期权策略专题
🎟️ 期权 = 风险可控的高杠杆工具 —— 7 大基础策略 + 5 大高级组合 + 完整希腊字母解析。
🎯 希腊字母（Greeks）
📐 五大基础希腊
| 希腊 | 含义 | 公式 | 实际意义 |
|---|---|---|---|
| Delta (Δ) | 价格敏感度 | ∂V/∂S | 1 元正股变化对期权影响 |
| Gamma (Γ) | Delta 变化 | ∂Δ/∂S | 期权曲率，衡量 Delta 的稳定性 |
| Theta (θ) | 时间衰减 | -∂V/∂t | 每天损失（卖出方赚钱） |
| Vega (ν) | 波动率敏感度 | ∂V/∂σ | IV 变化 1% 对期权的影响 |
| Rho (ρ) | 利率敏感度 | ∂V/∂r | 利率变化 1% 的影响 |
📐 二阶希腊
| 希腊 | 含义 | 用途 |
|---|---|---|
| Vanna | ∂Δ/∂σ | Delta 随波动率的变化 |
| Charm | ∂Δ/∂t | Delta 随时间的衰减 |
| Vomma | ∂V/∂σ | Vega 随波动率的变化 |
| Speed | ∂Γ/∂S | Gamma 随价格的变化 |
| Zomma | ∂Γ/∂σ | Gamma 随波动率的变化 |
📐 Python 计算（含二阶）
python
import numpy as np
from scipy.stats import norm
def bs_greeks(S, K, T, r, sigma, option_type='call'):
"""BS 期权定价 + 5 大希腊"""
if T <= 0:
return {'price': max(0, S-K if option_type=='call' else K-S),
'delta': 0, 'gamma': 0, 'theta': 0, 'vega': 0, 'rho': 0,
'vanna': 0, 'charm': 0, 'vomma': 0}
d1 = (np.log(S / K) + (r + 0.5 * sigma**2) * T) / (sigma * np.sqrt(T))
d2 = d1 - sigma * np.sqrt(T)
if option_type == 'call':
price = S * norm.cdf(d1) - K * np.exp(-r * T) * norm.cdf(d2)
delta = norm.cdf(d1)
theta = (-S * norm.pdf(d1) * sigma / (2 * np.sqrt(T))
- r * K * np.exp(-r * T) * norm.cdf(d2)) / 365
rho = K * T * np.exp(-r * T) * norm.cdf(d2) / 100
else:
price = K * np.exp(-r * T) * norm.cdf(-d2) - S * norm.cdf(-d1)
delta = -norm.cdf(-d1)
theta = (-S * norm.pdf(d1) * sigma / (2 * np.sqrt(T))
+ r * K * np.exp(-r * T) * norm.cdf(-d2)) / 365
rho = -K * T * np.exp(-r * T) * norm.cdf(-d2) / 100
gamma = norm.pdf(d1) / (S * sigma * np.sqrt(T))
vega = S * norm.pdf(d1) * np.sqrt(T) / 100
vanna = -norm.pdf(d1) * d2 / sigma # ∂Δ/∂σ
charm = -norm.pdf(d1) * (2 * r * T - d2 * sigma * np.sqrt(T)) / (2 * T * sigma * np.sqrt(T)) # ∂Δ/∂t
vomma = vega * (d1 * d2) / sigma # ∂V/∂σ
return {
'price': round(price, 4),
'delta': round(delta, 4),
'gamma': round(gamma, 4),
'theta': round(theta, 4),
'vega': round(vega, 4),
'rho': round(rho, 4),
'vanna': round(vanna, 4),
'charm': round(charm, 4),
'vomma': round(vomma, 4),
}
