11.1 期权Greeks详解

概念详解

Greeks(风险希腊字母)是衡量期权头寸对各种市场因素敏感度的指标。在 Black-Scholes 模型下,期权价格 $V$ 是五个变量的函数:标的价 $S$ 、行权价 $K$ 、到期时间 $T$ 、无风险利率 $r$ 、波动率 $σ$ 。对这五个变量分别求一阶或二阶偏导,就得到一系列"Greeks":

一阶希腊字母: Delta ( $Δ$ )、Theta ( $Θ$ )、Vega ( $ν$ )、Rho ( $ρ$ )
二阶希腊字母: Gamma ( $Γ$ )、Vomma、Vanna、Charm、Color 等

Greeks 是期权风险管理的"仪表盘",机构交易员实时监控每一个希腊字母,确保组合在市场冲击下不至于失控。A 股市场以散户为主的现状下,很多投资者对 Greeks 一知半解,造成"买对方向仍亏钱"的怪现象——例如,买入 Long Call 后"做对了方向"却忽略了 Theta 衰减。

更深层次,Greeks 帮助交易员理解期权价格的二维/三维几何结构:Delta 是斜率,Gamma 是曲率,Vega 是"垂直方向"的斜率。具备这种几何直觉,才能避免把期权当成"彩票"。

名词解释：二阶 Greeks(Second Order Greeks)

除 Delta/Gamma/Vega/Theta/Rho 外,机构还使用更高阶的 Greeks 来精细管理风险。常见的有 Vomma(Vega 对 σ 的导数)、Vanna(Delta 对 σ 的导数)、Charm(Delta 对 T 的导数)、Color(Gamma 对 T 的导数)。普通投资者不必须掌握,但做市商和卖方机构必须严格监控。

常见误区

即使理解了公式,Greeks 的实际使用中仍有五个典型陷阱,新手尤其容易踩坑:

误区 1:"Delta 等于到期实值的概率,所以 ATM 期权 Delta = 0.5"

解析:Delta ≈ $Φ (d_{1})$ ,不是真正的"到期实值概率"。ATM 时 $Φ (d_{1}) \approx 0.5$ 是巧合,因为 $r$ 和 $σ$ 的影响被 $d_{1}$ 的分母抵消。当 IV 很高时,ATM Delta 可能 > 0.55;当无风险利率很高时,ATM Call Delta 也可能 > 0.5。

误区 2:"Theta 是一天的时间衰减,所以 30 天到期的 ATM Theta = 30 × ATM Theta(Daily)"

解析:Theta 是"瞬时"衰减率,而非线性叠加。Theta 随时间剧烈变化——临近到期时,ATM 期权的 Theta 会"爆炸"加速衰减,远不是简单乘法。

误区 3:"持有 Long Call,只要标的大涨就一定赚钱"

解析:除了方向正确,还需要 IV 没有"反向坍塌"。如果标的大涨同时 IV 大幅下行(常发生在黑天鹅事件后),Vega 损失可能抵消 Delta 收益。

误区 4:"Delta 中性就足够了"

解析:Delta 中性只消除了一阶风险。组合仍有 Gamma、Vega 暴露——标的小幅波动时 Delta 不变化,但大幅波动后 Delta 已经偏离中性点。

误区 5:"Vega 越大越好"

解析:Vega 大意味着 IV 变化对组合影响大,但也意味着对 IV 预测要求高。真正好的策略是预测准确 + Vega 适中,而不是盲目追求高 Vega。

Delta：方向性暴露的度量

Delta 衡量期权价格对标的资产价格变动的敏感度，是期权定价中最重要的风险指标。

对于欧式看涨期权，Delta 的解析表达式为：

$$\Delta_{call} = \Phi(d_1) = \Phi\left(\frac{\ln(S/K) + (r + \sigma^2/2)T}{\sigma\sqrt{T}}\right)$$

其中 $Φ$ 为标准正态分布的累积分布函数。看涨期权的 Delta 取值在 $0$ 到 $1$ 之间，看跌期权的 Delta 在 $- 1$ 到 $0$ 之间。

名词解释：Delta

期权价格对标的资产价格的一阶偏导数 $Δ = \frac{\partial V}{\partial S}$ 。它是衡量期权头寸方向性风险最核心的指标，也近似等于期权在到期时成为实值的概率。

