maxfeng b84313cbed 恢复了单纯牛差的交易		vor 2 Monaten
..
Jiabailie	559d01c05b 期权相关策略的初始化,更新了聚宽平台上找到的期权策略,更新了第一版牛差的卖购策略但是还没有完成	vor 4 Monaten
__pycache__	559d01c05b 期权相关策略的初始化,更新了聚宽平台上找到的期权策略,更新了第一版牛差的卖购策略但是还没有完成	vor 4 Monaten
BS_WhalleyWilmott.py	559d01c05b 期权相关策略的初始化,更新了聚宽平台上找到的期权策略,更新了第一版牛差的卖购策略但是还没有完成	vor 4 Monaten
README.md	b84313cbed 恢复了单纯牛差的交易	vor 2 Monaten
README_STRATEGY_TEST.md	559d01c05b 期权相关策略的初始化,更新了聚宽平台上找到的期权策略,更新了第一版牛差的卖购策略但是还没有完成	vor 4 Monaten
analysis_chart.ipynb	559d01c05b 期权相关策略的初始化,更新了聚宽平台上找到的期权策略,更新了第一版牛差的卖购策略但是还没有完成	vor 4 Monaten
analysis_chart.py	b84313cbed 恢复了单纯牛差的交易	vor 2 Monaten
deep_itm_bull_spread_strategy.py	b84313cbed 恢复了单纯牛差的交易	vor 2 Monaten
product_T_price.py	34557b794c 完成了一版商品期货T型报价的代码	vor 3 Monaten

Options Trading Strategies

0. BS_WhalleyWilmott.py - Whalley-Wilmott 期权对冲策略

策略概述

这是一个基于 Black-Scholes 模型的场外期权对冲策略，采用 Whalley-Wilmott 阈值方法进行动态对冲。该策略通过计算期权的 Delta 值并根据阈值条件进行股票仓位调整，以对冲期权风险。

核心交易逻辑

1. 初始化设置

标的证券: 默认为 '002724.XSHE'
执行价格倍数: K=1 (平价期权)
合约期限: T=30天
无风险利率: rf=0.09 (9%)
波动率: 基于过去365天的历史数据计算
名义本金: 账户现金的95.24% (1/1.05)

2. 对冲触发机制

策略采用 Whalley-Wilmott 阈值方法，只有当 Delta 变化超过特定阈值时才进行对冲交易：

阈值计算公式:

wwt = (3/2 * a / risk_tolerance)^(1/3)
其中: a = exp(-rf*τ/365) * trading_cost * S * gamma^2

参数设置:

风险容忍度 (risk_tolerance): 5
交易成本 (trading_cost): 0.00055 (0.055%)

3. 交易时间安排

第一天 (建仓日):

计算初始 Delta 值
建立对应的股票仓位: 仓位 = (名义本金/期初价格) * Delta
仓位调整为100股的整数倍

中间交易日:

跳过开盘第一分钟 (9:30) 避免价格异常
实时监控当前 Delta 与上次 Delta 的差异
当差异超过 Whalley-Wilmott 阈值时，调整股票仓位
处理分红拆股事件，相应调整期初价格

到期日:

清空所有股票仓位

4. 关键计算函数

Delta 计算:

d1 = (ln(S/(S0*K)) + (rf + σ²/2)*(τ/365)) / (σ*√(τ/365))
delta = N(d1)  # 标准正态分布累积函数

Gamma 计算:

gamma = φ(d1) / (S * σ * √(τ/365))  # φ为标准正态分布密度函数

波动率计算:

使用过去365天的日收盘价
计算对数收益率的标准差
年化处理 (乘以√250)

5. 风险管理特点

动态对冲: 不是连续对冲，而是基于阈值的离散对冲，降低交易成本
成本优化: Whalley-Wilmott 方法在对冲效果和交易成本之间找到最优平衡
事件处理: 自动处理分红拆股等公司行为对期权参数的影响
仓位管理: 仓位调整为100股整数倍，符合实际交易要求

6. 适用场景

场外期权做市商的风险对冲
结构化产品的 Delta 中性策略
期权组合的动态风险管理

7. 注意事项

策略假设期权为欧式期权，到期前不会被提前行权
波动率使用历史波动率，可能与隐含波动率存在差异
交易成本设置需要根据实际券商费率调整
适合流动性较好的标的证券

参考资料

原始策略来源: 聚宽文章 "场外期权对冲策略回测框架-（以Whally-Wilmott为例）"
作者: 颖硕
链接: https://www.joinquant.com/post/14348

