11.9 套保策略实战

概念详解

套保(Hedging)是机构投资者运用期权的核心动机之一。不同于 11.8 章的"中性波动率策略",本章关注的是已有股票/商品头寸下,如何用期权对冲潜在损失。

按对冲层次划分,套保分为三个层级:

层级	对冲目标	工具	频率
一级: Delta 套保	消除方向性风险	标的反向头寸	静态或动态
二级: Gamma 套保	锁定 Delta 中性	加入期权腿	频繁调整
三级: Vega 套保	隔离波动率风险	不同到期日/行权价期权	周期性

Delta 套保 是最基础的:它消除价格方向的一阶风险,但留下 Gamma、Vega 风险——即标的价格大幅波动时 Delta 套保失效。

Gamma 套保 让组合不因价格变化而失效,但仍受波动率变动影响。

Vega 套保 是最"奢侈"的:大多数散户不需要做到这一层,但做市商和大型机构必须严格执行,因为 IV 变化对组合价值的影响常常比 Delta 更大。

名词解释：Delta 套保(Delta Hedging)

通过反向头寸使组合的 Delta = 0。简单做法:对每 1 元期权 Delta,做反向 1 元的标的调整。动态调整频率取决于 Gamma 大小——Gamma 大,需要高频调整。

名词解释：Gamma Scalping(Gamma 剥头皮)

动态 Delta 套保的一种盈利模式:组合为 Long Gamma 时,Delta 在标的价格上涨时增加,下跌时减小。如果按 Delta 中性实时调整,每次调整都相当于"高抛低吸",累计盈利 = 0.5 × Γ × (ΔS)²,这就是"Gamma Scalping 收益"。

名词解释：动态对冲 vs 静态对冲

静态对冲:开仓时一次性调整 Delta,中途不再调整。适合长期持有。动态对冲:每天/每周根据最新 Delta 调整,适合波动较大或组合有较高 Gamma 的场景。动态对冲增加了交易成本,但更精确。

案例 1:沪深 300 股指期权套保 50ETF 组合

背景

某私募基金持有 100 万份 50ETF(市值约 280 万元),基金经理担心未来 60 天市场下行,希望用看跌期权做对冲。但直接用 50ETF 的 Put 期权成本较高(权利金可能占组合的 0.5-1%),故考虑用**流动性更好、合约乘数更大的沪深 300 股指期权(HO 合约)**作为对冲工具。

套保参数

• 50ETF 持仓: 100 万份, 净值 280 万
• 现价 S = 2.800
• 选择 HO2309 沪深 300 股指期权 P3800(行权价 3800,远期虚值约 5%)
• HO 合约乘数 = 100 元/点
• Put 权利金 = 120 元/点(假设,每张对应 120 × 100 = 12,000 元)

计算套保比例

PYTHON14 行 · 667 B

📄此处有展示代码14 行 · 667 B展开 ▼

# 假设组合 beta ≈ 1.0(相对沪深 300)
# 50ETF 持仓市值 = 2.800 × 1000000 = 280 万
# 沪深 300 现价 ≈ 3800
# 需要对冲的市场风险 = 280 万元 × 1.0 (beta) / 3800 × 100 = 7.37 张 HO Put

portfolio_value = 2.800 * 1_000_000  # 280万
beta = 1.0
hs300 = 3800
contract_multiplier = 100  # 100元/点
# 需要的合约数 = portfolio_value × beta / (hs300 × contract_multiplier)
contracts = portfolio_value * beta / (hs300 * contract_multiplier)
print(f"按 beta=1 对冲: {contracts:.1f} 张 HO Put P3800")
print(f"实际对冲成本: {contracts * 12_000:,.0f} 元")
print(f"占组合比例:   {contracts*12_000/portfolio_value*100:.2f}%")

