偏斜套利：当市场情绪出现定价偏差
偏斜套利，说白了就是利用虚值期权和实值期权之间隐含波动率的相对错误定价来赚钱。我个人觉得，这是波动率曲面套利里最直观、也最容易上手的一种策略。
你想想看，正常情况下，虚值看跌期权的隐含波动率通常会比虚值看涨期权高一些，这就是我们常说的“波动率微笑”或者“偏斜”。但市场有时候会过度反应，导致这种偏斜变得不合理——要么太陡，要么太平，甚至反过来。这时候，机会就来了。
偏斜的度量：我常用的几个指标
要做偏斜套利，首先得知道怎么量化偏斜。我个人习惯用以下几个指标：
- 25-delta 偏斜（25-delta Skew）： 最常用的指标。计算方法是：25-delta 看跌期权的 IV 减去 25-delta 看涨期权的 IV。正值表示看跌期权更贵，负值则相反。
- 90-110 偏斜： 用 90% 行权价的 IV 减去 110% 行权价的 IV。简单粗暴，适合快速判断。
- 偏斜斜率（Skew Slope）： 用不同行权价的 IV 差值除以行权价差值，衡量偏斜的变化速率。
我在项目中遇到过一个问题：只看单一指标容易误判。比如 25-delta 偏斜突然变大，可能是看跌期权被高估，但也可能是看涨期权被低估。所以，我建议至少结合两个指标来看。
偏斜套利的两种常见玩法
嗯，这里要注意，偏斜套利不是简单的买低卖高。你得考虑希腊字母的风险暴露。我一般把它分成两类：
1. 偏斜回归套利
假设当前 25-delta 偏斜是 5%，但历史均值只有 2%。这意味着看跌期权相对太贵了。我的做法是：
- 卖出虚值看跌期权（做空高 IV）
- 买入虚值看涨期权（做多低 IV）
- 调整头寸比例，使得 Delta 和 Vega 中性
说白了，就是赌偏斜会从 5% 回到 2%。只要这个回归发生，不管标的价格怎么动，你都能赚钱。
2. 偏斜陡峭化/平坦化套利
有时候偏斜不是回归，而是会变得更极端。比如财报前，市场恐慌情绪上升，看跌期权的 IV 会飙升，导致偏斜变陡。这时候可以：
- 做多偏斜：买入看跌期权，卖出看涨期权
- 做空偏斜：买入看涨期权，卖出看跌期权
我曾经在 2020 年 3 月做过一次做多偏斜的交易。当时标普 500 的偏斜已经很高了，但我判断市场还会继续恐慌，于是加仓了看跌期权。结果偏斜从 8% 一路飙到 15%，那笔交易赚了不少。
实战中的避坑指南
偏斜套利看着简单，但坑也不少。我踩过的几个雷，分享给你：
一个简单的 Python 示例
下面是我写的一个偏斜套利信号生成器。它计算 25-delta 偏斜，并与 20 日均值比较，生成交易信号。
import numpy as np
import pandas as pd
def skew_signal(data, lookback=20):
"""
data: DataFrame 包含 'put_iv_25d' 和 'call_iv_25d' 列
返回: 1 表示做多偏斜, -1 表示做空偏斜, 0 表示无信号
"""
data['skew'] = data['put_iv_25d'] - data['call_iv_25d']
data['skew_ma'] = data['skew'].rolling(lookback).mean()
data['skew_std'] = data['skew'].rolling(lookback).std()
# 当偏斜超过均值 1.5 个标准差时触发信号
data['signal'] = 0
data.loc[data['skew'] > data['skew_ma'] + 1.5 * data['skew_std'], 'signal'] = -1 # 做空偏斜
data.loc[data['skew'] < data['skew_ma'] - 1.5 * data['skew_std'], 'signal'] = 1 # 做多偏斜
return data
# 使用示例
# df = pd.read_csv('option_data.csv')
# result = skew_signal(df)
# print(result[['skew', 'skew_ma', 'signal']].tail())这个代码很简单，但实际用的时候要加很多过滤条件。比如，我会要求偏斜偏离至少持续 2 天再入场，避免被单日噪音骗进去。
偏斜套利的核心逻辑图
下面这张图展示了偏斜套利的完整决策流程：
总结一下
偏斜套利的核心就三件事：算准偏斜、找对阈值、管好风险。我个人觉得，对于刚接触波动率曲面套利的人来说，偏斜套利是最好的起点。它逻辑清晰，回测容易，而且实盘效果也不错。
不过要记住，任何套利策略都有失效的时候。市场结构变了，或者流动性枯竭了，偏斜可能长期不回。所以，永远要给自己留一条退路。
公众号:蓝海资料掘金营，微信deep3321