比特币价格与市场动态 - 比特币价格在急跌后反弹至88,000美元区间，该水平近期反复引发清算式下行 [1] - 期权波动率相对平稳，期限结构呈正向 [1] - 期权市场左尾偏斜为负值，近日期权翼端昂贵，显示市场在进行间隙风险对冲 [1] 宏观与政策关注点 - 本周需关注美联储1月28日的政策决定，市场预计其将维持利率稳定 [1] - 需关注1月30日的政府资金截止期限，可能带来关门风险，短暂关门可能引发风险波动，拖延则可能收紧流动性 [1] - 需关注加密市场结构法案的审议进程 [1] - 需关注美元兑日元汇率检查信号后的外汇市场压力 [1] - 市场关注通胀及就业数据，整体预期谨慎 [1]

报告行业投资评级 未提及 报告的核心观点 报告系统梳理并评估缓冲型ETF的产品设计逻辑、工程实现路径、主要风险来源与治理要点 为基金管理人、渠道方与监管机构提供试点建议与实务清单 指出缓冲型ETF在具备做市、清算与对冲能力时能为特定投资者提供结果导向工具 但其长期价值依赖多方面因素 推荐以可审计的重置回放等作为试点与推广先决条件 并对中国市场落地提出渐进式试点策略[1][3] 根据相关目录分别进行总结 引言 - 传统“60/40”股债组合在2022年失效 资产配置者需“第三类资产” 报告聚焦缓冲型ETF 探索其在中国市场的本地化创新 为相关方提供决策参考[10] - 缓冲型ETF通过期权等衍生工具构建收益分布 提供下行保护与有限上行参与 后续将拆解关键工程问题并展开相关实务及中国市场落地要点[11] 产品设计目标与约束条件 - “现货”指构建基础敞口的资产或等价物 不同标的类型影响股息处理、流动性与交易成本、会计与税务处理 产品设计与披露应明确“现货等价物”形式并提供相关数据[12][13] 缓冲型ETF四腿策略 - 典型缓冲型ETF收益工程由四个期权头寸构成 分别为买入深度实值Call、买入平值Put、卖出虚值Put、卖出虚值Call 各头寸有不同定义、工程目的、希腊字母特征与实务要点[14][17] 定价平衡公式与Cap的内生性 - 缓冲型ETF需实现“零成本结构” 卖出虚值看涨权利金应抵消买入平值看跌成本减去卖出虚值看跌权利金 Cap由期权市场供需与定价变量内生决定[18] - 影响Cap的关键变量包括隐含波动率、波动率偏度、利率水平等 还受标的资产股息率、流动性状况、做市商风险偏好等因素影响 四腿需系统化配比与治理[19][21] 产品的重置日 - 重置日是关键操作窗口 需完成旧合约结算/平仓并建立新周期FLEX头寸 FLEX合约有可定制性等核心维度 投资经理需关注多方面要点并进行场景化回测[25][27] 价格回报指数的影响 - 期权定价与结算常以标的价格回报指数为基准 投资者持有缓冲型ETF无法直接获得股息现金流 长期来看会导致总回报落后 投资经理应量化差异并披露预期拖累[28][30] 场景化压力测试 - 场景化压力测试是缓冲型ETF风险管理核心 包括历史重放、参数化冲击、随机蒙特卡洛、反向压力测试等情景类型 关键输入围绕重置日市场信息与执行约束 模型选择与流动性假设应保守可复核[32][37] - 投资决策应根据投资者时间视角与回报目标评估缓冲型ETF适配性 购买前应取得重置日多场景回测与模拟结果[38] 结果周期机制与期内交易路径 结果周期与重置 - 缓冲型ETF收益承诺以结果周期起点与终点定义 周期长度与重置频率影响产品现金流、对冲节奏与投资者路径依赖 重置操作有多个步骤 任何偏差会改变下一周期Cap/Buffer分布[39][41] - 投资者需遵循“第一天原则” 重置日的再投资风险常被忽略 投资经理应要求发行方提供相关分析结果[42] 期内交易的复杂性 - 期内交易时基金回报由期权布局与希腊字母暴露决定 具有路径依赖性与时间敏感性 包括Delta、Gamma、Theta、Vega等方面影响[43][45] - 基金管理人可采用交易前可视化等做法降低操作风险 建议将“期内交易风险”纳入投后监控指标 