期权量化策略实战：从零到精通 - 第1节

📌 一、期权定义

期权 (Option) 是一种赋予买方在未来特定日期或之前，以约定价格买入或卖出一定数量标的资产的权利（而非义务）的金融合约。买方支付权利金，卖方承担履约义务。

✨ 核心特征：权利与义务不对等，风险收益结构非线性。

📌 二、期权类型（看涨 / 看跌）

看涨期权 (Call Option) — 买方有权以行权价买入标的资产。预期价格上涨时买入。
看跌期权 (Put Option) — 买方有权以行权价卖出标的资产。预期价格下跌时买入。
欧式 / 美式 — 欧式仅到期日行权；美式到期前任何交易日可行权。

📌 三、期权合约要素

要素	说明	示例
标的资产	期权合约对应的基础资产	股票、ETF、期货、指数
行权价 (Strike)	约定的买卖价格	50 ETF Call @ 3.800
到期日	合约最后有效日期	2025-06-20
权利金 (Premium)	买方支付给卖方的价格	0.0550 / 份
合约单位	每张合约对应的标的数量	10000 份 (ETF期权)
行权方式	欧式 / 美式	欧式 (仅到期行权)

📌 四、期权 vs 期货核心区别

盈亏结构：期权非线性（买方风险有限，收益潜力大）；期货线性（双向盈亏对称）。
保证金：期权买方无需保证金（仅付权利金），卖方需保证金；期货买卖双方均需保证金。
策略多样性：期权可构建价差、跨式、蝶式等；期货以方向性套保/投机为主。

📌 五、量化视角：BS 定价模型示意

# Python · Black-Scholes 欧式看涨期权定价 (示意)
import math
from scipy.stats import norm

def bs_call(S, K, T, r, sigma):
    d1 = (math.log(S/K) + (r + 0.5*sigma**2)*T) / (sigma*math.sqrt(T))
    d2 = d1 - sigma*math.sqrt(T)
    call = S * norm.cdf(d1) - K * math.exp(-r*T) * norm.cdf(d2)
    return call

# 示例参数
S0 = 50.0      # 标的现价
K  = 52.0      # 行权价
T  = 0.5       # 半年
r  = 0.03      # 无风险利率
sigma = 0.25   # 波动率

price = bs_call(S0, K, T, r, sigma)
print(f"看涨期权理论价格: {price:.4f}")

📘 期权量化策略实战