实际交易中，Delta 的含义非常直观：

ATM（平值）期权：Delta 约 0.5（看涨）或 -0.5（看跌）
深度 ITM（实值）期权：Delta 接近 1（看涨）或 -1（看跌）
深度 OTM（虚值）期权：Delta 接近 0

PYTHON34 行 · 1.1 KB

📄此处有展示代码34 行 · 1.1 KB展开 ▼

python

import numpy as np
from scipy.stats import norm

def bs_greeks(S, K, T, r, sigma, option_type='call'):
    """
    计算 Black-Scholes 模型下的所有 Greeks
    S: 标的资产价格
    K: 行权价
    T: 到期时间（年）
    r: 无风险利率
    sigma: 波动率
    option_type: 'call' 或 'put'
    """
    d1 = (np.log(S/K) + (r + sigma**2/2) * T) / (sigma * np.sqrt(T))
    d2 = d1 - sigma * np.sqrt(T)

    sign = 1 if option_type == 'call' else -1

    delta = sign * norm.cdf(sign * d1)
    gamma = norm.pdf(d1) / (S * sigma * np.sqrt(T))
    theta = (
        -S * norm.pdf(d1) * sigma / (2 * np.sqrt(T))
        - sign * r * K * np.exp(-r * T) * norm.cdf(sign * d2)
    )
    vega = S * norm.pdf(d1) * np.sqrt(T) / 100
    rho = sign * K * T * np.exp(-r * T) * norm.cdf(sign * d2) / 100

    return {'delta': delta, 'gamma': gamma, 'theta': theta,
            'vega': vega, 'rho': rho}

# 示例：ATM 看涨期权的 Greeks
greeks = bs_greeks(S=100, K=100, T=30/365, r=0.03, sigma=0.20, option_type='call')
for g, v in greeks.items():
    print(f"{g:>8}: {v:.4f}")

▶ 点击展开可浏览运行结果

标的价: 100, 行权价: 100, 期限: 0.5年
Delta : 0.5702  (标的价格变动1元，期权价格变动)
Gamma : 0.0278  (标的价格变动1元，Delta变动)
Theta : -0.0194  (每过1天，期权价值衰减)
Vega  : 0.2777  (波动率变动1%，期权价格变动)
Rho   : 0.2532  (利率变动1%，期权价格变动)

Gamma：Delta变化的加速度

Gamma 衡量 Delta 随标的资产价格变化的速率，即期权价格对标的资产价格的二阶导数。

$$\Gamma = \frac{\phi(d_1)}{S\sigma\sqrt{T}}$$

Gamma 的实战意义体现在三个方面：

Delta 对冲频率的指导：Gamma 越大，Delta 变化越快，需要更频繁地调整对冲头寸
风险敞口的非线性加速：做多 Gamma 意味着价格波动对你有利（涨跌都赚钱），做空 Gamma 则相反
到期日附近的"Gamma 爆炸"：当期权临近到期且接近行权价时，Gamma 会急剧增大

PYTHON20 行 · 564 B

📄此处有展示代码20 行 · 564 B展开 ▼

python

import matplotlib.pyplot as plt

# 模拟不同到期时间下的 Gamma
S_range = np.linspace(80, 120, 200)
K = 100
sig = 0.20
r = 0.03

for T in [0.01, 0.05, 0.25, 0.50]:
    gammas = []
    for S in S_range:
        d1 = (np.log(S/K) + (r + sig**2/2)*T) / (sig*np.sqrt(T))
        gammas.append(norm.pdf(d1) / (S * sig * np.sqrt(T)))
    plt.plot(S_range, gammas, label=f'T={T:.2f}')

plt.axvline(x=K, color='gray', linestyle='--', alpha=0.5)
plt.xlabel('标的资产价格 S')
plt.ylabel('Gamma')
plt.legend()
plt.title('不同到期时间下的 Gamma 曲线')

▶ 点击展开可浏览运行结果

📘 本段为代码片段（依赖上文变量或外部输入，如 df/data/参数等），无法独立运行

Theta：时间的敌人

Theta 衡量期权价格随时间的衰减速度。其完整表达式为：

$$\Theta = -\frac{S\phi(d_1)\sigma}{2\sqrt{T}} - rKe^{-rT}\Phi(d_2) \quad (\text{看涨})$$

