF数量成一定比例（部分套保或全部套保）的行权价为2.95的看跌期权合约，假设所买期权合约的权利金为0.03元。那么投资者就通过看跌期权将股价下行的最大风险锁定，可以试想，若ETF价格继续下跌至2.90元或者更低，在持有至到期后，投资者都有权利按照2.95元的价格将50ETF卖出，所以，跌得越多，在期权上行权后的收益就越大，这部分的收益与持有ETF的亏损可以相互抵消，从而达到规避风险的目的。另外，买入看跌期权的操作，还给予在股票价格上涨时仍能获利的空间，期权标的资产与看跌期权多头的组合收益类似于买入看涨期权。

垂直套利的其他几种策略都可以类似找出无风险套利机会。

蝶式套利策略

买入蝶式套利（Long Butterfly）

该策略买入一份低执行价格和一份高执行价格期权合约的同时，卖出两份中间执行价格的期权合约。其损益图为：

从损益图可以看出，该策略在标的价格偏离比较大时，出现亏损。

如果期权在交易过程当中，执行价格相邻的三份合约出现了价格背离平衡，就是执行价格为K2的合约被高估（相对于K1、K3而言）。那么所谓的价格平衡是一种怎样的形式？因为Gamma 值为期权价格关于标的资产价格的二次偏导数，且Gamma 恒为正值，即曲线是凸的。接下来利用期权价格曲线的凸性，搜寻将蝶式套利策略转化为无风险套利的条件。为此，绘制期权价格关于执行价格的关系曲线示意图。

从损益图可以看出，标的资产价格偏离中间执行价格最小时，策略的损失达到最大。而标的价格远离中间执行价格时，该策略为投资者带来固定收益。

以看涨期权为例，根据上一段的分析，若不等式

(K3-K2)/(K3-K1)*C1+ (K2-K1)/(K3-K1)*C3>C2

成立，则前述的买入蝶式套利方式的无风险套利机会不存在。但是，若卖出套利策略的损益图向上平移若干个单位，则可以使得期权到期损益曲线完全位于横轴上方，该种情况下卖出蝶式策略称为无风险套利。而损益曲线的向上平移，意味着策略的初始现金流入增加，即将 C1、C3 与C2 的价差扩大。至于价差满足怎样的关系式，由下面示意图给出：

通过上图，可以得出：X=（K2- K1）* C1的头寸。

考虑如下差价关系：

(K3-K2)/(K3-K1)*C1+ (K2-K1)/(K3-K1)*C3-C2>(K3-K2)/(K3-K1)*(K2-K1)

如果将C1的头寸设为(K3-K2)/(K3-K1)单位的空头，则通过不等式左边构建出来的策略，其损益图完全位于横轴上方。

无风险套利策略：卖出(K3-K2)/(K3-K1)单位C1、(K2-K1)/(K3-K1)单位C3，同时买入一份C2。对于看跌期权的蝶式卖出套利策略，依照同样的分析方法，可以找到无风险套利的机会以及无风险套利的策略。

飞鹰式套利策略

买入飞鹰式套利（Long Condor）

该策略涉及 4 个期权合约，在买入一个低执行价格和一个高执行价格期权合约的同时，卖出两个中间执行价格（两个执行价格不同）的期权合约，并且执行价格间距相等。该策略的损益图为（看涨期权）：

除了前述的通过期权的经典套利策略搜寻无风险套利机会之外，当然还有其他的无风险套利机会，由于其腿数较多，数学关系也复杂，凭肉眼很难发现，我们可以试试用真格量化对这些机会进行实时监控，实现“交易机会扫描器”的功能。

— — — — — — E N D — — — — — —

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

Delta中性还不够？——看看如何设计Gamma中性期权策略

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

真格量化可访问：

https://quant.pobo.net.cn

遇到了技术问题？欢迎加入真格量化Python技术交流QQ群 726895887