获取期权隐含波动率及波动率套利策略

在 QMT 平台中，获取期权隐含波动率（Implied Volatility, IV）主要有两种方式：直接获取系统计算好的实时 IV，或者利用 BSM 模型根据市场价格自行反推。

波动率套利策略通常涉及 Delta 中性策略（如跨式组合 Straddle 或 宽跨式组合 Strangle）。

以下将详细介绍如何获取数据，并提供一个完整的 做多波动率（Long Straddle） 策略示例。该策略在隐含波动率处于历史低位时买入跨式组合（同时买入平值认购和认沽），在波动率回归高位或获利时平仓。

1. 获取隐含波动率的方法

方法一：直接获取实时 IV (推荐)

使用 ContextInfo.get_option_iv(optioncode) 接口。这是最简单的方法，直接返回交易所或柜台计算的实时数据。

iv = ContextInfo.get_option_iv('10003280.SHO')
print(f"实时隐含波动率: {iv}")

方法二：使用 BSM 模型反推

使用 ContextInfo.bsm_iv(...) 接口。这适用于回测或需要自定义无风险利率、剩余天数等参数的场景。

# 参数：期权类型, 标的价格, 行权价, 期权现价, 无风险利率, 剩余天数, 分红率
iv = ContextInfo.bsm_iv('C', 3.51, 3.5, 0.0725, 0.03, 15, 0)

2. 波动率套利策略实现 (做多波动率)

策略逻辑：

1. 标的：50ETF (510050.SH) 及其对应的期权。
2. 合约选择：选择当月到期的 平值 (ATM) 认购 (Call) 和 认沽 (Put) 期权。
3. 入场条件：当平值期权的平均隐含波动率低于设定阈值（例如 15%），且当前无持仓时，构建买入跨式组合（Buy Call + Buy Put）。
4. 出场条件：当平均隐含波动率高于设定阈值（例如 25%），或期权临近到期（剩余天数 < 3天）时，平掉所有仓位。
5. 风控：简单的全平仓逻辑。

完整策略代码

# -*- coding: gbk -*-
import pandas as pd
import numpy as np
import datetime
import time

def init(ContextInfo):
    # 1. 设置账户信息 (请替换为您的真实资金账号)
    ContextInfo.account_id = 'YOUR_ACCOUNT_ID'
    ContextInfo.account_type = 'STOCK_OPTION' # 账号类型：股票期权
    ContextInfo.set_account(ContextInfo.account_id)
    
    # 2. 策略参数设置
    ContextInfo.underlying = '510050.SH'  # 标的：50ETF
    ContextInfo.low_iv_threshold = 0.15   # 入场阈值：IV < 15%
    ContextInfo.high_iv_threshold = 0.25  # 出场阈值：IV > 25%
    ContextInfo.days_to_expire_limit = 3  # 临近到期天数限制
    ContextInfo.trade_unit = 1            # 每次交易张数
    
    # 3. 全局变量
    ContextInfo.holding_call = None       # 当前持有的Call代码
    ContextInfo.holding_put = None        # 当前持有的Put代码
    
    print("波动率套利策略初始化完成")

def handlebar(ContextInfo):
    # 仅在最后一根K线（实时行情）或回测的每一根K线运行
    # 如果是实时盘中，建议加上 ContextInfo.is_last_bar() 判断
    
    # 获取当前时间
    current_time = timetag_to_datetime(ContextInfo.get_bar_timetag(ContextInfo.barpos), '%Y%m%d')
    
    # 1. 获取标的资产(50ETF)的最新价格
    underlying_data = ContextInfo.get_market_data_ex(
        ['close'], [ContextInfo.underlying], period='1d', count=1, subscribe=True
    )
    if ContextInfo.underlying not in underlying_data:
        return
    
    underlying_price = underlying_data[ContextInfo.underlying].iloc[-1]['close']
    
    # 2. 获取当月期权合约列表
    # 获取当前年月，格式 YYYYMM
    current_month = current_time[0:6] 
    
    # 获取认购和认沽合约列表
    # 注意：get_option_list 第四个参数 True 表示只获取当前可交易的
    calls = ContextInfo.get_option_list(ContextInfo.underlying, current_month, "CALL", True)
    puts = ContextInfo.get_option_list(ContextInfo.underlying, current_month, "PUT", True)
    
    if not calls or not puts:
        print("未获取到期权合约列表")
        return

    # 3. 筛选平值合约 (ATM)
    # 逻辑：寻找行权价与标的价格差值最小的合约
    atm_call = get_atm_contract(ContextInfo, calls, underlying_price)
    atm_put = get_atm_contract(ContextInfo, puts, underlying_price)
    
    if not atm_call or not atm_put:
        return

    # 4. 获取隐含波动率 (IV)
    iv_call = ContextInfo.get_option_iv(atm_call)
    iv_put = ContextInfo.get_option_iv(atm_put)
    
    # 异常值处理
    if iv_call <= 0 or iv_put <= 0:
        # 如果实时IV获取失败，可以使用bsm_iv自行计算，这里简单跳过
        return
        
    avg_iv = (iv_call + iv_put) / 2
    
    # 5. 检查到期日
    # 获取合约详细信息以计算剩余天数
    detail = ContextInfo.get_instrumentdetail(atm_call)
    expire_date_str = str(detail['ExpireDate']) # 格式 YYYYMMDD
    days_left = days_between(current_time, expire_date_str)
    
    print(f"日期:{current_time}, 标的价格:{underlying_price:.3f}, ATM Call:{atm_call}, ATM Put:{atm_put}, 平均IV:{avg_iv:.4f}, 剩余天数:{days_left}")

