量化模型与构建方式 1. 模型名称:基于统计学模型的期货价格模拟 - 模型构建思路:假设期货价格的运动过程符合风险中性条件下的随机游走模型,通过伊藤定理推导出期货价格在任意两个时间节点间的关系,并利用蒙特卡洛模拟法生成未来价格路径[7][8][9] - 模型具体构建过程: 1. 假设期货价格的运动过程为: 其中,为时刻的期货价格,为无风险利率,为标的波动率,,服从标准正态分布[7] 2. 使用伊藤定理处理,得到: 进一步推导出期货价格在任意两个时间节点间的关系: [8][9] 3. 利用蒙特卡洛模拟法: - 将当前时间点到期权到期日之间的时间分割为多个时间段 - 随机生成,重复模拟价格路径 - 设定时间单位为一个交易日,模拟路径个数为1000,最终生成未来价格路径矩阵[10] - 模型评价:通过蒙特卡洛模拟法,能够较为全面地捕捉期货价格的波动特征,适用于复杂的期权组合策略分析[9][10] 2. 模型名称:卖出宽跨式期权组合策略模型 - 模型构建思路:通过对标的资产的基本面分析,判断其波动性水平,选择适配的期权组合策略,并利用统计学模型评估策略的收益与风险[1][3][11] - 模型具体构建过程: 1. 选择卖出宽跨式期权组合策略,该策略由一个低执行价看跌期权和一个高执行价看涨期权组成,方向均为卖出[3] 2. 适用场景:标的资产价格预期波动较低的情形[3] 3. 结合基本面分析,选择甲醇作为研究对象,因其波动率处于历史低位,且基本面中性[3][5][6] 4. 利用统计学模型模拟期货价格路径,计算每条路径下的损益情况,生成收益率、胜率及收益率胜率矩阵[11] - 模型评价:该模型通过结合基本面分析与统计学方法,能够较为精准地评估期权组合策略的收益与风险,具有较强的实用性和可复制性[11] --- 模型的回测效果 1. 基于统计学模型的期货价格模拟 - 年化收益率矩阵(预测值):C2600-P2550组合的年化收益率为23.00%,在所有组合中表现最佳[13] - 胜率矩阵(预测值):C2600-P2550组合的胜率为66.70%,在高收益组合中表现较优[14] - **胜率收益率矩阵(预测值):C2600-P2550组合的胜率收益率为16.30%,为综合盈利能力最强的组合[16] 2. 卖出宽跨式期权组合策略模型 - 年化收益率矩阵(预测值):收益率随行权价格的上下边界变化而变化,C2600-P2550组合的年化收益率最高为23.00%[13] - 胜率矩阵(预测值):胜率随行权价格的上下边界变化而变化,C2600-P2550组合的胜率为66.70%[14] - **胜率收益率矩阵(预测值):C2600-P2550组合的胜率收益率为16.30%,为综合盈利能力最强的组合[16] --- 量化因子与构建方式 1. 因子名称:波动率因子 - 因子构建思路:通过分析标的资产的历史波动率水平,判断其在当前市场中的相对位置,作为期权组合策略选择的依据[5][6] - 因子具体构建过程: 1. 计算甲醇主连合约的历史波动率 2. 横向比较甲醇近一年波动率在全部品种中的排名,发现其处于历史分位低点,排名约70%[5] - 因子评价:波动率因子能够有效反映标的资产的波动特征,为期权组合策略的选择提供了重要依据[5][6] 2. 因子名称:持仓量因子 - 因子构建思路:通过分析标的资产的持仓量变化,判断市场参与者的活跃程度及其对价格波动的影响[6] - 因子具体构建过程: 1. 统计甲醇全部合约的综合持仓量 2. 发现其在今年下半年始终处于历史性低位[6] - 因子评价:持仓量因子能够从市场参与者的角度反映标的资产的活跃程度,为期权策略的适配性分析提供了支持[6] --- 因子的回测效果 1. 波动率因子 - 年化收益率矩阵(预测值):波动率因子支持的C2600-P2550组合年化收益率为23.00%[13] - 胜率矩阵(预测值):波动率因子支持的C2600-P2550组合胜率为66.70%[14] - **胜率收益率矩阵(预测值):波动率因子支持的C2600-P2550组合胜率收益率为16.30%[16] 2. 持仓量因子 - 年化收益率矩阵(预测值):持仓量因子支持的C2600-P2550组合年化收益率为23.00%[13] - 胜率矩阵(预测值):持仓量因子支持的C2600-P2550组合胜率为66.70%[14] - **胜率收益率矩阵(预测值):持仓量因子支持的C2600-P2550组合胜率*收益率为16.30%[16]
【专题研究】期权:量化视角评估期权组合效益(一)
中粮期货·2024-11-22 12:58