知识库

此工具使用入场和出场时相同的标的、行权价和到期日，为标普500跨式期权构建标签产物。它将特征日期与之后的市场时段对齐，构造五个和十个交易时段后的出场日期，并合并看涨期权与看跌期权价格，以计算跨式期权收益。它还记录买卖报价，并可保存源价格面板。产物会一并保存缓存范围，避免将减少标的数量或缩短日期范围的运行误认为完整覆盖。…

本文介绍一套账本，用于在回测中将资金现金流计入永续期货持仓。每个资金费时间戳，它都会使用持仓的带符号数量、当前标记价格、合约乘数（如有）以及资金费率计算现金调整。因此，正资金费率对多头和空头的影响相反。 账本会将时间戳标准化为…

本分析介绍期权链结构，并考察 2020 年标普 500 期权的一个样本片段，涉及八个标的。内容解释价内外程度、内在价值与时间价值、希腊值、隐含波动率，以及波动率偏斜和期限结构所体现的信息。工作流程分析期权链密度，绘制波动率微笑和曲面，并根据隐含波动率求解器状态和希腊值有效性应用筛选条件。笔记还比较平值附近及远离平值的买卖价差，并探究隐含波动率变化是否与标的后续收益相关。 证据仅为描述性结果，且受单一年份小样本限制。波动率形态可用于示例说明，但不足以支持对全市场模式的广泛判断。IV…

本笔记本为标普500期权研究构建了四种基于模型的特征：GJR-GARCH和随机波动率模型给出的下一日波动率预测，以及各自预测值与期权市场隐含波动率之间的差值。文中说明了如何仅使用每个重新拟合日期时可用的数据拟合模型，在重新拟合之间保持模型不变，并在之后的交易时段进行评估。GJR-GARCH模型采用最大似然法；随机波动率模型通过MCMC估计一个共享的市场参数，并使用粒子滤波器恢复每日潜在波动率。…

本文概述一种两阶段方法，用于提取 S&P 500 跨式期权研究所需的源观测值。第一阶段根据距到期日天数、绝对 Delta、隐含波动率收敛、最低报价要求和相对买卖价差，筛选出接近平值的候选看涨与看跌期权合约。所选合约以代码、行权价和到期日表示。第二阶段保留这些合约整个生命周期内的每个日度观测，以支持分析同一合约的退出价格和每日 Delta 对冲。…

本文解释了为什么每日恒定期限期权序列并不等同于实际持仓的收益序列。它先筛选通过流动性、期限、波动率估计和 Delta 条件的同执行价、同到期日看涨期权与看跌期权，再按候选跨式组合与目标期限和 Delta 的接近程度排序。由于每天独立重复筛选，到期日变化可能重置已累积的时间衰减，并制造出实际上没有任何持有合约赚取的表面收益。…

本笔记演示欧式看涨期权空头的深度对冲。它模拟几何布朗运动路径，以 Black–Scholes Delta 对冲为基准，并训练半循环神经网络选择标的资产仓位，以最小化针对期末损失的条件风险价值目标。开仓、调仓和结束对冲时均计入交易成本，因此学习策略和基准遵循相同的交易成本规则。分析还考察网络在仓位接近 Delta 基准时是否减少交易。 示例将尾部风险与均值和离散程度一并比较，因为优化损失尾部可能改变分布中其他部分的结果。笔记提醒，证据来自单一模拟市场设置：一种期权规格、恒定波动率的 GBM…

本笔记推导欧式看涨期权和看跌期权的 Black-Scholes 定价，检验看涨看跌平价，并使用 Brent 求根法计算隐含波动率。还定义 Delta、Gamma、Vega、Theta 和 Rho，并用图表展示期权敏感度如何随实值程度和到期时间变化。希腊值被视为用于对冲和理解风险敞口的局部指标；隐含波动率则是使模型价格与观察到的期权价格相匹配的波动率输入。…

