第19章 Vega在波动率套利中的应用

第19章：Vega在波动率套利中的应用

波动率套利，说白了就是赌波动率本身会怎么走。你不需要关心股票涨跌，只看波动率是涨是跌。我做了这么多年，发现很多新手一上来就搞方向性交易，结果被波动率吃得死死的。其实，波动率套利才是真正考验功力的地方。

统计套利中的Vega暴露

统计套利的核心，是找到两个相关资产的价差，然后赌它回归。但这里有个坑——你只考虑了价格，没考虑波动率。

举个例子。我同时做多ATM看涨期权、做空ATM看跌期权，表面上是Delta中性。但两个期权的Vega不一样啊。看涨和看跌的Vega在ATM附近几乎相等，但一旦偏离，Vega暴露就出来了。

关键点：统计套利中，Vega暴露往往被忽略。你以为是纯方向性交易，实际上隐含了波动率赌注。

我个人习惯，在做任何统计套利之前，先算一下组合的净Vega。怎么算？很简单：

# 计算组合净Vega
vega_long = option_vega(spot, strike_long, expiry, iv_long, rate)
vega_short = option_vega(spot, strike_short, expiry, iv_short, rate)
net_vega = vega_long - vega_short

if abs(net_vega) > threshold:
    print("警告：存在显著Vega暴露，需对冲")

我在项目中遇到过，有一次做跨式套利，两个期权Vega差了将近20%。结果波动率突然飙升，组合亏得一塌糊涂。从那以后，我每次建仓前必算净Vega。

小技巧：如果净Vega不为零，可以用Vega期货或波动率互换来对冲。实在不行，调整头寸比例也能降低暴露。

波动率均值回归策略

波动率这东西，有个特点——它喜欢往平均值跑。你想想看，市场恐慌的时候，IV飙到80%，但过几天冷静下来，又回到20%。这就是均值回归。

怎么做？核心思路是：当IV高于历史均值时，做空Vega；当IV低于历史均值时，做多Vega。

具体步骤：

计算历史波动率均值（比如20日均值）
计算当前隐含波动率
如果IV比均值高1个标准差以上，做空Vega
如果IV比均值低1个标准差以上，做多Vega
设置止损，防止波动率趋势延续

我曾经犯过一个错：看到IV比均值高很多，直接重仓做空Vega。结果市场继续恐慌，IV越涨越高，亏到怀疑人生。嗯，这里要注意——均值回归不是100%发生的，极端行情下趋势可能延续。

避坑指南：我曾经在2020年3月做空Vega，以为IV到顶了。结果市场继续暴跌，IV从40%涨到80%。教训是：均值回归策略必须配合趋势跟踪止损，不能死扛。

代码实现其实不复杂：

# 波动率均值回归信号
def mean_reversion_signal(iv_series, lookback=20, z_threshold=1.5):
    mean_iv = iv_series.rolling(lookback).mean()
    std_iv = iv_series.rolling(lookback).std()
    z_score = (iv_series - mean_iv) / std_iv
    
    if z_score.iloc[-1] > z_threshold:
        return "做空Vega"
    elif z_score.iloc[-1] < -z_threshold:
        return "做多Vega"
    else:
        return "观望"

波动率趋势跟踪策略

跟均值回归相反，趋势跟踪是赌波动率会继续朝当前方向走。什么时候用？当市场出现重大事件时，波动率往往有持续性。

比如，财报季、央行决议、地缘冲突——这些事件会让IV持续高位。你如果做空Vega，可能被反复打脸。这时候，趋势跟踪反而有效。

怎么做？

用技术指标判断波动率趋势（比如IV的20日均线）
当IV上穿均线时，做多Vega
当IV下穿均线时，做空Vega
用ATR或波动率本身来设置止损

我个人习惯，趋势跟踪策略的仓位要比均值回归轻一些。因为趋势可能随时反转，重仓容易出事。

实战要点：趋势跟踪策略的胜率通常低于50%，但盈亏比高。均值回归策略胜率高，但盈亏比低。两者结合使用效果更好。

下面这张图，展示了波动率套利的整体框架：

最后说一句，波动率套利不是稳赚的。你想想看，如果所有人都能赚钱，那谁亏钱？关键在于，你要清楚自己在赌什么——是赌均值回归，还是赌趋势延续。别稀里糊涂地进场，然后被波动率来回打脸。

我的建议：新手先从均值回归做起，用轻仓测试。等积累了足够经验，再尝试趋势跟踪。两种策略可以互补，但别同时开仓方向相反的赌注。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录