분산 거래 옵션

분산 거래.
지수 옵션의 내재 변동성과 후속 실현 변동성 간의 높은 차이는 알려진 사실입니다. 거래는 연속 델타 헤징 옵션을 판매함으로써이 차이를 일상적으로 악용합니다. 그러나이 위험 프리미엄 (분산 거래)을 이용하는 더 우아한 방법이 있습니다. 분산 거래는 암묵적인 실현 변동성과 실현 된 변동성 간의 차이가 개별 스톡 옵션보다 인덱스 옵션간에 더 크다는 사실을 사용합니다. 따라서 투자자는 옵션에 대한 옵션을 매도하고 개별 주식 옵션을 매입 할 수 있습니다. 분산 거래는 상관 관계 거래의 일종으로, 거래가 일반적으로 상관 관계가 강하고 상관 관계가 높아지는 스트레스 기간에 돈이 손실되는 경우가 많으므로 일반적으로 거래가 수익을 창출합니다. 기본 무역은 높은 신념 불일치를 가진 회사의 옵션을 사면 향상 될 수 있습니다 (높은 분석가와 회사의 수입에 대한 의견 차이).
근본적인 이유.
학술지에 따르면 애널리스트 예측의 분산은 색인 및 단일 이름 옵션의 내재 변동성과 밀접하게 관련되어 있습니다. 연구에 따르면 옵션 초과 수익은 불일치 위험에 대한 다양한 노출을 반영합니다. 신념에서 이질성에 쉽게 걸리기 쉬운 기업의 옵션을 사는 투자자는 이러한 위험을 감수하면서 평형 상태에서 보상을 받는다. 개인 및 인덱스 옵션의 변동성 위험 프리미엄은 가격 불일치 위험에 대한 보상을 나타냅니다. 따라서 옵션의 횡단면에서 변동성 위험 프리미엄은이 특정 회사와 비즈니스주기 지표의 신념 이질성의 크기에 따라 달라집니다. 리스크 중립성의 왜곡으로 인덱스 옵션의 변동성 위험 프리미엄은 불일치의 크기와 회사의 지분에 따라 더 크거나 작을 수 있습니다.
변동성 효과, 변동성 프리미엄.
간단한 거래 전략.
투자 세계는 S & P 100 지수의 주식으로 구성됩니다. 거래 수단은이 지수의 주식 옵션과 지수 자체의 옵션입니다. 투자자는 Institutional Brokers Estimate System (I / B / E / S) 데이터베이스의 주당 이익에 대한 애널리스트 예측을 사용하고 수입 불확실성 지표로 조정 한 평균 절대 차이를 각 회사에 대해 계산합니다 (출처 : 상세한 방법론). 매월 투자자는 믿음의 불일치 정도에 따라 5 분위수를 기준으로 주식을 분류합니다. 그는 가장 높은 신념 불일치를 가진 주식을 매입하고 지수를 매도한다. 블랙 - 숄즈 델타가 -0.8에서 - 0.2까지 범위 인 1 개월 인덱스 지수의 가중치가 높은 포 트폴리오이다.
원본 용지.
Buraschi, Trojani, Vedolin : 평형 지수 및 단일 스톡홀름 위험 프리미엄.
