曲面套利策略七：曲面水平值均值回归策略

聊到波动率曲面套利，前面我们讲了不少局部性的机会。比如某个期限的 skew 偏了，或者某个执行价的隐含波动率跟邻居比不对劲。但今天这个策略，视角完全不同——我们不看局部，看整体。

说白了，就是盯着整个波动率曲面的「水平值」来做文章。这个水平值，你可以理解成整个市场的波动率温度。我习惯用 VIX 类似物来刻画它，比如把近月平值期权的隐含波动率加权平均一下，或者干脆用 VIX 期货的连续合约。

策略核心逻辑

这个策略的假设很简单：整体波动率水平会均值回归。

你想想看，市场恐慌的时候 VIX 飙到 40、50，但能一直待在那儿吗？不能。恐慌总会消退，波动率总会回落。反过来，市场极度平静的时候 VIX 跌到 10 以下，也不可能永远这么低——总会有个突发事件把它拉起来。

我在项目中遇到过好几次这样的情况：2020 年 3 月疫情爆发，VIX 冲到 80 以上。当时很多交易员慌了，觉得波动率会永远高企。但我记得我当时的判断是——这不可持续。果然，几个月后 VIX 就回到了 20 多。这就是均值回归的力量。

策略构建步骤

具体怎么做？我一般分四步走：

1. 计算曲面水平值——构建一个 VIX 类似物指标
2. 判断当前水平——跟历史均值比较，看是偏高还是偏低
3. 选择交易方向——偏高就做空波动率，偏低就做多波动率
4. 执行与风控——用期权组合来暴露 Vega 方向

嗯，这里要注意：我们不是直接交易 VIX 期货，而是用期权组合来模拟 Vega 暴露。这样更灵活，也能控制其他 Greeks 的风险。

VIX 类似物的构建

我常用的方法有两种：

方法	说明	优缺点
平值加权法	取近月平值期权的隐含波动率，按持仓量加权	简单直观，但受单一期限影响大
曲面平均法	对整个曲面所有期限、所有执行价的 IV 做加权平均	更全面，但计算量大

我个人习惯用曲面平均法。虽然计算麻烦点，但能更真实反映市场整体情绪。你想想看，如果只是近月平值 IV 偏高，但远月和深度虚值都很正常，那可能只是短期流动性问题，不是真正的恐慌。

均值回归的判定标准

怎么判断当前水平是偏高还是偏低？我一般用 Z-score：

# 计算曲面水平值的 Z-score
import numpy as np

def calculate_zscore(current_level, historical_levels):
    mean = np.mean(historical_levels)
    std = np.std(historical_levels)
    z = (current_level - mean) / std
    return z

# 示例：当前 VIX 类似物 = 25，历史均值 = 18，标准差 = 4
z = calculate_zscore(25, [18, 4])
print(f"Z-score: {z:.2f}")  # 输出 1.75

Z-score 大于 2 或者小于 -2，我就认为进入了极端区域。这时候均值回归的概率很高。

交易执行：用期权组合暴露 Vega

判断出方向后，怎么交易？我一般用以下组合：

• 做空波动率（VIX 偏高时）：卖出宽跨式组合（Short Strangle），或者卖出平值跨式（Short Straddle）
• 做多波动率（VIX 偏低时）：买入宽跨式组合（Long Strangle），或者买入平值跨式（Long Straddle）

但这里有个坑——单纯卖跨式或者买跨式，Delta 和 Gamma 风险很大。我建议用 Vega 中性化 的方式：

# 示例：构建 Vega 中性化的做空波动率组合
# 假设我们想暴露 -1000 Vega，同时保持 Delta 中性

from scipy.stats import norm

def build_vega_neutral_portfolio(option_chain, target_vega):
    """
    option_chain: 包含不同执行价和期限的期权数据
    target_vega: 目标 Vega 暴露（负值表示做空）
    """
    # 这里简化处理，实际需要求解最优权重
    # 选择流动性最好的几个合约
    selected = option_chain[option_chain['volume'] > 1000]
    
    # 计算每个合约的 Vega 和 Delta
    # 用线性规划求解权重，使得总 Vega = target_vega，总 Delta ≈ 0
    # ...
    
    return weights

# 实际交易中，我还会加入 Gamma 和 Theta 的约束

策略的 SVG 流程图

下面这张图展示了整个策略的核心逻辑：

实战中的注意事项

这个策略听起来简单，但实际执行中坑不少。我踩过的几个：

• 均值回归的时间尺度——回归可能需要几天、几周甚至几个月。你的期权期限要匹配这个时间尺度。我一般用 1-3 个月的期权。
• 不要忽略期限结构——有时候整体水平正常，但期限结构是倒挂的。这时候做空波动率可能被近月的高 Vega 吃掉利润。
• 流动性问题——深度虚值的期权流动性差，买卖价差大。我建议只交易平值附近 2-3 档的合约。

好了，这一章就到这里。曲面水平值策略说白了就是「赌市场情绪会回归正常」。听起来简单，但真正做好需要大量的回测和参数调优。我建议你先用历史数据跑一遍，看看不同 Z-score 阈值下的表现，再决定怎么用。