加百利分享

1. 聚宽平台期权数据获取与绘图

核心功能：

数据获取: 从聚宽平台获取50ETF期权的历史交易数据
数据分析: 分别统计认购期权(Call)和认沽期权(Put)的成交量和成交金额
可视化展示: 绘制认购/认沽期权的成交量和成交金额对比图表
应用场景: 期权市场情绪分析、Put/Call比率研究、市场活跃度监控

参考资料：

2. 获取期权数据，列出符合要求的合约

核心功能：

合约筛选: 根据到期日、行权价、期权类型等条件筛选期权合约
数据查询: 使用聚宽期权数据库查询符合条件的期权合约信息
信息展示: 列出合约代码、交易代码、行权价、到期日等关键信息
应用场景: 期权策略构建前的合约选择、期权链分析

参考资料：

3. 绘制期权损益分析图

核心功能：

损益计算: 计算不同期权策略在不同标的价格下的损益情况
图表绘制: 绘制期权策略的损益曲线图(Payoff Diagram)
盈亏分析: 标识盈亏平衡点、最大盈利/亏损点
应用场景: 期权策略风险收益分析、策略比较、投资决策支持

参考资料：

4. 股指ETF期权T型报价

核心功能：

T型报价: 以T型表格形式展示50ETF期权的买卖报价
实时数据: 获取期权的最新买一价、卖一价、成交价等信息
分类展示: 按行权价分类，同时显示认购和认沽期权报价
应用场景: 期权交易决策、价差分析、流动性评估

参考资料：

5. 商品期权T型报价代码

核心功能：

商品期权报价: 获取商品期权(如豆粕、白糖等)的T型报价表
多品种支持: 支持不同商品期权品种的报价查询
价格展示: 显示期权的理论价值、实际报价、隐含波动率等
应用场景: 商品期权交易、套利机会识别、波动率分析

参考资料：

6. 50ETF-期权-备兑认购策略

核心交易逻辑：

持仓构建: 持有50ETF现货 + 卖出虚值认购期权
合约选择: 优先选择略虚值的认购期权(行权价>现价)
调仓规则: 当行权价低于现价95%时平仓原期权，重新开仓虚值期权
到期处理: 到期前1天移仓换月至次月合约
收益来源: 赚取期权权利金 + 标的资产增值(有上限)

参考资料：

7. 50ETF-备兑认购策略-改进版

核心交易逻辑：

动态调整: 在传统备兑策略基础上增加动态调仓机制
风险控制: 设置止损条件，当亏损达到一定比例时主动平仓
收益优化: 根据市场波动率调整期权选择标准
时间管理: 优化到期日管理，避免临近到期的时间价值损失
适应性强: 能够适应不同市场环境下的波动特征

参考资料：

8. 豆粕-备兑认购策略

核心交易逻辑：

商品应用: 将备兑认购策略应用于豆粕期货市场
持仓结构: 持有豆粕期货多头 + 卖出豆粕认购期权
合约管理: 跟踪豆粕主力合约变化，及时调整持仓
季节性考虑: 结合豆粕的季节性供需特点调整策略参数
风险特点: 商品期货波动率通常高于股指，需要更严格的风险控制

参考资料：

9. 商品主力合约-备兑认购策略

核心交易逻辑：

多品种适用: 适用于各种商品期货的备兑认购策略框架
主力合约跟踪: 自动识别和切换到成交量最大的主力合约
动态对冲: 根据商品期货的高波动特性调整对冲频率
保证金管理: 考虑期货保证金制度，优化资金使用效率
品种轮动: 可在不同商品间轮动，寻找最佳投资机会

参考资料：

10. 商品主力合约-备兑认沽策略

核心交易逻辑：

反向策略: 持有现金 + 卖出虚值认沽期权，等待标的下跌时以折价买入
现金管理: 预留足够现金以备行权时购买标的资产
跌幅获利: 在标的价格下跌过程中赚取期权权利金
底部建仓: 通过行权在相对低位建立多头仓位
适用环境: 适合在预期标的将在区间震荡或温和下跌时使用

参考资料：

11. 领口认购策略-商品主力合约

核心交易逻辑：

三腿组合: 持有标的多头 + 卖出虚值认购期权 + 买入虚值认沽期权
风险限制: 通过买入认沽期权为下跌风险设置保护下限
收益优化: 卖出认购期权降低保护成本，形成有限收益区间
成本控制: 认沽期权保护费用部分由认购期权权利金抵消
适用场景: 温和认购市场，既要保护下跌风险又要控制保护成本