인덱스 옵션의 작가는 변동성이 크고 위험 프리미엄이 높기 때문에 높은 수익을 올릴 수 있지만 단일 주식 시장의 옵션 작가는 낮은 수익을 얻습니다. 불완전한 정보 경제를 사용하여 우리는 대리인이 기업의 펀더멘털과 비즈니스 사이클 지표의 성장에 대해 이질적 인 믿음을 갖고 인덱스 및 단일 주식 옵션의 다양한 변동성 위험 프리미엄을 설명하는 여러 자산을 가진 구조 모델을 개발합니다. 지수와 개별 변동성 리스크 프리미엄 간의 차이는 주로 다음과 같은 모델 특성으로 인해 내재적으로 나타나는 상관 리스크 프리미엄에 의해 좌우됩니다. 개별 펀더멘털이있는 완전한 정보 경제에서 개별 주식과 개별 주식의 상관 관계 만이 상관 관계가 있습니다. ( "다양 화 효과"). 우리 경제에서 주식 수익 상관 관계는 특이하고 체계적인 (비즈니스주기) 불일치 ( "위험 공유 효과")에 의해 내생 적으로 유도됩니다. 우리는 이러한 효과가 다각화 효과를 지배하며, 또한 기업의 수와 전체 시장에서의 기업의 점유율과는 독립적이라는 것을 보여줍니다. 평형 상태에서 개별 주식의 비대성과 지수는 상관 위험 프리미엄으로 인해 다릅니다. 집합 시장에서의 기업 점유율과 경기 순환에 대한 불일치의 크기에 따라, 지수의 왜곡도는 (절대 값으로) 더 크거나 개별 주식보다 작을 수 있습니다. 결과적으로, 지수의 변동성 위험 프리미엄은 개인보다 크거나 작습니다. 균형에서 옵션 투자의 이종 리스크 노출은 옵션의 횡단면에서 보완되며 불일치의 차이를 이용하는 모델 묵시적 거래 전략은 상당한 초과 수익을 얻습니다. 분석가의 수익 예상치, S & P 100 지수 옵션에 대한 옵션 데이터, 모든 구성 요소에 대한 옵션 및 주식 수익에 대한 회사 별 정보의 세 가지 데이터 세트를 병합하여 일련의 패널 회귀 분석에서 모델 예측을 테스트합니다. 신념의 차이를 기반으로 주식을 분류하면, 옵션의 횡단면에서 불일치 위험에 대한 다양한 노출을 이용하는 변동성 거래 전략이 높은 Sharpe 비율을 얻는 것을 알 수 있습니다. 그 결과는 다른 표준 통제 변수와 거래 비용에 강건하며 변동성 위험 프리미엄을 설명하는 다른 이론에 포함되지 않습니다.
기타 논문.
Driessen, Meanhout, Vilkov : 옵션 - 내포 된 상관 관계 및 상관 리스크의 가격.
주식 - 수익 상관 관계가 확률 적이라는 많은 증거에 의해, 우리는 상관 관계 변화의 위험 (다양 화 이익에 영향을 미침)이 책정 될 수 있는지 분석합니다. 주식 수익률 (지표 옵션 가격과 모든 지수 구성 요소의 옵션 가격을 결합하여 얻은)과 실현 된 상관 관계 간의 옵션 내재적 ​​상관 관계를 비교함으로써 직접적이고 직관적 인 테스트를 제안합니다. 우리의 간략한 모델은 평균 묵시적 (S & P500의 경우 39.5 %, DJ30의 경우 46.0 %)과 실현 된 상관 관계 (각각 32.5 %와 35.5 %) 사이의 상당한 격차가 큰 음의 상관 리스크 프리미엄의 직접적인 증거임을 보여줍니다. 우리 모델의 경험적 구현은 또한 지수 변동 위험 프리미엄이 높은 상관 관계 위험 가격에 기인 할 수 있음을 나타냅니다. 마지막으로 옵션 암시 적 상관 관계가 미래의 주식 시장 수익률에 상당한 예측력을 가지고 있다는 증거를 제시하며, 이는 또한 다수의 기본적인 시장 수익 예측자를 통제 한 후에도 중요합니다.
블랙 숄즈 - 머튼 (Black-Scholes-Merton) 연구 발표 이후 변동성 관련 거래 전략의 다양성이 증가하고 있습니다. 이 논문에서 우리는 개별 주식의 묵시적 변동성 대비 지수의 내재 변동성의 잘못된 가격 결정으로 이익을 얻으려고하는 분산 거래 전략 중 하나를 연구한다. 이 연구의 주요 목적은 2008 년 11 월 3 일부터 2010 년 5 월 10 일까지 독일 옵션 시장에서 수익성이있는 거래 기회가 있는지 여부를 찾는 것이지만, 지수의 변동성을 암시하는 광범위하게 문서화 된 형식화 된 사실 (Driessen, Maenhout and Vilkov (2006) 등)의 묵시적 변동성을 사용하여 계산 된 지수의 이론적 인 변동성보다 평균적으로 큰 경향이 있음을 발견했다. 또한 우리는이 불일치의 원인이 무엇인지에 대한 이슈를 만집니다.