交易部门应提供定价与回放工具[46][47] 海外市场竞争格局与产品谱系分化 主流发行商策略对比 - 海外发行商竞争转向产品设计精细化差异 如Innovator ETFs是先驱者与全能型 First Trust是渠道巨头 AllianzIM是期限创新者等[48][49] 缓冲深度与产品谱系的表格化分层 - 产品谱系“缓冲深度”分为适度缓冲、深度缓冲、保本/全额保护三层 每层有典型参数、目标投资者、使用场景与风控要点 不同类型产品竞争点不同[53][55] 策略对比、分层逻辑的实务含义与发行建议 - 发行方设计产品应评估自身能力、渠道、监管三方面 中国市场大型公募等几类机构可能早期推出缓冲型ETF 建议以“类缓冲”试点 建立做市协议 进行标准化披露与教育[56][58] 缓冲型ETF市场分析 - 缓冲型ETF在美国崛起受宏观环境、市场基础设施、分销网络、税务与监管等因素共同作用 中国市场对该类产品需求明显但落地面临制度与生态限制 应采取渐进式试点与制度沟通并行推进策略[59][62] 缓冲型ETF与雪球类结构性产品比较 - 从发行主体、结构与对手风险、流动性与可交易性等多方面对比两类产品差异 这些差异影响投资者选择 缓冲型ETF在可交易性与风险隔离等方面有优势 雪球类产品收益以多种代价换取[63][67] 结论 - 缓冲型ETF将风险管理技术转化为可交易产品 为投资者提供一定确定性 但为保护下行需放弃牛市尾部收益 长期风险调整后收益不一定优于“股票+现金”组合 对不同投资者有不同影响 未来将在资产配置中占重要地位[68]

沪银期权市场状况与波动率分析 - 沪银期权隐含波动率（IV）创历史新高，一度飙升至65%以上，历史分位值抵达100%，显示市场对短期价格波动的预期极高 [1][3] - 截至2025年12月26日，平值认购期权（沪银2602C17200）收于1956，上涨55.05%；平值认沽期权（沪银2602P17200）收于848.5，下跌33.53% [3] - 期权合约总成交607,227张，较上一交易日减少308.93%；总持仓344,794张，较上一交易日增加12.36%；成交持仓比为176.11% [3] - 标的20日、40日、60日和120日历史波动率（HV）分别为42.42%、39.29%、38.29%和30.36%，均显著低于同期隐含波动率 [3] - 1个月、2个月、3个月和6个月期权隐含波动率分别为69.43%、60.56%、58.97%和52.53%，呈现期限结构 [3] 波动率定价原理与交易机会 - 隐含波动率是对未来价格波动幅度的市场预判，与期权价格正相关；波动率越高，期权权利金通常越高 [5][8] - 若相邻执行价格期权的隐含波动率存在明显偏差，或明显偏离波动率微笑曲线，可能提供波动率套利机会 [5][7] - 当隐含波动率远高于历史波动率时，说明市场对未来波动的预期偏高，期权价格可能被高估；反之则可能被低估 [7] - 宏观或地缘事件是推动贵金属等相关品种期权波动率短期内大幅波动的主要驱动力 [1][8] - 波动率具有均值回归特征，若市场情绪缓和，处于高位的隐含波动率有快速回落的可能 [4] 基于高波动率环境的期权策略建议 - **方向性策略**：预期沪银期货将继续大幅上涨时，可直接买入虚值看涨期权，潜在回报率高，但亏损上限为权利金成本，且在高波动率环境下面临价值衰减风险 [9] - **牛市看涨期权价差策略**：预期价格上涨但幅度有限，或想降低权利金成本时，可按1:1比例买入低行权价看涨期权并卖出同到期日高行权价看涨期权构建，此策略以部分潜在收益换取成本降低 [10][12][16] - **备兑看涨期权策略**：在已持有沪银期货多头的情况下，预期市场价格短期内难以快速突破压力位，可通过卖出虚值看涨期权收取权利金来增强持仓收益 [13][15][16] - 在高隐含波动率市场环境中，期权卖方策略在波动率维度更具优势，卖出期权头寸获得的权利金收入较为可观 [12][15] - 建议利用高波动率带来的期权价格特性，通过构建带有期权卖出头寸的策略来降低持仓成本及买方成本、获取增强收益，而非采用单一的期权买方策略 [16]