参考资料：

12. 领口认购策略-50ETF

核心交易逻辑：

ETF应用: 将领口策略应用于50ETF，利用其高流动性优势
精确定价: 利用50ETF期权的活跃交易获得更精确的期权定价
灵活调整: 可根据市场情况灵活调整上下限保护区间
成本效益: 在50ETF相对稳定的波动环境下优化成本收益比
风险管理: 为50ETF投资组合提供有效的风险管理工具

参考资料：

13. 卖出跨式策略-50ETF

核心交易逻辑：

双向卖出: 同时卖出相同行权价的认购和认沽期权
波动率交易: 赚取时间价值衰减，适合低波动率环境
区间获利: 当标的价格在一定区间内震荡时获得最大收益
风险特征: 潜在亏损无限，需要严格的风险控制
最佳环境: 预期标的将在当前价格附近窄幅震荡

参考资料：

14. 卖出跨式策略-商品主力合约

核心交易逻辑：

商品适配: 将跨式策略应用于波动性更高的商品期货市场
波动率管理: 需要更谨慎地评估商品期货的波动率水平
保证金考虑: 商品期货的保证金制度影响策略的资金效率
季节性因素: 考虑商品的季节性供需变化对波动率的影响
风险加大: 商品期货的高波动性使得风险控制更加重要

参考资料：

15. 买入日历价差策略-商品期货

核心交易逻辑：

时间价差: 卖出近月期权 + 买入远月期权，利用时间价值衰减差异
波动率套利: 利用不同到期日期权的隐含波动率差异获利
有限风险: 最大亏损限于支付的净权利金
最佳时机: 适合在预期标的价格将在短期内保持相对稳定时使用
到期管理: 需要在近月期权到期前主动管理仓位

参考资料：

16. 买入日历价差策略-50ETF

核心交易逻辑：

ETF优势: 利用50ETF期权链的完整性和流动性优势
精细操作: 可以更精确地选择最优的时间价差组合
成本控制: 在相对稳定的ETF环境下控制策略成本
收益稳定: 适合追求稳定收益的投资者
风险可控: 最大风险明确，适合风险偏好较低的投资者

参考资料：

书生分享

1. 卖沽ETF，卖购备兑策略

1. 深度实值买购和卖购组合的牛差策略（升级版）

文件名: deep_itm_bull_spread_strategy.py

策略概述

该策略是一个专注于牛差组合的期权交易系统：

牛差组合策略：深度实值买购期权 + 平值卖购期权

系统通过严格的期权筛选条件，寻找最优的牛差组合机会。

核心交易逻辑

1. 策略机制

专注牛差策略：只执行牛差组合策略，寻找最优的深度实值买购期权
严格筛选：通过严格的期权筛选条件确保策略质量

2. 开仓选择标准

卖购期权选择：

筛选虚值期权（行权价 > ETF价格）
选择最接近ETF价格的虚值期权（行权价最小的虚值期权）
当月期权权利金要求：下月阈值×0.6（沪深300ETF≥0.018，上证50ETF≥0.03，创业板ETF≥0.018）
下月期权权利金要求：沪深300ETF≥0.03，上证50ETF≥0.05，创业板ETF≥0.03
下月期权指到期日在下个自然月的所有期权
最少距离到期日15天（交易日）
如果当月无虚值期权，则尝试下月期权