이 논문은 분산 거래 전략의 수익성을 탐구하려고 시도한다. 우리는 분산 스왑의 가격을 책정하기 위해 제안 된 다양한 방법을 검토하기 시작합니다. 우리는 분산 거래가 발생하는 이유와 주요 동인이 무엇인지를 설명하는 모델을 개발했습니다. 우리 모델의 설명 후에, 우리는 EuroStoxx 50에서 분산 거래를 구현합니다. 우리는 오랫동안 구성 요소 인 동시에이 지수에 대한 분산 스왑의 체계적인 짧은 전략의 프로파일을 분석합니다. 우리는 단기간에 상관 관계를 파는 것에 대한 감각이 있음을 보여줍니다. 또한 전략의시기와 향후 개발 및 개선 사항에 대해서도 논의합니다.
파리 1 대학 Univ ersity의 수학 재무 분야에서 2 년간의 연구 끝에 Lyxor Asset Management, Société Générale (프랑스 파리)의 자산 관리 팀과 정량 분석가로서 일할 기회가있었습니다. 첫 번째 과제는 변동성 스왑, 분산 스왑, 상관 스왑, 공분산 스왑, 절대 분산, 절대 분산 호출 (팔라듐)과 같은 팀의 주요 초점이있는 숨겨진 자산에 대한 펀드의 성과 분석을 개발하는 것이 었습니다. 그 목적은 수익을 예상하고 시장 조건에 따라 자산을 재 할당 할시기와 방법을 파악하는 것이 었습니다. 특히 Excel의 VBA를 통해 분석을 자동화했습니다. 둘째, 상관 관계 교환 (Correlation trades)에 관한 연구 프로젝트 (Correlation Swaps and Dispersion Trades)가있었습니다. 이 보고서는이 주제에서 수행 한 연구를 요약합니다. Lyxor는 경험적으로 지수 변동이 구성 요소의 분산과 관련하여 풍부 해 졌기 때문에 분산 스왑을 통해 분산 거래에 대한 짧은 포지션을 취하는 혜택을 누리고 있습니다. 그러나 분산 거래에서의 짧은 위치는 상관 관계가 길어지는 것과 동일하며, 시장 파산 (또는 변동성 급등)의 경우에는 포지션을 상실 할 수 있습니다. 따라서 연구의 목표는 불리한 시장 상황에서 펀드를 보호 할 수있는 효과적인 헤지 전략을 찾는 것이 었습니다. 주요 아이디어는 분산 거래 및 상관 스왑이 상관 관계에 노출되는 두 가지 방법이지만 다른 위험 요소가 있다는 사실을 적용하는 것이 었습니다. 상관 교환은 상관 관계에 대한 순수한 노출을 가지고 있지만 분산 거래는 실현 된 변동성 및 구성 요소의 상관 관계에 노출되어 있습니다. 따라서 다른 요인에 대한 위험을 감안할 때, 분산 거래의 함축 된 상관 관계는 등가 상호 교환 스왑의 파업보다 (경험적으로 10 점 이상) 높습니다. 따라서이 두 제품을 복용하고 두 제품에서 반대 위치를 잡으면 헤지 효과를 얻으려고합니다. 또한, 우리는 P & L의 반환, 손익 계산서의 변동성 및 우리의 선호도의 위험 - 수익 비율을 제공하는 전략에서 두 제품의 최적 무게를 찾습니다. 또한이 전략이 과거 시장 상황 (백 테스트) 및 극도로 약세의 시장 조건 (스트레스 테스트)에서 어떻게 수행되었는지 테스트했습니다.
최근의 금융 위기가 보여 주었던 것처럼, 상관 관계가 예기치 않게 증가하면 다양 화 이익이 갑자기 증발 할 수 있습니다. 우리는 S & P500 상관 관계 스왑 견적, 옵션 가격 및 CBOE 내재 상관 관계 지수 (INT)에서 추정 된 합성 상관 스왑 비율을 기반으로 상관 위험 및 대체 기간 구조의 대안 측정을 분석합니다. 무조건 및 조건 상관 헤징 전략의 분석은 일부 조건 상관 헤징 전략 만이 가치를 부가한다는 것을 보여줍니다. 조건부 위험 회피 전략의 조건 변수 중 CBOE 내재 상관 관계 지수는 제대로 수행되지 않는 반면, 상관 위험 요소와 분산 거래 수익의 수준은 최상의 결과를 제공한다는 것을 알 수 있습니다.