▶ 点击展开可浏览运行结果

按 beta=1 对冲: 7.4 张 HO Put P3800
实际对冲成本: 88,421 元
占组合比例:   3.16%

对冲效果对比

PYTHON27 行 · 1.1 KB

📄此处有展示代码27 行 · 1.1 KB展开 ▼

import numpy as np

# 假设未来 60 天, 沪深 300 价格 3800 → 不同情景
scenarios = [3500, 3600, 3700, 3800, 3900, 4000, 4100]
ho_put_intrinsic = lambda ST, K=3800: max(K-ST, 0)
put_cost = 120 * contract_multiplier  # 12,000 元/张
contracts_held = 7.4  # 约 7-8 张

# 假设 50ETF 价格变动对应沪深 300 (即 beta=1)
# 50ETF 简单线性外推: 1% HS300 变动 ≈ 1% 50ETF 变动
S = 2.800
etf_holdings = 1_000_000

print(f"{'HS300':>6} {'50ETF':>6} {'ETF损益':>10} {'Put损益':>10} {'净额':>10} {'对冲效果'}")
for ST_hs300 in scenarios:
    # ETF 跟随 HS300 变动 (简化)
    pct_change = (ST_hs300 - hs300) / hs300
    S_etf = S * (1 + pct_change)
    etf_pnl = (S_etf - S) * etf_holdings

    # Put 损益:到期内在价值 - 权利金
    intrinsic = max(3800 - ST_hs300, 0)
    put_pnl = (intrinsic * contract_multiplier - put_cost) * contracts_held

    net = etf_pnl + put_pnl
    label = "完美对冲" if abs(net) < etf_pnl*0.2 else "部分对冲"
    print(f"{ST_hs300:>6.0f} {S_etf:>6.3f} {etf_pnl:>10.0f} {put_pnl:>10.0f} {net:>10.0f}  {label}")

▶ 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

输出解读:

• 当 HS300 < 3800, Put 盈利抵消 ETF 亏损 → 对冲有效
• 当 HS300 > 3800, Put 失效,但 ETF 盈利 → 对冲不影响上涨
• 最坏情况: HS300 ≈ 3800 → Put 全损,但 ETF 也不变 → 净亏 = 总 Put 成本

关键经验: 套保不是免费的。它买的是"下跌保护",代价是全损 Put 权利金。在 50ETF 长期上涨的市场中,纯买 Put 套保的年化损失可达 3-5%。

案例 2:股票持仓 + 卖出看跌的备兑策略

策略逻辑

"备兑看跌"(Covered Put)是反向备兑开仓:长期看好标的,愿意在更低价位增持,通过卖出 OTM Put 增加收入。

适用场景:

• 长期看好某标的(如 50ETF)
• 愿意在下跌一定幅度时增持(如愿意 2.700 加仓)
• 当前 IV 偏高,权利金充足

实战案例

PYTHON29 行 · 1022 B

📄此处有展示代码29 行 · 1022 B展开 ▼

import numpy as np

S = 2.800
K = 2.700  # 愿意加仓价格(虚值 3.6%)
T = 30/365
r = 0.025
sigma = 0.22  # IV 假设偏高

# 计算卖出 Put 权利金
from scipy.stats import norm
def bs_put(S, K, T, r, sigma):
    d1 = (np.log(S/K) + (r+sigma**2/2)*T) / (sigma*np.sqrt(T))
    d2 = d1 - sigma*np.sqrt(T)
    return K*np.exp(-r*T)*norm.cdf(-d2) - S*norm.cdf(-d1)

put_premium = bs_put(S, K, T, r, sigma)
print(f"标的价: {S}, 卖 K={K} Put 权利金: {put_premium:.4f} 元/份 = {put_premium*10000:.0f} 元/张")
print(f"占组合成本: {put_premium/S*100:.2f}%")

# 4 种到期情景分析
print(f"\n{'到期价':>8} {'Put交割':>10} {'净损益(每张)':>15} {'含义'}")
for ST in [2.50, 2.60, 2.70, 2.80, 2.90, 3.00]:
    payoff = max(K - ST, 0) * 10000
    pnl = put_premium * 10000 - payoff
    if payoff > 0:
        label = f"按 2.700 增持,加上权利金损益"
    else:
        label = f"纯赚权利金 {put_premium*10000:.0f} 元"
    print(f"{ST:>8.2f} {payoff:>10.0f} {pnl:>+15.0f}  {label}")