本章将强化学习定位为一种序列控制工具，并将其与监督式预测区分开来。重点是行动会影响后续结果且奖励相对具体的任务：交易执行、做市和衍生品对冲。内容还讨论如何将这些问题映射为部分可观测决策过程、如何在基于价值的方法和演员评论家方法之间选择，以及如何将学习策略与既有执行计划或对冲基准进行比较。 案例研究包括模拟执行比较、加密货币永续期货重放、考虑库存风险的报价，以及计入交易成本的对冲。研究强调配对路径、行动分布、损益分布和风险指标可作为有用的评估证据；本章概述并未广泛证明 RL…

本文档介绍一个流程，用于下载 Binance 官方 USD-M 永续合约资金费率记录、进行标准化，并缓存到列式文件中。流程会并行获取指定标的和日期范围的月度存档，将记录转换为 UTC 时间戳，统一结算字段，按标的和时间去重，并在保存前检查缺失值或无效值。加载器支持按需筛选标的和日期。…

本笔记为标普 500 股票的平值卖出跨式期权构建前向收益标签。由于每日的 30 天跨式期权面板每个交易日都会滚动到不同的行权价或到期日，平移价格序列会导致比较不同合约。该方法改为在原始期权链中按标的代码、行权价和到期日追踪每个入场合约，并为同一头寸在入场时及退出或结算时定价。笔记还构建固定期限和 Delta 对冲变体，检查标签缺失的原因，并依据每份合约的结算日期划定留出期。…

本文推导Black-Scholes模型下欧式看涨和看跌期权的价格，通过看跌看涨平价检验两者关系，并通过数值求解与观察到的期权价格相匹配的波动率来计算隐含波动率。本文还定义Delta、Gamma、Vega、Theta和Rho，并用图表说明这些敏感度如何随实值程度和到期时间变化。本文结合市场实际说明模型假设，包括波动率恒定、连续交易和欧式行权，可能造成哪些输出偏差。 计算结果与一份标普 500…

本笔记演示如何对空头欧式看涨期权进行深度对冲。它使用几何布朗运动模拟标的价格路径，以Black-Scholes Delta为基准，并训练半递归神经网络选择对冲仓位。训练目标是最小化终端损失的条件风险价值。损益计算将建仓、每次再平衡以及到期平仓的比例成本计入模拟，从而能在相同假设下与离散Delta对冲进行比较。笔记还考察，随着学习到的交易策略接近Delta对冲基准，其交易活动是否会减少。…

本笔记解释通用目标权重风险覆盖为何无法管理所述标普500短跨式策略。期权引擎将固定资本比例分配给每周队列，并在每个队列内对权重归一化；缩放这些权重会被归一化抵消，风险覆盖也就无法腾出现金配置。因此，对策略有影响的控制项，例如对冲阈值、结算、成本和队列数量，应纳入策略规范，而不是留待之后进行权重转换。…

这项探索性分析介绍期权合约和期权链结构，随后分析涵盖八种标的资产的2020年标普500期权样本。内容解释价内外程度、内在价值与时间价值、隐含波动率、希腊值，以及行权价、到期日和看涨或看跌方向如何构成多维期权链。分析还考察波动率微笑、偏斜和期限结构，并通过求解器状态和希腊值有效性检查指导数据清理。笔记也研究不同价内外程度下的买卖价差，以及隐含波动率变化与随后标的资产收益之间的基准关系。该样本展示了波动率曲面模式，以及2020市场承压期间隐含波动率急剧且持续上升的情况，但标的数量少且仅覆盖一年，无法据此确立普遍规律。…

本文说明如何将大型标普500期权链整理为按日期和证券代码划分的数据集，供研究使用。波动率曲面摘要按到期分组，选取绝对Delta最接近目标值的期权，随后计算多个期限的平值隐含波动率、25Delta看跌看涨偏斜、期限结构指标、相对价差和收敛质量。排除无法求解隐含波动率的期权，以免占位值污染汇总结果。…

本笔记为标普 500 股票上的平值卖出跨式期权构建未来收益标签。由于每日面板中的名义 30 天跨式期权每个交易日都对应不同合约，平移价格序列会混合不同工具。标签改为跟踪建仓时确切的看涨和看跌期权合约，获取其后续价格或结算价值，并检查每笔交易的进场和出场数据是否有效。它还区分主要的持有至到期收益与固定期限诊断指标，包括 Delta 对冲变体。…