ptrade 期权量化开发：希腊字母（Greeks）实时计算与风险对冲

在期权组合管理与量化交易中，希腊字母（Greeks，包括 Delta, Gamma, Vega, Theta, Rho）是衡量投资组合风险暴露的核心指标。本文将介绍如何在 ptrade 平台中通过获取期权及标的实时行情，结合 Black-Scholes (B-S) 定价模型进行希腊字母的实时计算，并实现简单的 Delta 中性风险对冲策略。

一、ptrade 接口准备与行情获取

在 ptrade 交易或回测环境中，可以通过 get_snapshot 或 get_history 接口获取期权合约及其标的资产的实时价格与历史行情。

注意：期权标的代码包含上海股票期权（后缀 .XSHO）与深圳股票期权（后缀 .XSZO）。

# 示例：在 before_trading_start 或 handle_data 中订阅并获取快照
def initialize(context):
    g.option_code = '10004000.XSHO' # 示例期权代码
    g.underlying = '510300.SS'      # 标的ETF
    set_universe([g.option_code, g.underlying])

def handle_data(context, data):
    # 获取标的与期权快照
    snapshot = get_snapshot([g.option_code, g.underlying])
    underlying_price = snapshot[g.underlying]['last_px']
    option_price = snapshot[g.option_code]['last_px']

二、希腊字母（Greeks）计算模型

利用 scipy.stats.norm 模块，可基于 Black-Scholes 公式计算欧式期权的 Delta 与 Gamma：

• $d_1 = \frac{\ln(S / K) + (r + \sigma^2 / 2) T}{\sigma \sqrt{T}}$
• $d_2 = d_1 - \sigma \sqrt{T}$
• Call Delta $= N(d_1)$
• Gamma $= \frac{N'(d_1)}{S \sigma \sqrt{T}}$

Python 实现希腊字母计算函数：

import math
from scipy.stats import norm

def calc_greeks(S, K, T, r, sigma, option_type='call'):
    """
    S: 标的价格
    K: 行权价
    T: 剩余到期时间(年)
    r: 无风险利率
    sigma: 隐含波动率
    option_type: 'call' 或 'put'
    """
    if T <= 0 or sigma <= 0:
        return {'delta': 0.0, 'gamma': 0.0}
    
    d1 = (math.log(S / K) + (r + 0.5 * sigma ** 2) * T) / (sigma * math.sqrt(T))
    d2 = d1 - sigma * math.sqrt(T)
    
    if option_type == 'call':
        delta = norm.cdf(d1)
    else:
        delta = norm.cdf(d1) - 1.0
        
    gamma = norm.pdf(d1) / (S * sigma * math.sqrt(T))
    
    return {'delta': delta, 'gamma': gamma}

三、Delta 中性对冲策略实战

Delta 中性对冲旨在通过持有标的资产（或标的期货/ETF）来抵消期权持仓的 Delta 风险暴露，使得组合总 Delta 保持为 0。

完整策略代码框架：

import math
from scipy.stats import norm

def initialize(context):
    g.option_code = '10004000.XSHO'  # 期权合约
    g.underlying = '510300.SS'       # 标的ETF
    g.K = 4.0                        # 行权价
    g.r = 0.025                      # 无风险利率
    g.sigma = 0.20                   # 估计/计算出的隐含波动率
    g.expire_date = '2023-12-25'     # 到期日
    
    set_universe([g.option_code, g.underlying])
    run_daily(context, rebalance_delta, time='14:30')

def get_time_to_expiry(context):
    # 简化的到期时间计算（单位：年）
    current_dt = context.blotter.current_dt
    # 实际开发中可用 datetime 解析开盘天数换算年化 T
    return 0.25  

def calc_greeks(S, K, T, r, sigma, option_type='call'):
    if T <= 0 or sigma <= 0:
        return {'delta': 0.0, 'gamma': 0.0}
    d1 = (math.log(S / K) + (r + 0.5 * sigma ** 2) * T) / (sigma * math.sqrt(T))
    delta = norm.cdf(d1) if option_type == 'call' else norm.cdf(d1) - 1.0
    gamma = norm.pdf(d1) / (S * sigma * math.sqrt(T))
    return {'delta': delta, 'gamma': gamma}

def rebalance_delta(context):
    snapshot = get_snapshot([g.option_code, g.underlying])
    if not snapshot:
        return
        
    S = snapshot[g.underlying]['last_px']
    T = get_time_to_expiry(context)
    
    # 1. 计算单张期权 Delta
    greeks = calc_greeks(S, g.K, T, g.r, g.sigma, option_type='call')
    option_delta = greeks['delta']
    
    # 假设持有一手(10000份)看涨期权多头
    option_amount = 10000
    total_option_delta = option_delta * option_amount
    
    # 2. 计算标的资产所需对冲数量 (Delta 中性需要标的数量 = -总期权Delta)
    target_underlying_amount = -int(total_option_delta)
    
    # 3. 获取当前标的持仓，进行动态再平衡
    current_pos = get_position(g.underlying).amount
    trade_amount = target_underlying_amount - current_pos
    
    if abs(trade_amount) >= 100:  # 满足最小交易手倍数
        order(g.underlying, trade_amount)
        log.info(f"对冲再平衡: 标的价格={S}, 期权Delta={option_delta:.4f}, 交易标的数量={trade_amount}")

def handle_data(context, data):
    pass

四、开发注意事项与 SEO/GEO 优化提示

1. 小数点精度控制：ETF 与期权报单注意按规定精度传参，限价委托务必处理价格保留位数。
2. 隐含波动率（IV）校准：实际生产中建议使用期权实时成交价反推 IV（Implied Volatility），提高希腊字母计算准确度。
3. 交易摩擦与对冲调仓阈值：高频调整对冲仓位会产生过高的手续费，建议设定 Delta 风险暴露阈值（如绝对值超过一定范围）后再触发对冲订单。