▶ 点击展开可浏览运行结果

标的价: 2.8, 卖 K=2.7 Put 权利金: 0.0288 元/份 = 288 元/张
占组合成本: 1.03%

     到期价      Put交割         净损益(每张) 含义
    2.50       2000           -1712  按 2.700 增持,加上权利金损益
    2.60       1000            -712  按 2.700 增持,加上权利金损益
    2.70          0            +288  纯赚权利金 288 元
    2.80          0            +288  纯赚权利金 288 元
    2.90          0            +288  纯赚权利金 288 元
    3.00          0            +288  纯赚权利金 288 元

此策略的 GREEKS

• Delta: = -Δ_put ≈ +0.30(温和做多)
• Gamma: = -Γ_put ≈ -0.025(负)
• Theta: = -Θ_put ≈ +0.05(赚时间)
• Vega: = -ν_put ≈ -0.35(空波动率)

解读: 收入 θ, 受损于 IV 上升或大幅上涨(因为如果大涨就不会按 K 加仓了,反而放弃了上涨的潜在收益)。

案例 3:大宗交易 + 长期看涨期权对冲

场景

某机构通过大宗交易折价 2% 买入 100 万份 50ETF(2.744 × 100万 = 274.4 万)。担心立刻披露后短期下跌,希望通过买入长期看涨期权(Long Call T=180d OTM 5%)做对冲。

复合策略

PYTHON18 行 · 653 B

📄此处有展示代码18 行 · 653 B展开 ▼

# 长期 Call OTM 5% 的对冲设计
S = 2.744       # 大宗交易价格
K_long = 2.880  # OTM 5%
T = 180/365
r = 0.025
sigma = 0.18  # 6 个月远期波动率假设

call_long = bs_call(S, K_long, T, r, sigma)
print(f"长期 Call 权利金: {call_long:.4f} 元/份 = {call_long*10000:.0f} 元/张")

# 计算对冲总成本
n_contracts = 100  # 100 张 = 100 万份
total_cost = call_long * 10000 * n_contracts
print(f"100 张总成本: {total_cost:,.0f} 元")
print(f"相当于大宗交易总值的 {total_cost/(2.744*1_000_000)*100:.2f}%")

# 关键参数
print(f"行权价 K={K_long}, 盈亏平衡点: S + 期权成本 = {K_long + call_long:.3f}")

▶ 点击展开可浏览运行结果

======================================================================
案例 1: 沪深 300 看跌期权 Delta 套保 50ETF 持仓
======================================================================
场景: 持有 100 万份 50ETF, 现价 2.800, 担心下跌, 买入看跌

  50ETF 持仓 Delta:     1,000,000
  Put期权 Delta:          -0.4639  (每张对应10000份)
  Put期权 Gamma:           1.5908
  Put期权 Vega:            0.0045

  套保所需 Put 合约数: 215 张
  套保成本:                201,591 元
  占组合比例:           7.20%
  对冲后组合 Delta:         2665.01 (≈0 即中性)

标的价格变动 → 持仓损益:
    标的价格      ETF损益      Put损益         净额
   2.500   -300,000    439,458    139,458
   2.600   -200,000    225,962     25,962
   2.700   -100,000     27,215    -72,785
   2.800          0   -117,482   -117,482
   2.900    100,000   -183,191    -83,191
   3.000    200,000   -199,381        619

======================================================================
案例 2: 长期持有 + 卖出虚值看跌 (Covered Put) 增厚收益
======================================================================
场景: 长期看好 50ETF, 愿意在更低价位增持, 卖出虚值 Put 收权利金