期权策略核心维度 - 期权价格变动主要受四个维度影响：方向（delta）、加速度（gamma）、波动率（vega）和时间价值（theta）[2] - 方向性策略包括牛市价差、熊市价差等，波动率相关策略包括跨式组合、宽跨式组合等，加速度相关策略包括Gamma Scalping等，时间价值相关策略包括日历价差等[3] - 在四个维度中，方向和波动率对期权价格影响较大，是重要的收益来源[4] 维度间关系与策略矩阵 - 根据对方向和波动率的判断，可构建期权策略矩阵，例如看多Delta且看多波动率可采取买入看涨期权策略，市场中性且看空波动率可采取卖出跨式组合策略[5] - 波动率研究与加速度（gamma）密切相关，在多数策略中vega和gamma的方向一致[6] - 加速度（gamma）与时间价值（theta）往往是对抗关系，可用gamma/theta比率衡量gamma多头成本，gamma收入受波动率和标的价格影响[8] 波动率策略框架 - 波动率研究是期权分析的重中之重，相关策略多样[6][9] - 波动率主要分为历史波动率和隐含波动率，两者相互影响，长期具有均值回复特征[9] - 研究工具包括数学模型、波动率曲线择时、波动率锥期限结构分析，以及基于“波动率微笑”曲线的套利策略[9] - 还可设计与波动率曲线偏度、峰度相关的策略，此类策略投资思路不同于常见的波动率择时策略[9] 领子组合策略应用案例 - 案例背景：上半年国内聚丙烯新增产能大量释放，供需矛盾突出，某大型聚丙烯生产企业担心价格下跌，计划利用期权进行套期保值[10] - 策略选择：鉴于聚丙烯期现价格波动率变动不大，建议企业采用领子组合策略，即买入看跌期权同时卖出看涨期权[10] - 操作流程：企业签订500吨聚丙烯产品订单后，确定需对冲200吨价格风险，对应买入和卖出各40手（每手5吨）期权[10][11] - 建仓细节：2025年6月18日，聚丙烯主力合约收盘价为7214元/吨，企业建立领子组合，买入行权价7200元/吨的9月看跌期权，卖出行权价7300元/吨的9月看涨期权[12][13] - 平仓结果：企业于8月6日交付现货并平仓，期权头寸获取51元/吨收益，对价格形成了有效保护[13] 策略核心总结 - 期权策略的核心在于对方向、波动率、加速度与时间价值四个维度的综合运用与平衡把握，其中波动率占据非常重要的位置[14] - 具体期权策略需根据行情构建，投资者应在充分理解策略逻辑与风险特征的基础上，结合自身交易目标与风险承受能力，建立系统化决策与执行流程[14]

期权的定义与类型 - 期权是赋予持有人在特定时间以固定价格买卖标的资产的权利，分为看涨期权与看跌期权 [1] - 看涨期权赋予持有人以固定价格购进资产的权利，其到期损益公式为 C = max(St - K, 0)，行权条件为到期标的价格 St 大于执行价格 K [1] - 看跌期权赋予持有人以固定价格售出资产的权利，其到期损益公式为 P = max(K - St, 0)，行权条件为到期标的价格 St 小于执行价格 K [1] 期权平价公式 - 对于同一标的、行权价K、到期日T且无股息的欧式期权，存在无套利定价关系：c + Ke^(-rT) = p + S [2] - 该关系可通过构建两个投资组合并证明其在到期日价值均为 max(ST, K) 推导得出 [2][3] - 该公式表明，欧式认购期权的价值可根据相同条款的认沽期权价值推导，反之亦然 [3] Black-Scholes定价模型 - 欧式看涨期权定价公式为 C = S0 * N(d1) - K * e^(-rT) * N(d2) [4] - 欧式看跌期权定价公式为 P = K * e^(-rT) * N(-d2) - S0 * N(-d1) [4] - 