第27章曲面在算法交易中的应用

第27章曲面在算法交易中的应用：做市商报价、Delta对冲执行

说实话，很多做期权交易的朋友，学了波动率曲面之后，第一反应是——这东西到底怎么赚钱？

我当年刚入行的时候也有这个困惑。直到我开始做做市商，才真正体会到曲面不是用来欣赏的，它是用来吃饭的。说白了，曲面就是你的报价地图和风控罗盘。

27.1 做市商报价：曲面就是你的定价引擎

做市商的核心工作是什么？报双边价格，赚买卖价差。但问题来了——市场上几百个期权合约，你不可能一个个手动算价格。

曲面就是你的批量定价工具。你只需要维护几个核心参数，整个矩阵的价格就全出来了。

  核心逻辑： 曲面参数 → 隐含波动率 → 期权价格 → 双边报价

我习惯的做法是这样的：

实时校准曲面参数——用最近成交的期权价格反推曲面参数
生成全矩阵波动率——根据曲面公式，算出所有行权价和期限的波动率
叠加做市商价差——在理论波动率上加一个偏移量，形成买卖报价

举个例子，假设我用SVI模型来拟合曲面。代码大概长这样：

import numpy as np
from scipy.optimize import minimize

class SVIMarketMaker:
    def __init__(self, params):
        # params: [a, b, rho, m, sigma]
        self.a, self.b, self.rho, self.m, self.sigma = params
    
    def svi_vol(self, k, t):
        """SVI模型计算波动率"""
        # k: log-moneyness, t: 期限
        w = self.a + self.b * (self.rho * (k - self.m) + 
            np.sqrt((k - self.m)**2 + self.sigma**2))
        return np.sqrt(w / t)
    
    def quote_spread(self, k, t, spread_bps=5):
        """生成双边报价"""
        mid_vol = self.svi_vol(k, t)
        bid_vol = mid_vol - spread_bps / 10000
        ask_vol = mid_vol + spread_bps / 10000
        return bid_vol, mid_vol, ask_vol

这里有个坑，我踩过好几次——曲面参数不能一成不变。市场在动，你的曲面也得跟着动。我建议每5-10秒重新校准一次，至少也要每分钟一次。

我的经验： 做市商报价时，价差不是固定的。波动率越高的合约，价差应该越大。我一般用波动率的5%-10%作为价差基准，再根据持仓量微调。

27.2 Delta对冲执行：曲面告诉你该对冲多少

做市商最怕什么？方向性风险。你报出去的价格，如果方向判断错了，可能一把亏光。所以Delta对冲是必修课。

但问题来了——Delta怎么算？很多人直接用Black-Scholes公式，输入一个波动率就完事了。这其实不对。

你想想看，不同行权价的期权，它们的隐含波动率不一样。你用同一个波动率算Delta，结果能准吗？

正确的做法是：用曲面上的局部波动率来计算每个期权的Delta。

def delta_with_surface(spot, k, t, r, surface_model):
    """用曲面波动率计算Delta"""
    vol = surface_model.svi_vol(np.log(k/spot), t)
    d1 = (np.log(spot/k) + (r + 0.5*vol**2)*t) / (vol*np.sqrt(t))
    delta = norm.cdf(d1)  # 看涨期权
    return delta

# 批量计算整个组合的Delta
portfolio_delta = 0
for option in my_positions:
    delta = delta_with_surface(
        spot, option.strike, option.expiry, 
        r, surface_model
    )
    portfolio_delta += delta * option.quantity * option.multiplier

我遇到过一种情况——用曲面算出来的Delta，和用平值波动率算出来的，差了将近15%。对于一个千万级别的组合，这就是150万的方向敞口。你说重不重要？

27.3 曲面在算法交易中的完整流程

把上面两个部分串起来，就是一个完整的做市商算法交易系统。我画了个流程图，你看看：

这个流程里，最关键的就是那个反馈循环。每次成交之后，你要用成交价格重新校准曲面。为什么？因为成交价里包含了最新的市场信息，你的曲面必须跟上。

27.4 实战中的几个关键点

做市商不是光有曲面就够的。我总结几个实战中容易翻车的地方：

避坑指南：

不要用同一个曲面参数做所有期限——近月和远月的波动率行为完全不同，我建议分期限段拟合
小心跳跃风险——曲面在突发事件时会剧烈变形，你的对冲策略要能快速响应
注意交易成本——频繁对冲会吃掉利润，我一般设置一个Delta容忍区间，比如±0.5%才动手

我曾经在一次财报发布前，曲面突然变得非常陡峭。近月期权波动率飙升，远月反而没怎么动。如果我用统一的曲面参数，近月报价就会严重偏离市场。还好我当时做了分期限拟合，及时调整了近月的参数，才没被市场打脸。

27.5 代码实战：一个简单的做市商报价系统

最后，我给你一个完整的示例代码。这个代码虽然简单，但包含了做市商报价的核心逻辑：

class MarketMakerSystem:
    def __init__(self, spot, r, surface_params):
        self.spot = spot
        self.r = r
        self.surface = SVIMarketMaker(surface_params)
        self.position = {}  # 持仓记录
        self.delta_target = 0  # 目标Delta敞口
    
    def update_surface(self, trades):
        """根据最新成交更新曲面"""
        # 用成交数据重新拟合SVI参数
        # 这里省略优化过程
        pass
    
    def generate_quotes(self, strikes, expiries):
        """生成所有合约的报价"""
        quotes = {}
        for t in expiries:
            for k in strikes:
                bid_vol, mid_vol, ask_vol = self.surface.quote_spread(
                    np.log(k/self.spot), t
                )
                # 转成价格
                bid_price = bs_price(self.spot, k, t, self.r, bid_vol, 'call')
                ask_price = bs_price(self.spot, k, t, self.r, ask_vol, 'call')
                quotes[(k, t)] = (bid_price, ask_price)
        return quotes
    
    def hedge_delta(self):
        """执行Delta对冲"""
        current_delta = self.calc_portfolio_delta()
        delta_gap = current_delta - self.delta_target
        
        if abs(delta_gap) > 0.005 * self.spot:  # 0.5%阈值
            # 买卖标的资产
            trade_qty = -delta_gap / self.spot
            execute_trade('SPOT', trade_qty)
            print(f"对冲执行：买卖 {trade_qty:.0f} 股标的资产")

这个系统虽然简单，但骨架是完整的。你可以在上面加各种优化——比如用机器学习预测短期波动率变化，或者加入订单簿深度信息来优化报价策略。

我的建议： 刚开始做做市商，别想着一步到位。先跑通这个基础流程，把曲面校准和对冲执行做稳定了，再慢慢加高级功能。我见过太多人一上来就想搞高频做市，结果连Delta都没算对。

好了，这一章的内容就到这里。曲面在算法交易中的应用，说白了就是两件事——用曲面定价，用曲面风控。把这两件事做好了，做市商的基本功就算扎实了。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录