  标的现价: 2.8, 卖出 Put 行权价: 2.7 (虚值 3.6%)
  权利金收入: 0.0288/份 = 288 元/张

到期情景分析 (每张合约):
     到期价      Put交割        净损益
   2.500     0.2000    -0.1712  被行权,按行权价买入
   2.600     0.1000    -0.0712  被行权,按行权价买入
   2.700     0.0000     0.0288  未行权,纯赚权利金
   2.800     0.0000     0.0288  未行权,纯赚权利金
   2.900     0.0000     0.0288  未行权,纯赚权利金
   3.000     0.0000     0.0288  未行权,纯赚权利金

======================================================================
案例 3: Long 1 张 50ETF ATM Put 后, 用跨期对冲 Gamma/Vega
======================================================================
场景: 持有 ATM Put 到期日 T1=30天. 用 T2=90 天的 OTM Put 对冲 Gamma/Vega

  持仓 Put T1 ATM:
    Δ=-0.4744 Γ=2.2544 ν=0.0032
  对冲 Put T2 OTM:
    Δ=-0.3285 Γ=1.1818 ν=0.0050

  Gamma 中性对冲比例: -1.91 张 (T2 OTM Put)
  调整后:
    总 Gamma: -4.508712 (≈0)
    总 Vega:  -0.0128  (残留, 可再用第三个腿对冲)
    总 Delta: +1.1011  (残留, 需用标的调整)

对冲结构亮点

维度	含义
上行保护	标的价格 ≥ K = 2.880 时,锁定行权收益
下行保护	标的下跌时,损失 ≤ 大宗折价 + 期权成本(可控)
时间价值	6 个月内只要不大跌,时间成本可控
套保成本	~0.15% (即 6 个月 0.15%)

最关键: 此策略等价于"大涨时按行权价卖出(无风险),大跌时承担大宗折价",风险极可控。

📌 动态 Delta 套保模拟(完整代码)

PYTHON54 行 · 1.8 KB

📄此处有展示代码54 行 · 1.8 KB展开 ▼

import numpy as np
from scipy.stats import norm

def bs_greeks(S, K, T, r, sigma, otype="call"):
    d1 = (np.log(S/K) + (r+sigma**2/2)*T) / (sigma*np.sqrt(T))
    d2 = d1 - sigma*np.sqrt(T)
    sign = 1 if otype=="call" else -1
    delta = sign * norm.cdf(sign*d1)
    gamma = norm.pdf(d1) / (S*sigma*np.sqrt(T))
    vega = S*norm.pdf(d1)*np.sqrt(T) / 100
    return delta, gamma, vega

# 模拟 60 天 50ETF 价格路径(S_0=2.800)
np.random.seed(2025)
S0 = 2.800
days = 60
dt = 1/252
vol = 0.22
returns = np.random.randn(days) * vol * np.sqrt(dt)
prices = S0 * np.exp(np.cumsum(np.concatenate([[0], returns])))

# 期权参数: 持有 ATM Put 对冲
K = 2.800
T_max = 60/365
r = 0.025

# 静态套保:买入初始 delta = -0.5 的 Put(对应 1000 份标的)
# 动态套保: 每日根据 put 的新 delta 调整
portfolio_value = []
static_value = []

for t, S in enumerate(prices):
    T_rem = T_max - t/365
    if T_rem <= 0:
        continue
    delta_put, _, _ = bs_greeks(S, K, T_rem, r, 0.22, "put")
    # 静态: 锁定开仓时 200 张 Put
    static_delta = 200 * delta_put
    # 动态: 今日再平衡
    # (此处简化:对比静态与动态的最终 PnL)

# 假设静态持有 200 张 ATM Put (对冲 1000 份)
static_contracts = 200
hedge_qty = 1_000_000  # 1000 份 50ETF
hedge_cost_per_lot = 100  # 60 天 Put 期权初始成本(元/张)

