QMT期权套利：结合 get_option_iv 与 bsm_price 的波动率套利指南

在期权交易中，**波动率套利（Volatility Arbitrage）**是一种经典的量化交易策略。当期权的实时市场价格偏离了基于Black-Scholes-Merton (BSM) 模型计算出的理论价格时，就存在套利机会。QMT（Quantitative Trading System）平台提供了强大的期权分析接口，使得投资者可以轻松获取实时隐含波动率并计算理论定价。

本文将详细介绍如何结合QMT的 ContextInfo.get_option_iv() 与 ContextInfo.bsm_price() 接口，构建一个期权波动率套利策略。

1. 核心API接口介绍

1.1 获取实时隐含波动率：get_option_iv

• 用法：ContextInfo.get_option_iv(optioncode)
• 释义：获取股票期权的实时隐含波动率（IV）。
• 参数：optioncode（期权代码，如 '10003280.SHO'）。
• 返回：double（隐含波动率数值）。

1.2 BSM模型理论定价：bsm_price

• 用法：ContextInfo.bsm_price(optionType, objectPrices, strikePrice, riskFree, sigma, days, dividend)
• 释义：基于 BSM 模型，输入标的价格、行权价、无风险利率、波动率、剩余天数等，计算期权的理论价格。
• 参数：
  • optionType：期权类型，认购为 'C'，认沽为 'P'。
  • objectPrices：期权标的价格（可为单个价格或列表）。
  • strikePrice：期权行权价。
  • riskFree：无风险收益率（如 0.03 代表 3%）。
  • sigma：标的波动率（套利时可传入历史波动率或预测波动率）。
  • days：剩余天数。
  • dividend：分红率。

2. 波动率套利策略逻辑

1. 获取实时数据：通过 get_full_tick 获取期权合约的最新市场价格（最新价、买卖价）以及标的证券的最新价格。
2. 获取实时隐含波动率：使用 get_option_iv 获取当前期权的实时隐含波动率（市场IV）。
3. 计算理论价格：使用 bsm_price 传入基准波动率（例如标的历史波动率 OptUndlHistoryRate 或无风险利率等），计算出期权的理论合理价格。
4. 套利机会识别：
   • 期权被高估：若 市场最新价 > 理论价格 + 阈值，且市场IV显著高于历史波动率，说明期权价格偏高，可执行卖出开仓（Short Volatility）。
   • 期权被低估：若 市场最新价 < 理论价格 - 阈值，且市场IV显著低于历史波动率，说明期权价格偏低，可执行买入开仓（Long Volatility）。

3. QMT Python 策略源码示例

以下是一个在QMT中运行的期权波动率套利策略框架：

#encoding:gbk
import datetime

def init(ContextInfo):
    # 设定套利目标期权合约（以上证50ETF期权为例）
    ContextInfo.option_code = '10003280.SHO' 
    ContextInfo.set_universe([ContextInfo.option_code])
    
    # 获取期权详细信息以获取标的代码、行权价、到期日等
    detail = ContextInfo.get_option_detail_data(ContextInfo.option_code)
    ContextInfo.undl_code = detail['OptUndlCode'] + '.' + detail['OptUndlMarket'] # 标的代码
    ContextInfo.strike_price = detail['OptExercisePrice'] # 行权价
    ContextInfo.opt_type = 'C' if detail['optType'] == 'CALL' else 'P' # 期权类型
    
    # 获取到期日并计算剩余天数
    expire_date_str = str(detail['ExpireDate'])
    ContextInfo.expire_date = datetime.datetime.strptime(expire_date_str, '%Y%m%d')
    
    # 设定无风险利率与基准波动率（实际交易中可动态计算历史波动率）
    ContextInfo.risk_free = 0.03 # 3%
    ContextInfo.base_sigma = 0.20 # 假设基准历史波动率为20%
    ContextInfo.dividend = 0.0
    
    # 交易账号设置
    ContextInfo.account_id = 'YOUR_OPTION_ACCOUNT'
    ContextInfo.set_account(ContextInfo.account_id)

def handlebar(ContextInfo):
    if not ContextInfo.is_last_bar():
        return
        
    # 1. 计算剩余天数
    today = datetime.datetime.now()
    remaining_days = (ContextInfo.expire_date - today).days
    if remaining_days <= 0:
        print("期权已到期或今日到期，不进行套利")
        return
        
    # 2. 获取标的最新价格与期权最新市场价
    undl_tick = ContextInfo.get_full_tick([ContextInfo.undl_code])
    opt_tick = ContextInfo.get_full_tick([ContextInfo.option_code])
    
    if not undl_tick or not opt_tick:
        return
        
    undl_price = undl_tick[ContextInfo.undl_code]['lastPrice']
    opt_market_price = opt_tick[ContextInfo.option_code]['lastPrice']
    
    # 3. 获取期权实时隐含波动率(IV)
    realtime_iv = ContextInfo.get_option_iv(ContextInfo.option_code)
    
    # 4. 使用 BSM 模型计算理论价格
    theoretical_price = ContextInfo.bsm_price(
        ContextInfo.opt_type, 
        undl_price, 
        ContextInfo.strike_price, 
        ContextInfo.risk_free, 
        ContextInfo.base_sigma, 
        remaining_days, 
        ContextInfo.dividend
    )
    
    print(f"标的价: {undl_price:.4f} | 期权市价: {opt_market_price:.4f} | 理论价: {theoretical_price:.4f} | 实时IV: {realtime_iv:.4f}")
    
    # 5. 套利交易信号判定
    spread_threshold = 0.0050 # 套利价格偏差阈值
    
    # 偏离度过大且IV处于高位 -> 卖出高估期权
    if opt_market_price > (theoretical_price + spread_threshold) and realtime_iv > ContextInfo.base_sigma * 1.2:
        print("检测到期权价格高估，执行卖出开仓套利")
        # 52: 卖出开仓 (期权交易)
        passorder(52, 1101, ContextInfo.account_id, ContextInfo.option_code, 5, -1, 1, ContextInfo)
        
    # 偏离度过大且IV处于低位 -> 买入低估期权
    elif opt_market_price < (theoretical_price - spread_threshold) and realtime_iv < ContextInfo.base_sigma * 0.8:
        print("检测到期权价格低估，执行买入开仓套利")
        # 50: 买入开仓 (期权交易)
        passorder(50, 1101, ContextInfo.account_id, ContextInfo.option_code, 5, -1, 1, ContextInfo)

4. 策略注意事项

1. Delta对冲：单纯的买卖期权会暴露在标的方向性风险（Delta）下。在实际的波动率套利中，通常需要根据期权的实时 Delta 值，在标的证券（如50ETF）上建立反向头寸进行 Delta中性对冲。
2. 交易成本：期权交易的手续费和滑点对套利利润影响极大，在设置 spread_threshold 阈值时，务必将双边交易成本计算在内。
3. 到期日效应：临近到期的期权（如剩余天数小于5天），其时间价值衰减极快，且Gamma风险激增，建议避开临近到期合约。