# 示例：50ETF 平值期权
S, K, T, r, sigma = 2.8, 2.8, 60/365, 0.025, 0.18
greeks = bs_greeks(S, K, T, r, sigma)
print(greeks)🎯 7 大基础策略
1. 买入 Long Call（强烈看涨）
| 维度 | 内容 |
|---|---|
| 最大亏损 | 权利金（如 3 元） |
| 最大盈利 | 无限（股价大涨） |
| 盈亏平衡 | 行权价 + 权利金 |
| Delta | 0 < Δ < 1 |
| Theta | 负（每天损失时间价值） |
| Vega | 正（IV 升有利） |
2. 买入 Long Put（强烈看跌）
| 维度 | 内容 |
|---|---|
| 最大亏损 | 权利金 |
| 最大盈利 | (行权价 - 0) × 100 - 权利金 |
| Delta | -1 < Δ < 0 |
| 用途 | 对冲 / 押注下跌 |
3. 牛市价差 Bull Call Spread（温和看涨）
- 构建：买 100 Call + 卖 110 Call
- 净成本：4 元（权利金 6 - 2）
- 最大盈利：6 元（封顶 10 元 / 100 份）
- 最大亏损：4 元（净成本）
- 盈亏比：6:4 = 1.5:1
4. 熊市价差 Bear Put Spread（温和看跌）
- 构建：买 100 Put + 卖 90 Put
- 净成本：3 元
- 最大盈利：7 元（封顶 10 元 - 净成本）
- 最大亏损：3 元
5. 跨式 Straddle（预期大幅波动）
- 构建：买 100 Call + 买 100 Put
- 总成本：11 元
- 盈利条件：股价变动 > 11%
- 典型场景：财报、央行决议、产品发布
6. 宽跨式 Strangle（预期大幅波动，低成本）
- 构建：买 95 Put + 买 105 Call
- 总成本：5 元（比 Straddle 便宜 6 元）
- 盈利条件：股价变动 > 5%
- 胜率：比 Straddle 高（但赔率小）
7. 铁鹰式 Iron Condor（预期低波动）
- 构建：卖 100 Call + 买 105 Call + 卖 95 Put + 买 90 Put
- 总净收：4 元
- 最大盈利：4 元（区间内）
- 最大亏损：1 元（突破区间）
- 胜率：60-70%
- 典型场景：震荡市、赚取 Theta
🎯 5 大高级策略
8. 日历价差 Calendar Spread（押注 IV 上升）
- 构建：卖近月 100 Call + 买远月 100 Call
- 逻辑：近月 Theta 衰减快，远月 Vega 更大
- 盈利场景：股价不动 + 隐含波动率上升
- 风险：近月 Gamma 风险
9. 蝶式价差 Butterfly（精准目标价）
- 构建：买 95 Call + 卖 100 Call × 2 + 买 105 Call
- 净成本：2 元
- 最大盈利：3 元（股价 = 100）
- 最大亏损：2 元
- 胜率：20-30%（窄区间）
- 盈亏比：3:2 = 1.5:1
10. 比例价差 Ratio Spread
- 构建：买 1 张 100 Call + 卖 2 张 110 Call
- 净成本：0（甚至收权利金）
- 盈利场景：温和上涨
- 风险：大涨时亏损放大
11. 风险逆转 Risk Reversal（押注方向 + 收权利金）
- 构建：买 100 Put + 卖 105 Call（同行权价距离）
- 净成本：通常 0 或收权利金
- 场景：机构构建现货保护 + 收收益
12. 鹰式价差 Eagle Spread
- 与 Iron Condor 类似，但更宽
- 适合：低波动但有方向偏向
📐 策略选择矩阵
| 观点 | 策略 | 最大亏损 | 最大盈利 |
|---|---|---|---|
| 强烈看涨 | Long Call | 权利金 | 无限 |
| 温和看涨 | Bull Call Spread | 净成本 | 价差 - 净成本 |
| 强烈看跌 | Long Put | 权利金 | 行权价 - 权利金 |
| 温和看跌 | Bear Put Spread | 净成本 | 价差 - 净成本 |
| 预期大幅波动 | Straddle / Strangle | 总权利金 | 无限 |
| 预期小幅波动 | Iron Condor | 净成本 | 净权利金 |
| 中性偏多 + 收权利金 | Calendar Spread | 净成本 | 价差 - 净成本 |
| 押注具体价格 | Butterfly | 净成本 | 价差 - 净成本 |
| 对冲持仓 | Protective Put | 权利金 | 上涨无限 - 权利金 |