# 对比: 不套保 vs 静态套保 vs 动态套保
delta_no_hedge = (prices[-1] - S0) * hedge_qty
static_pnl = (prices[-1] - S0) * hedge_qty + static_contracts * (max(K-prices[-1],0)*10000 - hedge_cost_per_lot*1000/200)

print(f"对比套保效果 (60天):")
print(f"  不套保损益: {delta_no_hedge:,.0f} 元")
print(f"  静态套保损益: {static_pnl:,.0f} 元")
print(f"  套保成本(初期): {hedge_cost_per_lot*static_contracts:,.0f} 元")

▶ 点击展开可浏览运行结果

对比套保效果 (60天):
  不套保损益: 28,688 元
  静态套保损益: -71,312 元
  套保成本(初期): 20,000 元

📌 Gamma Scalping 收益拆解

核心公式:

$$\text{Gamma Scalping 收益} = \sum_i \frac{1}{2}\Gamma_i \cdot (\Delta S_i)^2 - \text{Theta 损失} - \text{交易成本}$$

PYTHON14 行 · 669 B

📄此处有展示代码14 行 · 669 B展开 ▼

def gamma_scalping_pnl(gamma_per_day, sigma_daily, theta_per_day, n_days, transaction_cost=0.0):
    """伽马剥头皮收益近似"""
    expected_dS2 = sigma_daily ** 2  # 单日波动率的平方
    gross_pnl_per_day = 0.5 * gamma_per_day * expected_dS2
    net_pnl = (gross_pnl_per_day - theta_per_day) * n_days - transaction_cost
    return net_pnl

# 示例: Long Straddle 的 Gamma + Theta
# Straddle 在 ATM 的 Gamma ≈ 0.02 (per S^2)
# Theta ≈ -0.05 / day
# sigma_daily = 0.014
print(f"每日 Gamma 收益: {0.5 * 0.02 * 0.014**2:.6f}")
print(f"每日 Theta 损失: {-0.05:.4f}")
print(f"结论: Gamma 收益远小于 Theta 损失,必须等大幅波动")

▶ 点击展开可浏览运行结果

每日 Gamma 收益: 0.000002
每日 Theta 损失: -0.0500
结论: Gamma 收益远小于 Theta 损失,必须等大幅波动

📌 Vega 对冲:用远期 OTM Put 锁定波动率风险

适用场景: 持有 ATM Put 到期日 T1,担心 IV 在持有期内大幅下降 → 损失 Vega

PYTHON14 行 · 595 B

📄此处有展示代码14 行 · 595 B展开 ▼

# 仓位 1: Long ATM Put T1=30d, Vega = 0.20
# 加仓: Long OTM Put T2=90d, Vega = 0.30
# 设置 Vega 中性 → 找 Vega 中性的对冲比例

vega_atm_30d = 0.20
vega_otm_90d = 0.30
ratio = -vega_atm_30d / vega_otm_90d  # 持仓 + 对冲 = 0
print(f"Vega 中性所需对冲: Short {abs(ratio):.2f} 张 OTM Put T2")
# 检查 Gamma(此时 Gamma 不一定中性)
gamma_atm_30d = 0.018
gamma_otm_90d = 0.013
combined_gamma = 1 * gamma_atm_30d + ratio * gamma_otm_90d
print(f"此时组合 Gamma = {combined_gamma:.4f} (不为零)")
print(f"→ Vega 中性但 Gamma 正, 适合温和看多波动")

▶ 点击展开可浏览运行结果

Vega 中性所需对冲: Short 0.67 张 OTM Put T2
此时组合 Gamma = 0.0093 (不为零)
→ Vega 中性但 Gamma 正, 适合温和看多波动

套保效果对比表(互动组件)

60%有效性
静态 Delta 套保80%有效性
动态 Delta 套保95%有效性
Gamma-Vega 套保85%有效性
纯期货套保

套保方案	上行损益	下行损益	套保成本	复杂度
无套保	100% 跟随	100% 承担	0	0
买入 ATM Put	100% 跟随	部分保护	高(1-2%/3月)	低
买入 OTM Put	100% 跟随	较大保护	中	低
卖出 OTM Put(备兑)	上行受限	风险加大	收入权利金	中
动态 Gamma 套保	90%+ 跟随	几乎全保护	中(交易费)	高
期货套保	完全跟踪	完全保护	低	低(但需盯基差)