분산 거래는 지수의 구성 요소가 지수 자체보다 변동성이 크다고 거래자가 믿을 때 입력됩니다. 남아 프리카 파생 상품 시장은 상당히 진보되었지만 여전히 비 효율성을 경험하고 비효율적 인 시장에서 분산 거래가 잘 수행되는 것으로 알려져 있습니다. 이 논문은 분산 기회에 대한 남아프리카 시장을 시험하고 이러한 거래를 수행하는 다양한 방법을 탐구합니다. 남아프리카 시장은 분산 거래에 긍정적 인 결과를 보여줍니다. 즉 단기 반 분산 거래. 통화 옵션 및 CSV (Cross-Sectional Volatility) 스왑도 테스트됩니다. 통화 옵션이 시장보다 월등히 높았던 반면 CSV 스왑은 실적이 저조했습니다.
이 논문은 옵션 시장에서 베어링 상관 관계 리스크에 대한 명백한 위험 프리미엄을 조사하기 위해 분산 전략으로 알려진 옵션 거래 전략을 연구합니다. 이전 연구는 이익을 분산 거래로 인덱스 옵션에 포함 된 상관 리스크 프리미엄으로 기인했습니다. 자연 대립 가설은 수익성이 옵션 시장 비 효율성으로 인한 것이라고 주장한다. 1999 년과 2000 년 말의 옵션 시장의 제도적 변화는이 가설들을 구별하는 자연스러운 실험을 제공한다. 이는 시장 구조가 변함에 따라 근본적인 시장 위험 프리미엄이 변하지 않아야하기 때문에 시장 비 효율성 가정과 위험 기반 가설을 뒷받침하는 증거를 제공한다.

휘발성 분산 거래.
44 Pages 게시일 : 2008 년 7 월 8 일
일리노이 얼 바나 샴페인 대학.
작성 날짜 : 2008 년 1 월 25 일.
이 논문은 옵션 시장에서 베어링 상관 관계 리스크에 대한 명백한 위험 프리미엄을 조사하기 위해 분산 전략으로 알려진 옵션 거래 전략을 연구합니다. 이전 연구는 이익을 분산 거래로 인덱스 옵션에 포함 된 상관 리스크 프리미엄으로 기인했습니다. 자연 대립 가설은 수익성이 옵션 시장 비 효율성으로 인한 것이라고 주장한다. 1999 년과 2000 년 말의 옵션 시장의 제도적 변화는이 가설들을 구별하는 자연스러운 실험을 제공한다. 이는 시장 구조가 변함에 따라 근본적인 시장 위험 프리미엄이 변하지 않아야하기 때문에 시장 비 효율성 가정과 위험 기반 가설을 뒷받침하는 증거를 제공한다.
키워드 : 변동성, 분산 거래, 시장 비효율.
Qian Deng (연락처 작성자)
일리노이 대학교 어 바나 샴페인 (University of Illinois at Urbana-Champaign)
샴페인, IL 61820.
종이 통계.
관련 전자 잡지.
자본 시장 : 시장 효율성 e 저널.
이 주제에 대한 큐레이팅 된 기사를 보려면이 수수료 저널을 구독하십시오.
권장 논문.
빠른 링크.
약.
쿠키는이 사이트에서 사용됩니다. 거부하거나 더 자세히 알아 보려면 쿠키 페이지를 방문하십시오. 이 페이지는 apollo2에 의해 0.172 초 만에 처리되었습니다.

분산 거래 옵션
"분산 번호를 읽는 방법"
IVolatility의 의견.
2711 Centerville Road, Suite 300,
Wilmington, DE 19808.
분산 거래 - 고급 휘발성 분산 시스템.