    # 6. 交易逻辑
    
    # 情况A：临近到期，强制平仓
    if days_left <= ContextInfo.days_to_expire_limit:
        if ContextInfo.holding_call or ContextInfo.holding_put:
            print(f"临近到期({days_left}天)，强制平仓")
            close_positions(ContextInfo)
        return

    # 情况B：当前无持仓，且 IV 低于阈值 -> 开仓 (做多波动率)
    if ContextInfo.holding_call is None and ContextInfo.holding_put is None:
        if avg_iv < ContextInfo.low_iv_threshold:
            print(f"IV ({avg_iv:.4f}) 低于阈值，开仓买入跨式组合")
            
            # 买入认购
            passorder(50, 1101, ContextInfo.account_id, atm_call, 5, -1, ContextInfo.trade_unit, ContextInfo)
            # 买入认沽
            passorder(50, 1101, ContextInfo.account_id, atm_put, 5, -1, ContextInfo.trade_unit, ContextInfo)
            
            # 更新持仓记录
            ContextInfo.holding_call = atm_call
            ContextInfo.holding_put = atm_put

    # 情况C：当前有持仓，且 IV 高于阈值 -> 平仓 (止盈)
    elif ContextInfo.holding_call is not None and ContextInfo.holding_put is not None:
        if avg_iv > ContextInfo.high_iv_threshold:
            print(f"IV ({avg_iv:.4f}) 高于阈值，平仓获利")
            close_positions(ContextInfo)
            
        # 注意：实际交易中，如果标的价格大幅波动导致持仓不再是平值，
        # 可能需要进行 Delta 对冲或移仓（Rolling），本示例简化为持有直到IV回归或到期。

def get_atm_contract(ContextInfo, contract_list, underlying_price):
    """
    获取平值合约
    """
    min_diff = 99999.0
    target_contract = None
    
    for code in contract_list:
        detail = ContextInfo.get_instrumentdetail(code)
        strike_price = detail['OptExercisePrice']
        diff = abs(strike_price - underlying_price)
        
        if diff < min_diff:
            min_diff = diff
            target_contract = code
            
    return target_contract

def days_between(d1, d2):
    """
    计算两个日期字符串(YYYYMMDD)之间的天数差
    """
    try:
        date1 = datetime.datetime.strptime(d1, "%Y%m%d")
        date2 = datetime.datetime.strptime(d2, "%Y%m%d")
        return (date2 - date1).days
    except:
        return 0

def close_positions(ContextInfo):
    """
    平掉所有记录的持仓
    """
    if ContextInfo.holding_call:
        # 卖出平仓 Call
        passorder(51, 1101, ContextInfo.account_id, ContextInfo.holding_call, 5, -1, ContextInfo.trade_unit, ContextInfo)
        ContextInfo.holding_call = None
        
    if ContextInfo.holding_put:
        # 卖出平仓 Put
        passorder(51, 1101, ContextInfo.account_id, ContextInfo.holding_put, 5, -1, ContextInfo.trade_unit, ContextInfo)
        ContextInfo.holding_put = None

代码关键点解析

1. 获取期权链 (get_option_list)：

   • 我们使用 ContextInfo.get_option_list 配合当前月份，动态获取当月的所有认购和认沽合约。
   • 参数 True 确保只获取当前可交易的合约（过滤掉未上市或已退市的）。

2. 计算平值合约 (get_atm_contract)：

   • 通过遍历合约列表，利用 get_instrumentdetail 获取行权价 (OptExercisePrice)。
   • 计算行权价与标的现价的差值绝对值，最小者即为平值合约 (ATM)。

3. 获取隐含波动率 (get_option_iv)：

   • 直接调用 QMT 内置接口。这是做波动率策略的核心数据源。
   • 策略中取 Call 和 Put 的 IV 平均值作为市场情绪的参考。

4. 交易指令 (passorder)：

   • opType=50: 买入开仓。
   • opType=51: 卖出平仓。
   • prType=5: 最新价下单（回测常用，实盘建议用对手价 14 或限价）。

5. 到期日管理：

   • 期权策略必须严格管理时间价值衰减（Theta）。代码中设置了 days_to_expire_limit，在临近到期前强制平仓，避免进入交割月或承受过大的 Gamma 风险。

注意事项

• 数据权限：获取期权数据（特别是 IV 和 Greeks）通常需要开通 Level-2 或特定的期权数据权限，请确认您的 QMT 账号具备此权限。
• 实盘调整：
  • 实盘中下单价格类型建议修改为对手价或挂单价，避免滑点。
  • 实盘中需要通过 get_trade_detail_data 实时查询真实持仓，而不是仅依赖 ContextInfo.holding_call 变量，以防止程序重启后状态丢失。
• Delta 对冲：上述策略是纯粹的 IV 投机。更专业的波动率套利需要在持有期间不断调整标的或期权仓位，使组合的 Delta 保持为 0（Delta Neutral），从而剥离方向性风险，纯粹赚取 Vega（波动率）收益。

Q&A

Q1: 为什么 get_option_iv 返回的值有时候是 0 或负数？
A1: 这通常发生在期权流动性极差、深度实值/虚值，或者刚刚开盘数据尚未稳定时。在策略中必须对 IV 进行有效性过滤（如 if iv > 0.01），避免基于错误数据下单。

Q2: 如何实现 Delta 中性对冲（Delta Neutral）？
A2: 您可以使用 ContextInfo.get_option_detail_data(code) 获取期权的 Greeks（如 Delta），或者使用 BSM 公式自行计算。当组合的 Delta 偏离 0 超过一定阈值时，通过买卖标的资产（如 50ETF）来进行对冲。

Q3: 回测时如何设置期权的手续费？
A3: 在 init 函数中使用 ContextInfo.set_commission(...)。期权通常按张收费（例如每张 2 元），不同于股票的按金额比例收费。设置时需注意 commissionType 参数的选择。