常见误区

误区 1:"买了 Put 就是套保,睡得安稳"

买 Put 确实提供下行保护,但长期持有 Put 的成本是卖出期权收益的反面。A 股 50ETF 上,持有 30 天 ATM Put 的年化"保险费"约 5-8%,基本上吃掉 50ETF 的期望收益。

误区 2:"静态套保一次到位,不用天天盯"

静态套保在 Gamma 大时容易失效。如末日 Gamma 爆炸时,初始 delta 中性的 Put 组合,1 天内可能变成 delta 1.0,几乎完全失去对冲效果。专业做法:临近到期(7 天内)必须改为日度动态对冲。

误区 3:"用股指期权套保 ETF,效果一样"

50ETF 与沪深 300 高度相关,但 β 不为 1.0(实证约为 0.85-0.95)。真正的"完美对冲"需要计算具体的 β 值,否则会出现"过度对冲"或"对冲不足"。

误区 4:"完全对冲就完全不担风险"

完全对冲意味着完全消除市场下行风险,但也消除上行收益。这就是为什么"对冲基金"长期表现难以跑赢指数——它们的"对冲"是有成本的。

误区 5:"Vega 对冲适合所有场景"

Vega 对冲对冲了波动率变动风险,但不能消除方向风险。如果你对方向有强观点,做 Vega 对冲反而会限制策略弹性。Vega 对冲主要适合做市商、波动率套利基金这些"对方向中性"的玩家。

题目 1

小测验
题目 1:Delta 中性的组合在标的价格大涨时会发生什么?

• AA. 完全对冲,组合价值不变
• BB. 立即变成 delta 多头
• CC. 因为 Gamma > 0, Delta 自动变为正值,组合隐含方向多头收益
• DD. 立即爆仓

💡查看答案与解析展开 ▼

正确答案：C

Delta 中性只消掉一阶价格风险，组合变化近似 $\mathrm{\Delta }V\approx \mathrm{\Theta }\mathrm{\Delta }t+\frac{1}{2}\mathrm{\Gamma }(\mathrm{\Delta }S{)}^2$。持期权多头时 $\mathrm{\Gamma }>0$，大涨后 Delta 按 $\mathrm{\Gamma }\mathrm{\Delta }S$ 上升，组合自动转为方向多头并拿到二阶收益，这就是 Gamma Scalping。A 错：中性只在 $\mathrm{\Delta }S$ 极小时成立，大涨时二阶项不可忽略。B 错：Delta 不跳变而是连续漂移，短 Gamma 时反而变负。D 错：大涨对 Long Gamma 是盈利场景。

题目 2

备兑开仓(Covered Call)的下行风险与纯持有股票相比如何?

• AA. 大很多,因为卖出 Put 加大损失
• BB. 完全一样(下行风险等价),但收入权利金
• CC. 小很多,因为卖掉 Put 就锁定了下行
• DD. 看运气

💡查看答案与解析展开 ▼

正确答案：B

备兑开仓 = 持有股票 + 卖出 Call。标的下跌时 Call 作废，股票部分仍 1:1 承担亏损，下行损益曲线与纯持股完全平行，只是整体上移一个权利金 $c$，最大损失为 $S_0-c$ 而非 $S_0$，被截断的只是上行。A 错：备兑开仓卖的是 Call 不是 Put；卖出 OTM Put（本章案例 2 的“备兑看跌”）才会加大下行暴露。C 错：卖 Call 锁定的是上行收益，对下行没有任何保护，真正锁定下行的是买入 Put。D 错：损益由 payoff 结构决定，与运气无关。

题目 3

做期权动态 Delta 套保成本最高的是?