변동성 분산 거래는 지수와 구성 종목의 바구니 간 묵시적 변동성의 상대적 가치 차이를 활용하여 높은 수준의 분산을 추구하기 위해 고안된 인기있는 헷지 전략입니다. 이 전략은 일반적으로 인덱스의 짧은 옵션 위치를 포함하며, 이에 대해 인덱스의 구성 요소 세트에서 긴 옵션 위치가 사용됩니다. 인덱스에서 짧은 스 트래들 (straddle) 또는 거의 ATM strangle을 보거나 인덱스를 구성하는 주식의 30 %에서 40 %에 걸쳐 길고 유사한 스 트래들 (straddles) 또는 목을 졸라 대는 것이 일반적입니다. 최대 분산이 실현된다면, 이 전략은 개별 주식의 긴 옵션에 대한 수익을 올릴 것이며, 인덱스의 짧은 옵션 포지션을 거의 잃지 않을 것입니다. 왜냐하면 후자가 거의 움직이지 않았기 때문입니다. 이 전략은 일반적으로 매우 낮은 프리미엄 전략이며 초기 델타가 매우 낮고 일반적으로 작은 베타를 사용합니다.
전략의 성공 여부는 선택할 구성 요소를 결정하는 데 있습니다. 가장 단순한 수준에서는 순손실 위험을 낮추기 위해 색인의 상당 부분을 설명해야하지만, 동시에 "싼"변동성과 "분산"할 가능성이있는 후보를 구입하는 것이 중요합니다. "
DISPERSION TRADING은 변동성 분산 거래자에게 주식 지수에 대한 현재 및 과거의 척도를 제공하여 분산 전략에 참여할 최적의 시간을 결정합니다. 또한 바구니의 구성 요소를 선택하고 상인이 선택한 전략에 따라 인덱스 및 구성 요소 주식에 대한 옵션 포트폴리오를 만드는 데 도움이되는 몇 가지 방법을 제공합니다. 지표에는 내재적 상관 관계, 동등한 지수 IV, 주식 비례 분산, 지수 IV의 기여 및 구성 요소에서 계산 된 지수 변동성의 비율과 실제 지수의 비율이 포함됩니다.
분산 거래는 현재 웹 기반이며 다음과 같은 많은 새로운 기능을 추가합니다. • 상관 관계 가중 암시 및 역사적 변동성과 같은 지표에 대한 추가 통계적 측정 및 현재 변동성과의 비교 • 계산에서 묵시적 변동성의 상관 관계 소개 "필터" 포트폴리오를 만들 때 정의 된 기준 포트폴리오에 포함 된 포트폴리오의 내재 변동성 및 내재 된 상관 관계와 같은 포트폴리오 통계 Excel에 포트폴리오를 저장하는 기능.
이제 Dispersion Trading은 웹에서 완벽하게 사용할 수 있으므로 사용자는 설치, 피드, 방화벽 문제 등에 대해 걱정할 필요가 없습니다.
수치는 IVolatility 데이터베이스를 사용하여 계산되며, Equity Options 파생 데이터에 대한 산업 표준으로 빠르게 자리 잡고 있습니다.
일단 당신이 당신의 바구니를 만들면, 당신은 포트폴리오의 시장 가격과 그리스를 볼 수 있습니다 (전날 종가 기준). 바구니는 명목상 또는 베가 중립적 인 할당 방법을 사용하여 만들 수 있습니다. 신청서에 제안 된 옵션 계약이 표시됩니다.
사용자 정의 및 통합.
포트폴리오 분석 및 관리 기능을 통해 응용 프로그램의 전체 독립 실행 형 버전을 사용할 수도 있습니다. 또한 애플리케이션을 사용자 정의하고 모든 거래 및 위험 관리 시스템에 통합 할 수 있습니다.
색인의 범위.
미국 : BBH, DJX, MSH, NDX, OEX, OIH, OSX, PPH, RTH, SMH, SOX, SPX, SWH, UTH, XLE, ELF, XNG를 지원합니다. 캐나다 : TX60; 유럽 ​​: DAX, CAC.

옵션을 사용하는 분산 거래.
이 기사는 QuantInsti ™에서 알고리즘 트레이딩의 이그 제 큐 티브 프로그램 (EPAT ™) 과정에서 저자가 제출 한 최종 프로젝트입니다. 우리의 프로젝트 페이지를 확인하고 학생들이 만들고있는 것을 살펴보십시오.
소개.