公式中参数包括：标的资产当前价格 S0、行权价 K、到期时间 T、无风险利率 r、标的资产年化波动率 σ，N(·) 为标准正态累积分布函数 [4] - 定价核心逻辑是期权到期损益在风险中性概率测度下的期望贴现值 [4] - 期权价值由内在价值和时间价值构成，时间价值受波动率和到期时间影响，波动率越高、到期时间越长，时间价值越高 [5] 希腊字母风险度量 - Delta 衡量标的价格变动1单位时期权价值的变动，看涨期权 Delta 介于0到1，看跌期权 Delta 介于-1到0，且看涨与看跌期权 Delta 之和为1 [6] - Gamma 衡量标的价格变动1单位时 Delta 的变动，在平值时最大，深度实值或虚值时较小，到期时间越短曲线越“尖峰” [6] - Vega 衡量波动率变动1单位时期权价值的变动，对看涨和看跌期权均为正，到期时间越长 Vega 越大 [6] - Theta 衡量时间流逝1单位时期权时间价值的变动，对期权买方为负，对卖方为正，到期越近时间价值流逝越快 [6] - Rho 衡量无风险利率变动1单位时期权价值的变动，看涨期权 Rho 为正，看跌期权 Rho 为负，到期时间越短其绝对值越小 [6]

期权交易的核心观点 - 在任何情况下都不应做期权卖方，因为规则对卖方不利，买方拥有亏损有限、收益无限且无爆仓风险的规则优势 [1][2] - 期权买方策略的关键是等待价格落入“好球带”，即当期权的市场价格显著低于其感知的合理价值时才出手，而99%的时间应保持观望 [3] - 反对仅基于BS期权定价公式来判断期权价值，认为该模型依赖历史波动率，存在局限性，可能导致错过真正被低估的期权机会 [3][4] - 从人性角度看，期权卖方容易陷入追求微小高频收益的陷阱，而买方则多为赌徒，长期看卖方队伍会壮大导致卖出价格越来越低 [5] - 理想的交易是寻找“赔率标错的赌局”并控制好仓位，而非赌博或算牌 [6] 期权买方的规则与策略优势 - 期权买方拥有规则优势：亏损有限、收益无限，且在到期前无爆仓强平风险，即使标的资产先跌99%再涨1万倍，只要方向正确就能盈利 [2] - 虚值期权并非废纸，当其价格显著低于合理价值时（例如合理价50元但市场价20元），买入具有高赔率价值，尽管胜率可能很低 [3] - 买方策略需要耐心，仅在期权价格被严重低估、落入“好球带”时介入，绝大多数时间应保持观望 [3] 期权定价模型的局限性 - BS期权定价公式普遍被使用，但其基于过去一段时间（如60天）的历史波动率，存在类似用60次抛硬币（40正20反）来推断未来概率的局限性 [3] - 仅依赖BS公式的理论价可能无法发现市场上偶尔出现的、真正被严重低估的期权机会 [4] 市场参与者行为与人性分析 - 人类基因倾向于为短期利益放弃长期利益，这解释了为何人们明知是骗局或高风险仍前赴后继地参与 [5] - 期权卖方易被微小高频收益吸引，如同“圣诞节前的火鸡”，忽视巨大风险；期权买方则多为杠杆赌徒，容易快速输光本金 [5] - 长期来看，卖方队伍壮大可能导致卖出价格竞争性走低 [5] 期权的其他应用与市场观点 - 期权最大作用是对冲，其时间因子使得投资组合能从二维世界进入带时间和过程判断的立体世界，可构建多种收益曲线，是衍生品皇冠上的明珠 [8] - 期权作为辅助工具用于资产配置和风险对冲成本低、效果好，若仅用作“赌大小”工具则是买椟还珠 [10] - 有市场观点认为卖方策略（如卖出跨式组合）在波动较小的标的上更容易长期稳定盈利，买方策略虽可能单次大赚但最终亏光者占多数 [11]