深度实值买购期权选择：

行权价必须低于当前ETF价格（实值期权）
时间价值必须小于0.015
选择行权价最接近ETF价格的期权
必须与卖购期权到期月份一致

3. 开仓机制

牛差策略开仓条件：

存在符合条件的深度实值买购期权
存在符合条件的平值卖购期权
两个期权必须到期日一致

4. 盈利计算

牛差组合策略：

单张最大盈利 = (卖购行权价 - 买购行权价 - 买购权利金 + 卖购权利金) × 10000
最小盈利 = 卖购权利金 × 10000

5. 平仓条件

时间平仓：

距离到期日≤7个交易日时强制平仓

盈利平仓：

ETF价格≥卖购行权价时，达到最大盈利的83%

权利金平仓：

ETF价格<卖购行权价时，卖购权利金剩余<0.005

6. 加仓机制

加仓条件：

ETF价格下跌至加仓触发价位
加仓窗口阈值：沪深300ETF: 0.2，上证50ETF: 0.1，创业板ETF: 0.15
最大加仓次数：2次

7. 资金管理

动态合约数量计算：

根据分配资金和保证金要求动态计算合约数量
牛差组合保证金 = 行权价差 × 合约单位 + 30元优惠

多标的资金分配：

支持多个ETF标的同时运行
默认资金分配：上证50ETF 50%，沪深300ETF 30%，创业板ETF 20%
总资金使用上限：80%

8. 数据记录与监控

交易记录：

完整的开仓/平仓交易记录
牛差策略标识
盈亏分析和归因

持仓监控：

每日持仓状况记录
浮动盈亏实时计算
牛差策略持仓统计

账户汇总：

多标的账户资金汇总
已实现/未实现盈亏分离
收益率和风险指标计算

配置参数

{
    'contract_size': 30,  # 默认合约数量（动态调整）
    'min_premium': {'510300': 0.03, '510050': 0.05, '159915': 0.03},  # 下月期权权利金阈值
    'min_days_to_expiry': 15,  # 最少开仓距离到期日
    'call_time_value_threshold': 0.015,  # 深度实值期权时间价值阈值
    'put_close_premium_threshold': 0.005,  # 卖购平仓权利金阈值
    'max_days_before_expiry': 7,  # 到期平仓最大天数
    'min_days_before_expiry': 2,  # 到期平仓最小天数
    'add_position_threshold': {'510300': 0.2, '510050': 0.1, '159915': 0.15},
    'max_add_positions': 2,  # 最大加仓次数
    'max_profit_close_threshold': 0.83,  # 83%最大盈利平仓
    # 注意：当月期权权利金阈值 = 下月阈值 × 0.6
}

适用场景

牛市震荡行情：牛差策略获取有限上涨收益
资金规模化管理：多标的分散投资
风险控制要求：严格的开仓条件和止损机制

系统架构

DeepITMBullSpreadStrategy：单标的策略核心类
MultiUnderlyingBullSpreadManager：多标的管理器
StrategyConfig：策略配置管理
StrategyType：策略类型枚举（BULL_SPREAD）

功能特点

专注牛差策略：专门针对牛差策略进行优化
严格筛选标准：确保只有高质量的期权组合才会开仓
精确盈亏计算：准确计算牛差策略的盈亏情况
完整数据追踪：详细记录所有交易过程
风险控制：多层次的风险控制机制
资金管理：动态调整合约数量，优化资金使用效率

README.md

Options Trading Strategies

0. BS_WhalleyWilmott.py - Whalley-Wilmott 期权对冲策略

策略概述

核心交易逻辑

1. 初始化设置

2. 对冲触发机制

3. 交易时间安排

4. 关键计算函数

5. 风险管理特点

6. 适用场景

7. 注意事项

参考资料

加百利分享

1. 聚宽平台期权数据获取与绘图

核心功能：

参考资料：

2. 获取期权数据，列出符合要求的合约

核心功能：

参考资料：

3. 绘制期权损益分析图

核心功能：

参考资料：

4. 股指ETF期权T型报价

核心功能：

参考资料：

5. 商品期权T型报价代码

核心功能：

参考资料：

6. 50ETF-期权-备兑认购策略

核心交易逻辑：

参考资料：

7. 50ETF-备兑认购策略-改进版

核心交易逻辑：

参考资料：

8. 豆粕-备兑认购策略

核心交易逻辑：

参考资料：

9. 商品主力合约-备兑认购策略

核心交易逻辑：

参考资料：

10. 商品主力合约-备兑认沽策略

核心交易逻辑：

参考资料：

11. 领口认购策略-商品主力合约

核心交易逻辑：

参考资料：

12. 领口认购策略-50ETF

核心交易逻辑：

参考资料：

13. 卖出跨式策略-50ETF

核心交易逻辑：

参考资料：

14. 卖出跨式策略-商品主力合约

核心交易逻辑：

参考资料：

15. 买入日历价差策略-商品期货

核心交易逻辑：

参考资料：

16. 买入日历价差策略-50ETF

核心交易逻辑：

参考资料：

书生分享

1. 卖沽ETF，卖购备兑策略

1. 深度实值买购和卖购组合的牛差策略（升级版）

策略概述

核心交易逻辑

1. 策略机制

2. 开仓选择标准

3. 开仓机制

4. 盈利计算

5. 平仓条件

6. 加仓机制

7. 资金管理

8. 数据记录与监控

配置参数

适用场景

系统架构

功能特点