분산 거래는 묵시적 상관 관계와 그 후의 실현 된 상관 관계의 차이를 이용하기 위해 사용되는 전략입니다. 분산 거래는 묵시적 변동성과 실현 변동성 간의 차이가 개별 주식 옵션보다 지수 옵션간에 더 큽니다. 따라서 거래자는이 변동성 차이에 따라 지수에 대한 옵션을 매각하고 개별 스톡 옵션을 구매할 수 있으며 그 반대의 경우도 가능합니다. 분산 거래는 상관 관계 거래의 일종으로, 거래가 일반적으로 개별 주식이 강하게 상관되지 않고 상관 관계가 상승하는 스트레스 기간에 돈을 잃는 경우 수익성이 높습니다.
유가 증권 간의 상관 관계는 거래의 진입을 결정하는 요소로 사용됩니다. 개별 주식 간의 상관 관계의 가치에 따라 지수 옵션을 매도하고 인덱스 구성 요소를 매수하거나 인덱스 옵션을 매수하고 인덱스 구성 요소를 매도함으로써 분산이 거래 될 수 있습니다. 이 전략의 수익성에 대해 가장 잘 받아 들여지는 이론은 옵션 시장에서의 공급과 수요가 이론적 가치에서 벗어나는 프리미엄을 이끌어내는 시장 비 효율성이다.
분산 거래를 구별하기 위해 인덱스와 인덱스 구성 요소 주식 간의 묵시적 변동성의 상대적 가치 차이를 이용하는 헤지 전략입니다. 인덱스의 유가 증권에 대한 옵션 위치가 짧고 인덱스의 구성 요소에 대한 옵션 옵션이 길거나 그 반대의 경우도 있습니다. 효과적으로 우리는 진입 신호에 따라 길거나 짧은 걸을 것입니다.
델타 노출이 0에 가까울 때만이 무역이 성공할 것임을 주목해야합니다. 따라서 분산 전략은 대규모 시장 이동에 대비하여 헤지됩니다. 아래는 성공적인 분산 거래를 위해 취해야 할 조치의 진행입니다.
더티 상관 관계 계산 (ρ) Dirty Correlation이 임계 값을 넘었을 때 신호 생성, 일정한 간격으로 Compute Delta 델타의 극한 매수 / 매도 지수 및 개별 유가 증권에 도달하고 거래 매도를 중립으로 만들기 위해 선물 매매로 상쇄 더러운 상관 관계는 평균 (ρ = 0.5)
변동성의 차이가 어떻게 포착되는지 이해하려면 주식 바구니를 사용하여 지수의 변동을 이해해야합니다. 그것은 다음과 같이 주어진다 :
σ I 2는 지표 분산이다.
wi는 지수의 주식에 대한 가중치입니다.
σ i 2는 개별 주식 분산이다.
ρij는 주식 i와 주식 j의 상관 관계이다.
이 전략의 이익은 상관 관계가 되돌아 오는 경향이 있다는 사실에서 비롯됩니다. 따라서 극단적 인 비율에서 포지션을 취하면 특정 시점에서 되돌릴 수 있다는 것을 확신 할 수 있습니다.
전략 구현.
전략을 구현하려면 아래에 제시된 측정 항목을 계산해야합니다.
가장 가까운 파업의 내재 변동성 계산하기.
프리미엄 가치, 만기일, 이자율, 배당금 및 가장 가까운 스트라이크가 있기 때문에 블랙 스콜스 모델을 사용하여 가장 가까운 스트라이크의 내재 변동성을 계산할 수 있습니다. 상관 관계를 계산하기 위해서는 가장 가까운 스트라이크 중 가중 평균 내재 변동성을 개별 유가 증권 및 인덱스에 추가해야합니다.
위의 함수 CalculateIV에서 개별 호출 및 Put IV가 먼저 계산 된 다음이 IV의 가중 평균이 계산 된 것을 볼 수 있습니다. 미래 가격에 더 가까운 파업에 더 많은 가중치가 부여됩니다.
더러운 상관 관계.
이것은 지수의 내재 변동성과 주식의 가중 평균의 비율의 제곱입니다. 공식은 다음과 같이 주어진다 :
위의 스 니펫은 더러운 상관 관계 계산을 보여줍니다. 여기서 개별 유가 증권의 볼륨이 먼저 계산되고 Vol_IndSecurities로 합산됩니다. 비율은 지수와 개별 주식 사이에서 계산되며 제곱입니다.
임계 값 정의.