| 增强收益 | Covered Call | 上涨封顶 | 权利金 + 上涨 |
📐 实战案例（6 个）
案例 1：财报前用跨式（事件驱动）
场景：宁德时代 Q3 财报，预期大幅波动
- 股价 200
- 买 200 Call（权利金 8）
- 买 200 Put（权利金 7）
- 总成本 15
- 财报后：
- 涨到 230：盈利 = (230-200) - 15 = 15
- 跌到 170：盈利 = (200-170) - 15 = 15
- 维持 200：亏损 15
- 关键：选对财报季 + 控制仓位案例 2：备兑开仓增强收益（持币收息）
场景：持有 1000 股贵州茅台（成本 1700，现价 1800）
- 卖出 1 张 1900 Call（权利金 30）
- 收权利金 30,000 元
- 结果：
- 涨到 1950：被行权，收益 (1900-1700) × 1000 + 30000 = 230,000（封顶）
- 维持 1800：净收 30,000 权利金（年化 1.7%）
- 跌到 1500：仍赚 30,000 权利金（部分对冲）
- 注意：备兑开仓冻结现货案例 3：保险对冲（持币保本）
场景：持有 1000 股腾讯（成本 320，现价 350）
- 担心短期下跌 → 买 320 Put（权利金 15）
- 收益：
- 跌到 280：行权 (320-280) × 1000 - 15×1000 = 25,000（对冲了大部分）
- 涨到 400：放弃 Put，享受上涨 (400-350) × 1000 - 15,000 = 35,000
- 本质：买了 350 到 320 的保险案例 4：牛熊价差（震荡市）
场景：恒生指数 18000 附近震荡
- 卖 18500 Call（权利金 100）
- 买 19000 Call（权利金 50）
- 净收 = 50
- 最大盈利：500 点（50 × 10）
- 最大亏损：500 点
- 胜率：50-60%案例 5：铁鹰式（赚 Theta）
场景：沪深 300 ETF 3.8 附近震荡
- 卖 3.9 Call（收 0.05）
- 买 4.0 Call（付 0.02）
- 卖 3.7 Put（收 0.04）
- 买 3.6 Put（付 0.01）
- 总净收 = 0.06 / 份
- 持有 30 天，假设不变：净赚 0.06
- 年化：0.06 × 12 = 72%（理论）
- 实际胜率 60-70%案例 6：Gamma Scalping（专业策略）
场景：持有 Long Straddle（50ETF 2.8 ATM）
- 净 Delta = 0
- 净 Gamma = 0.05
- 当股价 2.85 → Delta = +0.05
- 操作：卖出 0.05 仓位正股
- 当股价回到 2.80 → Delta = -0.05
- 操作：买入 0.05 仓位正股
- 每来回一次 = 0.05 × 0.05 = 0.0025 利润
- 每天 5-10 次 = 0.0125-0.025
- 风险：大幅单边走势📊 风控与实战建议
📌 期权投资 6 原则
- 从买方做起：风险有限
- 小仓位：单策略 ≤ 5% 总资金
- 明确观点：期初有方向判断
- 管理 Greeks：Delta / Theta / Vega
- 严控到期：至少 30 天到期
- 避免末日轮：1 周内到期 Gamma 风险巨大
📌 Greeks 管理矩阵
| Greek | 风险 | 应对 |
|---|---|---|
| Delta | 方向风险 | 动态对冲 |
| Gamma | Delta 风险 | 控制仓位 / 远月 |
| Theta | 时间衰减 | 卖方 / 价差 |
| Vega | IV 风险 | 看 IV 选策略 |
| Rho | 利率风险 | 短线影响小 |
📌 隐含波动率（IV）选择
| IV 状态 | 策略 |
|---|---|
| IV 极高 | 卖期权（铁鹰式 / 跨式空头） |
| IV 中等 | 价差（中性） |
| IV 极低 | 买期权（Long Call / Put） |
📌 常见错误
- 卖出裸 Call：无限风险
- 满仓单策略：集中风险
- 持有到期：Theta 加速衰减
- 逆市死扛：无止损
- 过度交易：手续费侵蚀
📖 相关阅读
💡 数据来源：上交所股票期权报告、中金所期权数据、Bloomberg 期权链。数据截至 2026-08。
来源
- 证监会公开公告
- 上交所交易规则
- 深交所 / 北交所规则
- 中国证券业协会（SAC）、中国证券投资基金业协会（AMAC）公开资料
- 国家金融监督管理总局、人社部、财政部、税务总局公开资料
💡 数据截至 2026-08；具体规则以交易所/监管机构最新公告为准。