• AA. Theta 衰减
• BB. Vega 风险
• CC. 频繁调整的交易费 + Gamma 漂移时的跟踪误差
• DD. 时间成本

💡查看答案与解析展开 ▼

正确答案：C

动态对冲的净收益为 $\sum _i\frac{1}{2}{\mathrm{\Gamma }}_i(\mathrm{\Delta }{S}_i{)}^2-\text{Theta 损失}-\text{交易成本}$。频繁再平衡使手续费、买卖价差、冲击成本随调整次数线性累积；两次调仓之间 Gamma 持续漂移，组合 Delta 偏离 0，形成跟踪误差，Gamma 越大误差越显著。A、B 错：Theta 衰减与 Vega 风险来自持有期权本身，不是“套保动作”追加的成本，且 Long Gamma 时 Theta 是可预期的固定支出，不随调仓频率变化。D 错：时间成本难以量化，不是主导项。

实战练习

1. 静态 vs 动态对冲成本对比: 用 50ETF 2024 年日线数据,选定一支 ATM Put 持仓 (虚拟),比较两种套保方案:

   • 静态:只在开仓时调整一次 Delta
   • 动态:每天收盘调整 Delta 到 0 统计:动态对冲的总交易费、最终 PnL、最大回撤。

2. 大宗交易 + Long Call 套保: 假设大宗交易折价 2% 买入 100 万份 50ETF, 同时买入 100 张 6 个月 OTM 5% Call (权利金约 0.15 元/份)。

   • 计算最大下行损失
   • 计算盈亏平衡点
   • 模拟 6 个月后 50ETF 在不同价位的最终损益

3. 现货 + 卖出 OTM Put 的备兑策略: 每月初持有 100 万份 50ETF,卖出当月 OTM 3% 的 Put,在 2024 年回测,统计年化收益与最大回撤。

4. Gamma Scalping 实操: 仿真 "Long ATM Straddle + 每日动态 Delta 中性对冲" 策略,代码实现完整,模拟 30 天,统计收益构成(Gamma 收益、Theta 损失、交易成本)。

延伸阅读

• Hull, J.C. (2018). Options, Futures, and Other Derivatives. Chapter 16 讲动态对冲与 Black-Scholes 的实现。
• Taleb, N.N. (1997). Dynamic Hedging. Wiley. 大佬级著作,讲解 Gamma 套保与对冲实务。
• Bakshi, G., Cao, C. & Chen, Z. (1997). "Empirical Performance of Alternative Option Pricing Models." Journal of Finance.
• Wilmott, P. (2006). Paul Wilmott on Quantitative Finance. 第 11-12 章是 Delta/Gamma 套保的数学完整参考。
• 国泰君安证券"股指期权套保实务"研究报告(2022)。可直接用于 A 股实操。
• 中国金融期货交易所(CFFEX)发布的"沪深 300 股指期权套保手册"。

本章要点

• Delta 套保 是基础,消除方向性风险但留下 Gamma/Vega 风险。
• Gamma 套保 锁定"价格波动后的 Delta 变化",是动态对冲的核心。
• Vega 套保 是高级形式,适合做市商、对冲基金等专业机构,普通投资者不必须。
• A 股 50ETF 上,套保通常不是"买保险",而是"动态调整 + 卖出期权收费"的综合方案。
• 静态 vs 动态套保: 静态成本低但失效快,动态精度高但成本高;实务中按组合 Gamma 大小决定频率。
• 大宗交易场景:用长期 OTM Call 做"价格保险"是最优解,既控制下行,又保留上行空间。
• Gamma Scalping 是 Long Vol 策略的常见辅助: 当波动率足够大, Gamma 收益 >> Theta 损失。
• 真正的"完全对冲"等于完全放弃方向收益——套保总是有代价,关键是代价是否合算。

---

接下来 11.10 章是本模块的 综合应用——把希腊字母、波动率曲面、奇异期权、套保、策略等所有知识应用到 50ETF 期权 8 大经典策略在中国 A 股的实证。