量化百科｜交易策略：卖出平价跨式期权与购买15%价外看跌期权
在量化交易领域，有许多策略旨在通过金融工具的组合来捕捉市场的波动。今天，我们将为大家详细介绍一份卖出平价跨式期权（At-the-money Straddle）与购买15%价外看跌期权（Out-of-the-money Put） 的量化交易策略。此策略不仅能够利用市场的波动性，通过期权溢价带来稳定的收益，还能通过购买期权作为保险对冲市场崩盘的风险。
1. 策略概述
该策略的核心思想是：每月卖出平价跨式期权（At-the-money Straddle），同时购买15%价外的看跌期权（Out-of-the-money Put） 进行保险。如果市场波动较大，期权溢价将提供额外的收益；而在市场大幅下跌时，15%价外的看跌期权将作为保护。
策略还会将剩余的现金用于购买标的资产（如SPY ETF），以便利用市场的长期上涨趋势。
2. 策略参数
以下是此策略的详细参数设置：
| 参数 | 数值 |
| 交易市场 | 股票（Equities） |
| 回测周期 | 1986 – 1995（来源论文的回测周期） |
| 策略信号的有效性 | 强（Confidence in anomaly’s validity） |
| 年化表现（几何年化） | 26% |
| 每月表现 | 1.94% |
| 重平衡周期 | 每月一次（Monthly Rebalancing） |
| 预计波动率 | 19% |
| 交易的标的数量 | 4个 |
| 最大回撤 | 未披露（Maximum Drawdown） |
| 策略复杂性 | 中等复杂（Moderately complex strategy） |
| 夏普比率（Sharpe Ratio） | 1.16 |
| 适用市场 | 全球市场（Global） |
| 金融工具 | 期货、期权、掉期（Futures, Options, Swaps） |
策略信号有效性说明
根据来源论文和回测结果，策略的信号有效性被评估为强，即该策略能够在多种市场条件下稳定地获得超额回报。回测结果显示，策略的年化表现为26%，表现非常稳定且具有较高的风险调整后收益。
回测周期和表现
回测时间段从1986年到1995年。回测数据显示，每月表现为1.94%，年化回报为26%，具有很强的持续性和稳定性。
预计波动率与最大回撤
预计波动率为19%，这意味着该策略在运行过程中，标的资产（例如SPY ETF）价格的波动范围可能会在19%左右波动。至于最大回撤，目前没有披露具体的数值，但可以推测，在极端市场环境下，策略的风险管理和期权保护会起到关键作用。
策略复杂性
该策略属于进阶复杂策略。虽然策略本身并不涉及复杂的高频交易或高杠杆使用，但需要对期权市场和波动率的运作机制有深入理解。
3. 策略操作流程
每月操作流程
-
1. 卖出平价跨式期权（At-the-money Straddle）：每个月卖出一个到期日为1个月的平价跨式期权，即同时卖出看涨期权和看跌期权，并利用期权溢价带来收益。
-
2. 购买15%价外看跌期权（Out-of-the-money Put）：在同一时期，购买一个15%价外的看跌期权，作为保险，以防市场崩盘的风险。
-
3. 投资标的资产：使用剩余的现金购买标的资产（如SPY ETF），并利用市场长期上涨的潜力。
风险管理
通过期权的溢价和15%价外看跌期权的保护，该策略能够在实现收益的同时有效控制潜在的市场风险。期权卖出部分通过捕捉市场的波动性来带来收益，而购买看跌期权则为市场暴跌提供保护，减轻潜在的损失。
4. 代码实现
以下是这份策略的部分代码实现，使用了Python和QuantConnect平台，适合量化交易策略的编写和回测。
策略初始化部分代码
def Initialize(self):
self.SetStartDate(2012, 1, 1) # 设置回测开始日期为2012年1月1日
self.SetCash(100000) # 设置初始现金为100,000
data = self.AddEquity("SPY", Resolution.Minute) # 添加标的资产，SPY是标准普尔500ETF
data.SetLeverage(5) # 设置杠杆为5倍
self.symbol = data.Symbol # 保存标的符号
option = self.AddOption("SPY", Resolution.Minute) # 为SPY添加期权数据
option.SetFilter(-20, 20, 25, 35) # 过滤期权链，选择行使价在标的价格上下20点之间，期限在25到35天之间的期权
self.last_day = -1 # 初始化一个变量来标记上次检查的日期策略数据处理与期权选择部分代码
备注：完整代码论文复现请加入知识星球获取。
def OnData(self, slice):