이것은 위험 식욕에 근거하여 입장 / 퇴장 신호를 생성하는 중요한 단계입니다. 이 프로젝트에서 임계 값은 z1 = 0.2, z2 = 0.8, z3 = 0.5입니다.
z1은 지수를 매수하고 개별 증권을 매도 신호를 제공합니다.
z2는 지수와 긴 개별 증권을 단락시키는 신호를 제공합니다.
z3는 모든 임계 값을 제곱 할 수있는 종료 임계 값입니다.
옵션 거래 선택.
우리가 구매 / 판매 할 신호를 얻 자마자, 우리는 걸음과 외침의 걸음과 교살의 조합을 사용할 것입니다. 이 프로젝트에서 가장 가까운 3 건의 OTM 공격이 고려됩니다. 투자 금액은 지수 및 개인 유가 증권간에 균등하게 나눠 져야합니다. 출품작을 찍을 때, 로트 크기, 구입 한 수량을 기록해야 각 단계의 델타가 편리합니다.
이것은 미래 계약을 사용하여 전체 프로세스 델타를 중립적으로 유지하기 위해 더 헤지됩니다. 이 전략의 델타는 15 분마다 조정되어야합니다. 델타가 1을 넘으면 미래 계약이 하나 팔리고 델타가 -1로 떨어지면 델타는 하나의 선물 계약을 사면 중립화됩니다. 교역 기간 동안 델타를 0에 가깝게 유지하는 것이 중요합니다.
위의 스 니펫은 진입 / 퇴실 신호를 기반으로 위치가 취해지는 방법을 보여줍니다. 거래에 대한 진입 신호가있을 때마다 델타가 중립화되었는지 지속적으로 모니터링합니다. 똑같은 경우 총 델타는 처음에 합산되며 선물 계약 또는 매매 계약으로 상쇄됩니다. 현재 위치에있는 선물은 모든 틱마다 델타를 계산할 때도 편리합니다. 매수 또는 매도 된 총 선물은 거래에 대한 추가 투자를 계산하기 위해 선물 가격으로 식별되고 곱해진다.
손익 계산.
PnL을 계산하려면 다음 사항을 고려해야합니다.
초기 거래, 항목을 구입할 때 옵션을 매매 한 비용 헤지 비용, 무역 델타를 중립화하기 위해 투자 한 선물의 총 금액 선물 정산, 출구 신호에서 선물 계약을 정산 한 금액 옵션 스퀘어 오프, 모든 위치가 출구 신호에서 제곱되었을 때 금액.
위의 발췌 문장은 PnL의 계산을 보여줍니다. 여기서 우리는 초기 거래 구매 비용 (통화 및 매매의 매매)을 계산했음을 알 수 있습니다. 우리는 콜과 풋의 가격을 제곱 한 값을 계산했습니다. 추가 투자 또는 매매 된 선물은 FutSet에 표시되며 거래가 끝날 때 제곱됩니다. 헷지 금액은 헷징 변수에 저장됩니다.
위 코드 실행 예제입니다. 알 수 있듯이 스크립트 실행과 관련된 복잡한 계산으로 인해 실행 시간이 오래 걸립니다.
결론.
분산 거래는 복잡한 전략이지만, 낮은 위험에 대한 응답으로 높은 보상을 제공하는 수익성 높은 전략으로 보상됩니다. 이 전략을 더욱 효과적으로 만들려면 전략을 자동화해야하며 헤징은 가격 변동에 따라 동적이어야합니다.
상관 관계가 강하지 않을 때 변동성이 높은시기 (즉, 분기 실적, 개별 주식 뉴스 등)의 거래는 더 많은 이익을 가져올 수 있습니다. 전략의 정확성을 극대화하기 위해 변동성을 포착하여 델타를 계산할 시간 간격을 줄일 수 있습니다.
알고리즘 트레이딩의 다양한 측면을 배우고 싶다면 알고리즘 트레이딩의 이그 제 큐 티브 프로그램 (EPAT ™)을 확인하십시오. 이 과정에서는 통계 및 amp; 계량 경제학, 금융 컴퓨팅 & amp; 기술 및 알고리즘 & amp; 양적 거래. EPAT ™는 알고리즘 거래에서 유망한 경력을 쌓기 위해 필요한 기술 세트를 제공합니다. 지금 등록!