项目状态
已完成
项目类型
风险管理
起始时间
May 1, 2025 → May 30, 2025
项目描述
基于BSM与BAW定价模型及二阶泰勒近似，自主开发情景分析与业绩归因双模块，实现期权组合P&L、Greeks与保证金的盘后全流程测算与归因；以每日持仓表为输入，输出情景分析与归因结果表，结果与Wind系统偏差小于5%。
负责人
所属板块
盘后期权风险管理体系
学习收获
Attribution-Analysis-of-Options-Trading
Yuyang-Yao75 • Updated Nov 30, 2025
S（Situation）
部门需要一套日度可用的期权组合风控工具，能够跨市场（上/深交所 ETF 期权、IF/IO 等股指期权、商品期权等）统一口径地做组合级别的矩阵化情景分析（S×IV 二维网格），并输出按标的与组合聚合的 P&L、现金希腊（）与保证金压力。
现有 Wind 终端虽有单合约定价与希腊，但存在两点现实不足：
- 无法按组合统一风控：难以用企业内部持仓口径（净额、乘数、方向、分市场）进行一体化聚合；
- 缺少“矩阵化”情景扫描：难以在固定网格（例如 S±10% × IV±10%，11×11）下批量、可追溯地输出面阵用于盘前会；
为支撑部门的次日盘前风险例会，需要一个可自动化运行、输出 Excel（按日期建文件夹、按标的建分表，含总表）的组合统一风控引擎。
A（Action）
所有理论部分均参考CQG QTrader平台或Wind平台
数据与预处理
- 以“期权持仓表.csv”为输入（列含：同花顺代码
代码与数量），通过 iFinDPy批量拉取并扩充为完整持仓表（fill_data）：标的代码/收盘价、执行价、到期日、剩余交易日、收盘价、期权类型、合约乘数、行权方式、交易所等；若数据有缺失先备份并报出缺失列（check_and_backup_out）。
- 交易时段口径：统一校验
session ∈ {盘前/盘中/盘后}（validate_session），并按口径调整日期（盘后=当日、盘前/盘中=前一日）。
- 剩余交易日口径统一：同花顺“剩余交易日”包含当天，因此先减 1 再除以 244（日化基数
ANN_TRADING_DAYS=244），做完隐含波后，为模拟“次日”再减 1/244。
欧式标的基准价（为情景基准而非直接用收盘价）
- 计算“平值标的价”
calculate_atm_underlying_price：在平值附近各取5 档看涨/看跌，按平价公式 逐档估算后取均值。
这么做的原因：降低收盘价的异动与不活跃成交噪声；利用 C-P 合成远期（隐含 carry），更稳健地作为情景扫描的 S 基准。
隐含波反解（欧式/美式）
- 欧式（
implied_vol： - 价格先做无套利边界检查（看涨：；看跌：），越界时打印并通过平价用对端合约（C↔P）修正市场价；仍越界则按边界截断；
- 牛顿法迭代，
vega<1e-8或 时退出保护，返回初值； - 定价用自写 BS 定价
bs_price（支持网格向量化），vega 用bs_vega。
- 美式（
implied_vol_bisect）： - 采用 Barone-Adesi & Whaley (BAW) 近似定价
baw_american_option_price，并在 区间上二分法求 ； - 股指期权按 处理，使美式看涨在 时退化为欧式价格（符合 BAW 理论）。
情景网格与定价
- 生成 S 比例变动 、IV 变化 的 11×11 网格（
generate_grid）；
- 欧式价格面
bs_price（向量化，含 b=r-q），美式价格面baw_american_option_price（向量化）；
现金希腊（组合口径）
- 欧式：解析解
calculate_european_greeks（），以现金希腊口径聚合（与 Wind 对齐）： - 行：按 0.01·S·Δ·multiplier·数量 汇总（对 1% 价格变动的现金 P&L 效应）；
- 行：按 0.5·(0.01·S)^2·Γ；
- （Vega）：对 1% 波动率变化的现金效应；
- ：按日衰减（/244）现金效应。
- 美式：
calculate_american_greeks采用中心差分近似（），并用同一现金口径聚合。
- 结果按标的（groupby 标的资产）与组合两级输出矩阵，并写入 Excel 的分标的 sheet 与总表。
保证金情景（空头）
- 仅对空头计算；
- 上/深交所：；
- 中金所：0.12/0.06 系数口径；
- 其他期货交易所：调用 iFinD 字段
ths_contract_short_deposit_future获取期货保证金率，取
。
工程化与可用性
- 异常保护：数据缺失先备份并打印缺失列占比；牛顿法收敛保护；美式 IV 求解异常回退；
- 向量化与复用：价格函数（欧/美）支持二维网格输入，避免重复循环；
- 输出规范：按日期建文件夹，单个 Excel 汇总；每个标的一个工作表，斜线表头区分“横轴 S、纵轴 IV”，总表汇总所有标的的 P&L/Greeks 与总保证金情景。
可改进板块
- 标的价格的调整：ETF 的收盘价来自收盘集合竞价，容易被大额挂单、撤单和微观结构噪声拉偏，往往不能代表市场对标的的真实定价。用平值附近 5 档 C/P，通过平价公式反推一个“公允标的价”再取均值，本质动机是：让用来定价和做情景分析的 与期权市场内部自洽、同时降低单一报价的噪音，这个做法在理论和实务上都是合理的，只要清楚这个“标的价”其实更像“隐含远期/隐含现价”，而不是简单的收盘现货价。
- 欧式期权隐含波动率的调整：用平价 + 深度虚值合约“修正”深度实值合约价格，再反解隐含波动率，这个思路在实务中是合理的，而且比直接拿那条深度实值的成交价要靠谱得多，但是这种方法解决的是“价格错得太离谱导致根本算不出 IV”这个问题，不是万能钥匙。真正稳健的做法应该是：用平价 + 深度虚值价 +（最好）一整条波动率曲面拟合。
- 欧式 IV 反解改为“lets-be-rational / py_vollib”的鲁棒闭式反解（重要，稳定性）
- 现状：牛顿法需要初值与 vega 非零，深 ITM/OTM 或近到期时有不稳定；你已做了越界判定与平价修正，但仍有长尾风险。
- 改进：使用
lets_be_rational（Jäckel）或py_vollib.black_scholes.implied_volatility，在极端价差与vega→0场景也能稳定收敛；作为首选，牛顿法作后备。
- 美式期权隐含波动率无法应对市场极端情形：
- 现状：二分区间固定为 [0.1, 1]。若真实 IV 超界（<10% 或 >100%），会抛错并回 -1。
- 改进：采用自适应括号：从 起步，若函数同号则指数扩张上界直至变号；或换用 Brent（
scipy.optimize.brentq）。同时近到期 时直接以内在价值与时间价值判断回退逻辑，或不反解。