# Check once a day.
if self.Time.day == self.last_day:
return
self.last_day = self.Time.day
for i in slice.OptionChains:
chains = i.Value # 获取当前期权链（即所有期权合约）
if not self.Portfolio.Invested:
# divide option chains into call and put options
calls = list(filter(lambda x: x.Right == OptionRight.Call, chains))
puts = list(filter(lambda x: x.Right == OptionRight.Put, chains))
...... # 如果期权链为空则跳过
underlying_price = self.Securities[self.symbol].Price # 获取标的资产当前价格
expiries = [i.Expiry for i in puts] # 获取所有看跌期权的到期时间
# determine expiration date nearly one month
...... # 选择离当前日期约1个月到期的期权
...... # 获取所有看跌期权的行使价格
# determine at-the-money strike
strike = min(strikes, key=lambda x: abs(x - underlying_price)) # 选择最接近标的资产价格的行使价
# determine 15% out-of-the-money strike
......# 选择15%价外的行使价
atm_call = [i for i in calls if i.Expiry == expiry and i.Strike == strike] # 获取平价看涨期权
atm_put = [i for i in puts if i.Expiry == expiry and i.Strike == strike] # 获取平价看跌期权
otm_put = [i for i in puts if i.Expiry == expiry and i.Strike == otm_strike] # 获取15%价外看跌期权
if atm_call and atm_put and otm_put:
options_q = int(self.Portfolio.MarginRemaining / (underlying_price * 100)) # 计算可购买的期权数量
# 卖出平价跨式期权
self.Sell(atm_call[0].Symbol, options_q)
self.Sell(atm_put[0].Symbol, options_q)
# 买入15%价外看跌期权
self.Buy(otm_put[0].Symbol, options_q)
# 购买标的资产
self.SetHoldings(self.symbol, 1)备注：完整代码复现请加入知识星球获取。
5. 优势：
-
? 波动率溢价：通过卖出平价跨式期权，能够在市场波动时获得期权溢价收益。尤其在波动性较大的市场环境下，卖出期权会带来较为可观的现金流。这种波动性溢价是期权交易中非常重要的一部分，适合于捕捉市场波动带来的盈利机会。
-
? 市场保护：通过购买15%价外的看跌期权，能够有效对冲市场崩盘的风险。在市场发生大幅下跌时，购买的看跌期权将提供保护，减少策略的潜在损失。这一部分的保险策略能够在极端市场情况下为投资者提供稳定性，降低市场暴跌对投资组合的影响。
-
? 自动化交易：该策略基于量化平台（如QuantConnect）进行自动化执行，这意味着策略可以在全天候进行监控和调整，避免了人为情绪的干扰，确保执行的精度与一致性。自动化交易不仅能够减少人为操作失误，还可以实时响应市场变化，提高策略的执行效率。
-
? 长期增长：通过投资标的资产（如SPY ETF），该策略能够在长期上涨的市场中获得正收益。长期投资标的资产能够利用市场的自然增长趋势，从中获得资本增值。
6. 风险：
-
? 卖出期权的风险：卖出期权可能带来无限的风险，尤其是在市场剧烈波动时。例如，如果市场价格大幅偏离行使价，卖出的期权可能会导致较大的损失。为了降低这种风险，策略通过购买15%价外的看跌期权来提供保护，但在极端情况下，保护也可能无法完全对冲损失。因此，卖出期权的部分风险需要特别关注。
-
? 市场不确定性：尽管购买15%价外的看跌期权可以在市场下跌时提供一定的保护，但在极端市场环境下，保护可能不足。例如，如果市场在短时间内出现大幅下跌，且价外看跌期权未能及时发挥作用，可能会导致损失扩大。因此，市场的不确定性仍然是该策略的一个风险点。
-
? 策略的依赖性：该策略依赖于市场的波动性，因此，在极端平静的市场环境中，期权溢价会降低，可能导致策略的收益下降。尤其是在市场波动较低时，卖出期权所获得的收益将减少，而期权的购买成本则相对较高，可能影响整体的投资回报。
-
? 流动性风险：期权市场可能存在流动性不足的风险，尤其是在较为冷门的期权合约中。流动性不足可能导致期权价格偏离理论价值，甚至无法顺利平仓，影响策略的执行效果。为此，需要密切监控市场的流动性状况，并做好相应的调整。
6. 总结
这个量化交易策略结合了期权交易和指数投资，不仅能够在波动性较大的市场中获取稳定的收益，还能通过购买保护性期权（如15%价外看跌期权）来降低下行风险。策略的重平衡周期为每月一次，且可以自动化执行，因此在实时交易中能够持续监控并适时调整。
虽然该策略在历史回测中表现出色，年化回报率为26%，但在实际操作中仍然需要特别注意风险管理。特别是卖出期权的风险，需要严格的仓位控制和风险预警系统。
本文不构成投资建议，如果你对这一策略感兴趣并希望获取完整代码复现，可以加入知识星球获取更多详细信息。
备注：完整代码复现请加入知识星球获取。
知识分享社群双十一限时活动
三天不满意无条件退款
