曲面套利风险二：执行风险，流动性不足、买卖价差对套利收益的侵蚀

各位，咱们接着聊曲面套利。上一节讲了模型风险，说白了就是你的理论模型和现实世界之间的差距。今天要聊的这个风险，更直接、更“肉疼”——执行风险。

什么叫执行风险？就是你明明看到了一个套利机会，算好了能赚5块钱，结果一顿操作下来，发现只赚了2块，甚至亏了1块。为什么会这样？两个罪魁祸首：流动性不足和买卖价差。

我个人习惯把执行风险叫做“滑点风险”。你想想看，曲面套利本质上是在赚“定价错误”的钱。但如果你没法以“理论价格”成交，那这个定价错误对你来说就没有意义。

流动性不足：看得见，吃不着

流动性不足，说白了就是市场上没人跟你玩。你想买的时候没人卖，你想卖的时候没人买。

我在做港股期权的时候遇到过这种情况。某个深度虚值的期权，盘口上只有几手挂单。我这边策略信号出来了，想开仓，结果一吃单子，价格直接被打飞了。原本算好的理论价差是0.5元，实际成交价差变成了0.8元。嗯，这笔交易还没开始就已经亏了。

流动性不足对曲面套利的影响，主要体现在几个方面：

• 开仓困难：你想构建一个多腿组合，比如买call卖put，结果其中一条腿流动性极差，根本开不进去
• 平仓更困难：开仓时还能勉强成交，平仓时发现对手盘更少，只能被动接受更差的价格
• 冲击成本：大单进场会推动价格向不利方向移动，吃掉你的理论利润

买卖价差：隐形的抽水机

买卖价差，就是买一价和卖一价之间的差距。这个差距，就是你的交易成本。

你想想看，曲面套利的利润空间通常都不大，可能就0.1元、0.2元。如果买卖价差就有0.05元，那你的利润直接被打了个八折。如果价差再大点，利润就没了。

我习惯用一张表来评估不同合约的“可交易性”：

你看，远月合约的买卖价差可能是近月合约的10倍。这意味着什么？意味着你如果做跨期套利，光价差成本就能吃掉你大部分利润。

如何量化执行风险？

我个人习惯在策略中加入一个“滑点成本”参数。具体做法是这样的：

# 滑点成本估算函数
def estimate_slippage(option_data):
    """
    根据盘口数据估算滑点成本
    """
    bid = option_data['bid_price']
    ask = option_data['ask_price']
    bid_size = option_data['bid_size']
    ask_size = option_data['ask_size']
    
    # 买卖价差成本
    spread_cost = (ask - bid) / (ask + bid) * 2
    
    # 流动性折扣因子
    # 盘口深度越浅，折扣越大
    liquidity_factor = min(1.0, (bid_size + ask_size) / 100)
    
    # 综合滑点成本
    slippage = spread_cost * (2 - liquidity_factor)
    
    return slippage

# 使用示例
slippage = estimate_slippage(option_chain['2024-06-21']['C3800'])
print(f"预估滑点成本: {slippage:.2%}")

这段代码的逻辑很简单：买卖价差越大，滑点成本越高；盘口深度越浅，滑点成本也越高。实际交易中，我会把这个滑点成本直接加到策略的预期收益里，如果扣掉滑点后收益还是正的，才考虑进场。

执行风险的应对策略

说了这么多风险，那怎么应对呢？我总结了几条实战经验：

1. 只做流动性好的合约：近月平值、近月轻度虚值/实值，这些是首选。远月、深度虚值，除非利润空间极大，否则不碰。
2. 用限价单，不用市价单：市价单是滑点的最大来源。我习惯用限价单，挂在自己能接受的价格上，等对手盘来吃。
3. 分批建仓：如果仓位比较大，不要一次性全打进去。分几批，每批之间留点时间，让市场消化一下。
4. 设置滑点预算：在策略设计阶段，就预留出滑点成本的空间。比如理论利润是0.2元，我给自己定的滑点预算是0.05元，实际利润预期就降到0.15元。

用SVG梳理一下本章的知识结构

下面这张图，把执行风险的来源、影响和应对策略串起来了：

嗯，这张图把执行风险的脉络理清楚了。从两个主要来源出发，到它们各自的影响，再到最终的应对策略。你想想看，是不是一目了然？

最后说一句，执行风险这东西，说白了就是“理想很丰满，现实很骨感”。你在回测里看到的利润，到了实盘里可能就缩水了。所以，我建议你在设计策略时，一定要把执行风险考虑进去。别等到真金白银亏了，才后悔没早点重视这个问题。