核心观点 - 报告系统比较了BS模型与最小二乘蒙特卡洛模拟(LSMC)在可转债定价中的应用，指出BS模型虽基础但核心理念重要，而LSMC能更好地处理复杂条款但计算复杂 [5] BS模型定价偏误策略在历史回测中表现优于LSMC策略，尤其在牛市环境中，两者均能显著跑赢传统的双低、低价策略 [41][48] BS模型：基础与应用 - BS模型是期权定价的基础模型，其推导过程和假设对理解定价核心理念至关重要，模型假设股价服从几何布朗运动，股票收益率符合对数正态分布 [6][9][11] BS模型存在解析解、计算速度快，但忽略了赎回、下修等转债条款，更适用于欧式期权，对A股美式特征的转债定价结果仅为粗略参考 [6] - BS模型在转债定价中的三大应用包括：计算隐含波动率(IV)作为估值指标、基于正股历史波动率计算理论价格以寻找低估个券、以及计算希腊字母以分析风险暴露 [4][20][26][31] 应用时需注意利率应取同期限同评级信用债收益率，期权执行价需考虑到期赎回价，波动率需使用日度对数收益率年化处理 [17][18] 最小二乘蒙特卡洛模拟(LSMC)：条款处理 - LSMC是一种"整体法"定价，通过模拟未来股价路径并倒推折现来为转债定价，其核心优势在于能考虑赎回、下修等复杂条款的影响，与现实更吻合 [34] 定价过程主要包括生成随机股价路径、在每条路径上处理条款并计算现金流、以及通过最小二乘法解决"最优停时"问题 [34][37][39] - LSMC定价对股价建模及波动率选取、条款处理假设（如强赎概率设为1-剩余期限/12，下修概率与剩余年限呈正态分布N(2,0.5)）以及模拟次数（建议10000次以上）较为敏感 [41] 由于考虑了赎回条款的压制，LSMC的定价偏差较BS模型更收敛 [41] 策略表现比较 - 历史回测显示，基于BS模型定价偏误（即买入实际价格低于理论价格的转债）构建的策略表现优于基于LSMC定价偏误的策略，尤其在牛市环境中，BS模型因高估转债价值而"误打误撞"表现更佳 [41][48] 在熊市环境中，LSMC策略相对占优 [41] - 与传统策略相比，BS定价偏误策略（80%-100%分位）和LSMC定价偏误策略均能取得明显超额收益，显著跑赢双低策略和低价策略 [41][48][49] 基于希腊字母（如Delta、Gamma）构建的加权希腊字母策略也显示出投资价值 [32][36]

模型背景与演进 - 早期期权交易依赖交易者经验与直觉，缺乏有效定价工具 [1] - 20世纪70年代布莱克-斯科尔斯模型提出，为期权定价带来革命性突破，凭借精妙数学推导与市场合理假设获得广泛认可 [1] - 布莱克-斯科尔斯模型存在严格假设局限，如标的资产价格遵循几何布朗运动、无风险利率恒定、市场无摩擦等，现实中难以完全成立 [2] - 1979年考克斯、罗斯和鲁宾斯坦提出二叉树期权定价模型，采用离散方式刻画标的资产价格变动，将时间划分为多个微小区间，每个区间价格只有上升或下降两种可能 [2] 模型核心假设 - 采用离散时间框架，将期权有效期划分为n个等长时间区间，每个区间长度为△t=T/n，T为期权的有效期 [2] - 标的资产价格在每个时间区间内以一定概率上升或下降，上升因子u>1，下降因子0<d<1 [2] - 市场有效且不存在无风险套利机会 [2] - 无风险利率r在期权有效期内保持不变，投资者可按此利率无风险借贷资金 [2] 单期模型定价机制 - 当前标的资产价格为S0，执行价格K，有效期△t，期末资产价格有两种可能：S0u（上升）和S0d（下降） [3] - 看涨期权价值对应为：Cu=max(S0u-K,0)（价格上升），Cd=max(S0d-K,0)（价格下降） [3] - 通过构造标的资产和无风险债券复制组合，使组合期末价值与期权价值完全相同 [3] - 对冲比率△=S0(u-d)/(Cu-Cd)，即Delta值 [3] - 期权当前价值C0=△S0-B，其中B为借入无风险资金金额 [3] - 引入风险中性概率p，非实际概率，而是无套利假设下为方便计算引入的虚拟概率，使所有资产预期收益率等于无风险利率 [4] - 期权定价公式简化为C0=1/(1+r△t)[pCu+(1-p)Cd] [4] 多期模型与递归计算 - 多期模型以单期模型为基础，采用从后向前递归方法计算期权价值 [5] - 