Δ Delta 详解

期权量化 · 从零到精通

📐 计算 ⚖️ 中性 🛡️ 对冲原理 🔄 动态调整 📊 实战案例

1. Delta 的计算

Delta (Δ) 衡量期权价格对标的资产价格变动的敏感度。对于欧式期权，Black-Scholes 公式给出：

看涨期权 Delta = N(d₁) · 看跌期权 Delta = N(d₁) – 1

其中 d₁ = [ln(S/K) + (r + σ²/2)T] / (σ√T) ，N(·) 为标准正态累积分布函数。

数值计算示例 (Python)

import numpy as np
from scipy.stats import norm

def delta_call(S, K, T, r, sigma):
    d1 = (np.log(S/K) + (r + 0.5*sigma**2)*T) / (sigma*np.sqrt(T))
    return norm.cdf(d1)

# 实例：S=100, K=105, T=30天, r=5%, sigma=20%
print(f"看涨Delta: {delta_call(100,105,30/365,0.05,0.20):.4f}")

期权类型	Delta 范围	平值附近 (ATM)	实值 (ITM)	虚值 (OTM)
看涨 Call	0 ～ +1	≈ 0.5	接近 1	接近 0
看跌 Put	-1 ～ 0	≈ -0.5	接近 -1	接近 0

2. Delta 中性

Delta 中性 指投资组合的整体 Delta 为 0，即组合价值不受标的资产微小价格变动的影响。通过持有期权与标的资产（或相反头寸）实现。

📌 中性条件：∑ (期权Delta × 合约乘数 × 数量) + 标的资产Delta × 数量 = 0

例如：买入 100 份 Delta=0.6 的看涨期权，需卖出 60 份标的资产（假设乘数1:1）达到中性。

静态中性：建仓时调整至 Delta=0，随后不调整。
动态中性：持续调整头寸以维持 Delta≈0（见第4节）。

3. Delta 对冲原理

Delta 对冲的核心思想：通过不断交易标的资产，抵消期权头寸的 Delta 暴露，使组合价值变化趋近于 0。原理类似“复制期权”的避险策略。

Delta 对冲 = 组合 Δ ≈ 0

对冲三步

4. 动态 Delta 调整

由于 Delta 随标的价格、时间、波动率变化，需动态再平衡。常见策略：固定阈值调整（如 Delta 偏离超过 0.02 时调仓）或定时调整（每日/每小时）。

动态调整示例（伪代码）

while position_open:
    current_delta = compute_portfolio_delta()
    if abs(current_delta) > delta_threshold:
        hedge_qty = - current_delta * multiplier
        execute_trade(hedge_qty)   # 买卖标的
        print(f"调整后 Delta: {compute_portfolio_delta():.3f}")

Delta 策略对比

策略	Delta 目标	调整频率	适用场景
Delta 中性 (静态)	0	建仓时一次	波动率交易、事件驱动
Delta 中性 (动态)	≈ 0	持续/定时	做市、Gamma Scalping
Delta 定向	非 0 (如 +0.3)	不定期	方向性观点 + 对冲部分风险
Delta 调整+Gamma	考虑 Gamma 中性	高频	高级做市/波动率套利

📌 核心要点

Delta 是期权价格的一阶导数，范围 [ -1, +1 ]。
Delta 中性组合可隔离方向风险，聚焦波动率与时间价值。
动态 Delta 调整是对冲成本与风险之间的平衡艺术。
实战中需结合 Gamma、Vega 以及交易成本。