名词解释：Theta

期权价格对时间的一阶偏导数 $Θ = \frac{\partial V}{\partial t}$ 。对于期权买方，Theta 通常为负值，意味着每天都在"流血"；对于卖方，Theta 是稳定的收益来源。

Theta 衰减的规律：

虚值期权的 Theta 衰减随时间均匀分布
平值期权的 Theta 衰减在临近到期时加速（"Theta 悬崖"）
Theta 和 Gamma 呈反比关系：多头 Gamma 通常意味着负 Theta

Vega：波动率维度的风险

Vega 衡量期权价格对隐含波动率变动的敏感度。

$$\mathcal{V} = S\phi(d_1)\sqrt{T}$$

Vega 在平值期权处达到最大值，并且与到期时间的平方根成正比。在波动率交易中，Vega 是核心风险管理指标：

PYTHON6 行 · 340 B

📄此处有展示代码6 行 · 340 B展开 ▼

python

# 跨式组合(Straddle)的 Vega 叠加分析
straddle_vega = (
    bs_greeks(S=100, K=100, T=30/365, r=0.03, sigma=0.20, option_type='call')['vega']
    + bs_greeks(S=100, K=100, T=30/365, r=0.03, sigma=0.20, option_type='put')['vega']
)
print(f"跨式组合 Vega: {straddle_vega:.4f}  —— 每1%的IV变动带来的组合价值变动")

▶ 点击展开可浏览运行结果

📘 本段为代码片段（依赖上文变量或外部输入，如 df/data/参数等），无法独立运行

Greeks 中性对冲策略

Delta 中性

通过持有 $\frac{1}{Δ}$ 份标的资产反向头寸，使组合整体的 Delta 为零，消除方向性风险。这是最基本的对冲方式。

Gamma-Vega 联合对冲

只对冲 Delta 不够，还需要管理 Gamma 和 Vega 风险。通常需要引入不同到期日或不同行权价的期权来实现多重风险中性：

PYTHON18 行 · 668 B

📄此处有展示代码18 行 · 668 B展开 ▼

python

# 两期 Greeks 矩阵求解对冲比例
# 目标：构建一个组合使得 Delta=0, Gamma=0
# 使用期权A和期权B来对冲
import numpy as np

# 期权A的Greeks
A = {'delta': 0.6, 'gamma': 0.03, 'vega': 0.15}
# 期权B的Greeks
B = {'delta': 0.3, 'gamma': 0.02, 'vega': 0.10}
# 持仓期权的Greeks
P = {'delta': 1.0, 'gamma': -0.05, 'vega': -0.25}

# 方程: w_A * [A_delta, A_gamma] + w_B * [B_delta, B_gamma] = -[P_delta, P_gamma]
G = np.array([[A['delta'], B['delta']],
              [A['gamma'], B['gamma']]])
b = np.array([-P['delta'], -P['gamma']])
w_A, w_B = np.linalg.solve(G, b)
print(f"对冲比例: 期权A = {w_A:.2f}份, 期权B = {w_B:.2f}份")

▶ 点击展开可浏览运行结果

对冲比例: 期权A = -11.67份, 期权B = 20.00份

场景：不同持仓组合的 Greeks 叠加

组合类型	Delta	Gamma	Theta	Vega	适用场景
裸卖出看涨	负	负	正	负	温和看跌，吃时间价值
牛市价差	正(有限)	混合	混合	混合	温和看涨，限损
跨式做多	中性	正	负(大)	正	预期大波动，方向不明
蝶式做空	中性	负	正	负	预期标的窄幅震荡
比率价差	灵活可控	尾部风险	可调	可调	精细化管理尾部风险

实战要点：在实际交易中，Greeks 是动态变化的——这就是为什么需要持续监控和调整。特别是在市场剧烈波动时（如财报公布、宏观事件），Greeks 可能在秒级内发生颠覆性变化，这就要求交易系统必须配备实时风险监控模块，对 Delta 和 Gamma 暴露设置硬性上限。

二阶 Greeks:Gamma Scalping 与更精细的风险

学术和实务中,除 Delta/Gamma/Theta/Vega/Rho 五个一阶 Greeks,还有多个二阶 Greeks 用于精细化风险管理:

二阶希腊字母	定义	实务意义
Vomma	$\partial^{2} V / \partial σ^{2}$	衡量 Vega 对 IV 的敏感度
Vanna	$\partial^{2} V / (\partial σ \partial S)$	Delta 对 IV 的敏感度;在做市商对冲中极关键
Charm	$\partial Δ / \partial T$ (考虑时间的 Delta 漂移)	过周末持仓的 delta 调整量
Color	$\partial Γ / \partial T$	Gamma 漂移;高频交易员关注
Speed	$\partial Γ / \partial S$	Gamma 曲线本身的曲率;深度 OTM/ITM 行为更复杂

在大规模做市商、对冲基金中,二阶 Greeks 的总暴露通常有硬性上限。例如某组合 Gross Vega 上限为 ±10000 元/1% IV,Vanna 上限 ±5000,以避免同时出现多个风险维度超限。

PYTHON32 行 · 1.1 KB

📄此处有展示代码32 行 · 1.1 KB展开 ▼

python

# 完整 BS 二阶 Greeks 计算框架
def bs_greeks_full(S, K, T, r, sigma):
    """完整 Black-Scholes 一阶 + 二阶 Greeks"""
    d1 = (np.log(S/K) + (r+sigma**2/2)*T) / (sigma*np.sqrt(T))
    d2 = d1 - sigma*np.sqrt(T)
    pdf_d1 = norm.pdf(d1)
    cdf_d1 = norm.cdf(d1)
    cdf_d2 = norm.cdf(d2)

    sign = 1  # 默认为 Call
    # 一阶
    delta = sign * cdf_d1
    gamma = pdf_d1 / (S * sigma * np.sqrt(T))
    theta = (-S*pdf_d1*sigma/(2*np.sqrt(T))
             - sign*r*K*np.exp(-r*T)*cdf_d2)/365
    vega = S*pdf_d1*np.sqrt(T) / 100

    # 二阶
    vanna = -pdf_d1 * d2 / sigma  # ∂Δ/∂σ
    vomma = vega * d1 * d2 / sigma  # ∂V/∂σ^2
    charm = -pdf_d1 * (2*r*T - d2*sigma*np.sqrt(T)) / (2*T*sigma*np.sqrt(T))  # ∂Δ/∂t
    speed = -gamma / S * (d1 / (sigma*np.sqrt(T)) + 1)  # ∂Γ/∂S

    return {
        'delta': delta, 'gamma': gamma, 'theta': theta, 'vega': vega,
        'vanna': vanna, 'vomma': vomma, 'charm': charm, 'speed': speed
    }

g2 = bs_greeks_full(S=100, K=100, T=30/365, r=0.03, sigma=0.20)
print("ATM 30天 Call 完整 Greeks:")
for k, v in g2.items():
    print(f"  {k:<6}: {v:+.6f}")

▶ 点击展开可浏览运行结果

📘 本段为代码片段（依赖上文变量或外部输入，如 df/data/参数等），无法独立运行

题目 1

小测验
题目 1:关于 Delta 的描述,以下哪个最准确?

AA. Delta 就是期权到期实值的概率
BB. Delta 是 $\partial V / \partial S$ ,近似等于风险中性测度下的实值概率,但不完全相同
CC. Delta 是常数,等于行权价内含的概率
DD. Delta 与 Gamma 无关

💡查看答案与解析展开 ▼

正确答案：B

Delta 定义为

Δ = \partial V / \partial S

，BS 下等于

Φ (d_{1})

；风险中性实值概率却是

Φ (d_{2})

，两者相差

σ \sqrt{T}

。A 混淆了

N (d_{1})

与

N (d_{2})

；C 错，Delta 随

S, T, σ

变化；D 错，Gamma 就是

\partial Δ / \partial S

。

题目 2

Gamma 的符号对 Long Straddle 和 Short Strangle:

AA. 都是正的
BB. 都是负的
CC. Long Straddle 为正, Short Strangle 为负
DD. 看市场决定

💡查看答案与解析展开 ▼

正确答案：C

Gamma 为

\partial^{2} V / \partial S^{2}

，看涨看跌同号，符号只由持仓方向决定：买入为正、卖出为负。Long Straddle 买 Call+Put，两腿 Gamma 皆正；Short Strangle 卖 OTM Call+Put，两腿皆负。A、B 把方向相反的仓位当成同号；D 错，符号由持仓结构确定，不由行情决定。

题目 3

Delta 中性的组合在标的大涨时:

AA. 一定不赚钱
BB. 因为 Gamma > 0, Delta 会自动增加并产生 Gamma Scalping 收益(否则因 Gamma < 0 而亏损)
CC. 立即被强制平仓
DD. Delta 保持为零

💡查看答案与解析展开 ▼

正确答案：B

Delta 中性只消掉一阶项，标的大涨后

Δ

会按

Γ Δ S

漂移。

Γ > 0

时 Delta 自动变正，反复再对冲可赚

\frac{1}{2} Γ (Δ S)^{2}

，即 Gamma Scalping；

Γ < 0

则反向亏损。A 错，波动够大即可覆盖 Theta；D 错，Delta 漂移正是 Gamma 的含义；C 无依据。

实战练习

完整 Greeks 计算: 编写 bs_all_greeks(S, K, T, r, sigma) 函数,包含一阶(Delta/Gamma/Theta/Vega/Rho)和二阶(Vomma/Vanna/Charm/Speed/Color)。对 100 个不同 (S, K, T) 组合绘制 7 张 Greeks 热图。
二阶 Greeks vs 一阶 Greeks 数量级对比: 在 ATM Call 30 天到期下,计算 Delta ≈ 0.50, Gamma ≈ 0.04, Vanna ≈ -1.4, Vomma ≈ 7.0, Charm ≈ -0.15。理解这些数字的含义和数量级,为做市商对冲参数设置提供直觉。
Gamma Scalping 实现: 模拟一条 60 天的标的价格路径(S_0=100, σ=20%),持有 Long Straddle 并每日重新调整 Delta 到 0。统计:
- Gamma 收益(0.5 × Γ × (ΔS)² 加总)
- Theta 损失
- 净收益
- 注意:只有当波动足够大时,Gamma 收益才能跑赢 Theta 损失。
二阶 Greeks 矩阵对冲: 设计一个 3 阶希腊字母对冲组合(同时管理 Delta/Gamma/Vega)。使用两个不同到期日的期权腿,求解每个腿的持仓数量,使三个希腊字母都接近 0。

本章要点

Greeks 是期权风险管理的仪表盘:Delta 是方向、Gamma 是曲率、Theta 是时间、Vega 是波动率。
ATM 期权 Gamma 最大,深度 OTM/ITM 期权 Gamma 接近 0;临近到期时 ATM Gamma "爆炸"增长。
Greeks 是动态变化的,必须持续监控和调整;剧烈行情下 Greeks 可能在秒级内颠覆性变化。
Delta 中性 ≠ 风险中性:还需要管理 Gamma、Vega、Theta 暴露——后者通过动态对冲或跨产品组合实现。
二阶 Greeks(Vomma/Vanna/Charm/Speed/Color) 让做市商和对冲基金能在风险的多维度上进行精细化管理。
Gamma Scalping 是 Long Vol 策略的核心收益来源:Gamma 收益 = 0.5 × Γ × (ΔS)² - Theta 损失 × 时间 - 交易成本。
A 股实战:50ETF 主力合约的 Greeks 变化最快,做市商必须高频监控;远月 + 深度 OTM 流动性差,大仓位时可能出现"无法调整"的尴尬。

下一章 11.2 将进入 波动率曲面与套利,讲解如何把单个期权的价格推广到整条波动率曲线,识别曲面中的套利空间。

11.1 期权Greeks详解 ​

概念详解 ​

常见误区 ​

Delta：方向性暴露的度量 ​

Gamma：Delta变化的加速度 ​

Theta：时间的敌人 ​

Vega：波动率维度的风险 ​

Greeks 中性对冲策略 ​

Delta 中性 ​

Gamma-Vega 联合对冲 ​

场景：不同持仓组合的 Greeks 叠加 ​

二阶 Greeks:Gamma Scalping 与更精细的风险 ​

实战练习 ​

延伸阅读 ​

本章要点 ​

11.1 期权Greeks详解

概念详解

常见误区

Delta：方向性暴露的度量

Gamma：Delta变化的加速度

Theta：时间的敌人

Vega：波动率维度的风险

Greeks 中性对冲策略

Delta 中性

Gamma-Vega 联合对冲

场景：不同持仓组合的 Greeks 叠加

二阶 Greeks:Gamma Scalping 与更精细的风险

实战练习

延伸阅读

本章要点