# 深度实值牛差策略测试工具使用说明

## 概述

基于您在 `Lib/Options/README.md` 中描述的深度实值买购和卖购组合的牛差策略，我已经创建了完整的整合测试工具。

## 🎯 核心特性

### ✅ 已完成的功能整合

1. **策略核心逻辑** - 深度实值买购 + 平值卖购组合
2. **数据导出功能** - 支持CSV格式导出，便于线下分析
3. **分项收益分析** - 分别分析买购和卖购的收益情况
4. **期权分析工具** - 内置期权损益分析和可视化
5. **收益对比分析** - 与ETF持有收益的详细对比

### 📁 文件说明

- **`deep_itm_bull_spread_strategy.py`** - 🌟 **主文件**（所有功能已整合）
- **`test_integrated_strategy.py`** - 本地功能验证测试
- **`README_STRATEGY_TEST.md`** - 本使用说明文档

## 策略核心逻辑

根据您的策略描述，实现了以下核心交易逻辑：

### 开仓条件
1. **买购选择**：深度实值认购期权（时间价值 ≤ 0.0001）
2. **卖购选择**：平值认购期权（权利金 ≥ 最小阈值）
3. **张数配置**：每组30张（可配置）

### 平仓条件
1. **到期移仓**：距离到期7-2个交易日内
2. **ETF大涨**：接近最大盈利时
3. **ETF下跌**：卖购权利金 ≤ 0.0005时

### 加仓逻辑
- ETF下跌超过阈值时（沪深300ETF: 0.2，上证50ETF: 0.1）
- 避免在相同价格水平重复加仓

## 🚀 使用方法

### 1. 线上环境（聚宽平台）- 推荐

**步骤**：
1. 将 `deep_itm_bull_spread_strategy.py` 完整复制到聚宽平台
2. 在聚宽研究环境中运行以下代码：

```python
# 运行完整回测和分析
strategy, results = test_strategy()

# 导出数据到CSV（用于线下分析）
positions_df, trades_df, daily_df = strategy.export_data_to_csv("bull_spread_300etf")

# 分析期权组合
option_analysis = analyze_bull_spread_example()

# 收益对比分析
comparison_results = compare_with_etf_holding()
```

**输出文件**：
- `bull_spread_300etf_positions.csv` - 持仓数据
- `bull_spread_300etf_trades.csv` - 交易记录
- `bull_spread_300etf_daily.csv` - 每日损益（包含买购/卖购分项）

### 2. 本地测试验证

运行功能验证测试：

```bash
cd /path/to/jukuan
python Lib/Options/test_integrated_strategy.py
```

**测试内容**：
- ✅ 期权分析工具
- ✅ 收益对比分析
- ✅ 数据导出功能

## 📊 分项收益分析特色

### 🔍 买购和卖购分别分析

本工具的核心特色是**分别分析买购和卖购的收益情况**，而不是仅看组合总收益：

**测试结果示例**（以4.0价位为例）：

| 价格变化 | ETF收益 | 买购收益 | 卖购收益 | 牛差总收益 | 收益差异 |
|---------|---------|----------|----------|------------|----------|
| -20%    | -20,000元 | -180,400元 | +82,000元 | -98,400元 | -78,400元 |
| -5%     | -5,000元  | -98,400元  | +82,000元 | -16,400元 | -11,400元 |
| 0%      | 0元       | -16,400元  | +82,000元 | +65,600元 | +65,600元 |
| +5%     | 5,000元   | +65,600元  | 0元       | +65,600元 | +60,600元 |
| +20%    | 20,000元  | +311,600元 | -246,000元| +65,600元 | +45,600元 |

### 📈 关键洞察

1. **买购期权**：
   - 标的下跌时损失较大（深度实值变为平值/虚值）
   - 标的上涨时收益显著（杠杆效应）

2. **卖购期权**：
   - 标的下跌时提供稳定收益（权利金收入）
   - 标的上涨时限制总收益（被行权）

3. **组合效果**：
   - 在标的横盘或温和上涨时表现最佳
   - 通过卖购收入降低买购成本

### 🎯 策略适用性

**最佳表现区间**：标的价格 0% 到 +10% 变化
**风险区间**：标的价格 -10% 以下变化
**收益受限区间**：标的价格 +15% 以上变化

## 参数配置

### 策略参数（可在代码中调整）

```python
params = {
    '一组张数': 30,
    '最小权利金': {'沪深300ETF': 0.03, '上证50ETF': 0.05},
    '最少开仓日期': 20,  # 距离到期日天数
    '买购时间价值阈值': 0.0001,
    '卖购平仓权利金阈值': 0.0005,
    '合约到期移仓日期最大': 7,
    '合约到期移仓日期最小': 2,
    '加仓窗口阈值': {'沪深300ETF': 0.2, '上证50ETF': 0.1}
}
```

### 测试参数

- **标的**：300ETF (510300.XSHG)
- **测试期间**：2024-01-01 到 2025-06-30
- **初始资金**：100,000元

## 风险提示

1. **模拟环境限制**：简化版使用模拟期权定价，实际表现可能不同
2. **交易成本**：未充分考虑手续费、滑点等交易成本
3. **流动性风险**：深度实值期权可能存在流动性不足问题
4. **模型风险**：期权定价模型的准确性影响策略表现

## 🔧 主要功能类和方法

### DeepITMBullSpreadStrategy 类

**核心方法**：
- `run_backtest()` - 运行完整回测
- `generate_detailed_report()` - 生成分项收益分析报告
- `export_data_to_csv(filename_prefix)` - 导出数据到CSV
- `plot_detailed_performance()` - 绘制分项收益图表

### OptionsAnalyzer 类

**核心方法**：
- `analyze_options(*options)` - 期权组合分析
- 支持格式：`('buy', 'call', premium, strike, quantity)`

### 便捷函数

- `test_strategy()` - 一键运行完整测试
- `analyze_bull_spread_example()` - 期权组合分析示例
- `compare_with_etf_holding()` - 收益对比分析

## 📋 使用流程建议

### 线上环境工作流

1. **上传文件**：将 `deep_itm_bull_spread_strategy.py` 上传到聚宽
2. **运行回测**：执行 `test_strategy()` 获取策略表现
3. **导出数据**：使用 `export_data_to_csv()` 导出详细数据
4. **下载分析**：下载CSV文件到本地进行深度分析

### 线下分析工作流

1. **数据准备**：使用导出的CSV文件
2. **分项分析**：重点关注买购和卖购的分别表现
3. **参数优化**：基于分析结果调整策略参数
4. **风险评估**：评估不同市场环境下的表现

## ⚠️ 重要提示

1. **数据完整性**：线上环境使用真实期权数据，线下测试使用模拟数据
2. **交易成本**：实际交易需考虑手续费、滑点等成本
3. **流动性风险**：深度实值期权可能存在流动性问题
4. **风险管理**：建议添加止损和仓位管理机制

---

**🎯 核心优势**：本工具实现了您要求的所有功能整合，特别是买购和卖购的分项收益分析，为策略优化提供了详细的数据支持。