先确定第n期（到期时）所有可能标的资产价格及对应期权价值，看涨期权为max(ST-K,0)，看跌期权为max(K-ST,0) [5] - 从第n-1期开始，利用单期模型公式，根据下一期两个子节点期权价值、风险中性概率p和无风险利率，折算出当前节点期权价值 [5] - 递归计算至第0期（当前时刻），得到期权当前价值 [5] - 标的资产价格可能取值数量随期数增加呈指数增长，第i期共有i+1种可能价格，对应i次上升和n-i次下降组合 [5] 关键参数确定 - 上升因子u和下降因子d通常基于标的资产价格波动率σ确定 [6] - 在风险中性假设下，标的资产价格对数收益率方差需与实际相符，时间△t内上升对数收益率为lnu，下降为lnd [6] - 建立方程组：plnu+(1-p)lnd=r△t 且 p(lnu)²+(1-p)(lnd)²-[plnu+(1-p)lnd]²=σ²△t [6] - 考克斯-罗斯-鲁宾斯坦（CRR）模型中取u=e^(σ√△t)，d=1/u=e^(-σ√△t)，此时p=(e^(r△t)-d)/(u-d) [6] - 该参数选择使二叉树模型在期数n趋近无穷大时收敛至布莱克-斯科尔斯模型，保证一致性 [6] 期权类型应用 - 看跌期权定价原理与看涨期权类似，各节点期权价值计算公式变为P=max(K-S,0)，S为标的资产价格 [7] - 根据期权平价公式C-P=S-Ke^(-rT)，可验证二叉树模型计算结果准确性，或在已知一种期权价值时计算另一种价值 [7] - 美式期权可在有效期内任何时间行使权利，欧式期权只能在到期时行使，美式定价更复杂需考虑提前行权可能性 [8] - 二叉树模型非常适合美式期权定价，可在每个节点判断提前行权是否有利 [8] - 计算节点期权价值时需比较欧式方式持有到期价值与提前行权价值（看涨期权为S-K，看跌期权为K-S），取较大值作为该节点期权价值 [8] 模型优势与局限 - 模型具有直观、灵活优势，离散化框架更好贴合实际市场价格非连续变动特征 [2][10] - 弥补布莱克-斯科尔斯模型假设局限，为复杂衍生品定价提供可扩展基础框架 [10] - 随期数n增加，节点数量呈指数级增长，n期模型有n+1个终端节点，高精度定价或多因子模型时计算量急剧上升，可能难以满足高频交易实时定价需求 [9] - 模型结果对波动率σ依赖性极强，输入波动率与实际市场偏差会导致定价显著误差，产生"波动率风险" [9] - 通过算法优化、技术融合，模型应用边界不断拓展，支持全风险、多场景下金融产品估值与风险管理 [10]

可转债市场评级调整概况 - 近期可转债市场迎来评级调整密集期，十余只可转债因业绩亏损、债务压力及行业政策冲击等因素遭遇评级下调 [1][2] - 行业分化加剧与评级下调的"季节性规律"需警惕，但当前退市风险整体可控 [3] 具体案例评级下调原因 百畅转债 - 主体信用等级由"A+"下调至"A"，评级展望稳定，主因2024年业绩亏损加剧（归母净利润亏损2.82亿元，同比扩大189%）及2025年一季度连续亏损（亏损1168万元） [4][5][7] - 沼气发电业务面临填埋气不足、垃圾焚烧替代、电价补贴政策变动等风险，且公司现金资产无法覆盖短期债务 [6] - 公司拟通过移动储能供热业务补亏，但资金压力制约其规模化发展 [6] 闻泰转债 - 主体信用等级下调至"AA-"，主因出售产品集成业务导致收入大幅下降，且半导体业务核心经营主体安世集团受行业周期、国际政治环境及商誉减值风险影响 [8] - 2024年公司业绩发生较大亏损，但剥离低效业务有助于降低负债及财务杠杆 [8] 市场整体表现与影响 - 今年以来14只可转债因业绩或债务问题遭评级下调，但低价转债未出现明显波动 [9][11] - 评级下调集中在6月（年报披露后2个月内），但今年未重现去年同期的调整压力，主因转债平价水平抬升及持仓结构优化 [12][13] - 当前转债定价核心逻辑在于期权价值而非信用风险，权益市场主题弹性强化削弱了评级下调的影响 [14]