期权做市商策略简介

期权市场合约数量巨大,且很多合约长期处于深度价内或价外,势必导致流动性的匮乏。世界上大部分期权交易所推出了相应的做市商制度,以增加市场的流动性。

 

期权做市策略与其他资产如股票、债券、期货、外汇的做市并没有本质不同,最为核心的策略都是以获取买卖价差,规避单边风险为基础的。一个优秀的做市商策略是做市机构立足于市场的核心竞争力,被视为公司的核心机密。从国内外来看,公开发表的做市商策略数量极少,且大都停留在理论层面的研究。国内资本市场在期权、期货、债券、贵金属等市场上已经有了一批以经纪公司等卖方机构为主的做市商,但多数投资者并不熟悉做市策略。

 

目前做市商策略主要分为存货模型与信息模型。主流策略是通过对市场微结构(Market Microstructure)的分析预测极短期的市场走势,再根据目前做市商的持仓(存货)风险,在做市义务的限制条件下,计算最优报价策略。

 

 

 

交易策略综述

 

存货模型是德姆塞茨(Demsetz)于1968年在《交易成本》中提出的,这是做市商最早的理论模型。德姆塞茨认为买卖价差实际上是有组织的市场为交易的即时性(Intermediacy)提供的补偿。在国外实际做市中,做市商也会根据做市品种的存货大小来确定最优的报价形式。信息模型在1971年由白芝霍特(Bagehot)提出,他认为信息成本,即信息不对称产生的成本,是未知情交易者对知情交易者付出的成本,是价差形成的主要原因。目前各大做市机构的主流策略也是通过对市场微结构(Market Microstructure),特别是对订单簿、波动性的研究来预测市场短期的走向。

 

传统信息理论认为,知情交易者往往通过市价单来交易,因此限价单构成的订单簿并不具有额外信息。而随着交易信息的公开化以及各大交易都推动的电子交易,越来越多的投资者使用限价单。同时,包括ETF在内的大型被动投资管理者也通过订单簿来预估冲击成本。因此,市场上普遍认为订单簿的微结构能预测短期价格走势。

 

2004年Cao发现在澳大利亚证券市场上,订单簿的成交量加权平均价格(VWAP)与短期价格有强相关性。2005年Harris与Panchapagesan在纽约交易所也发现类似的证据。Hellstrom在斯德哥尔摩交易所通过一阶自回归方程发现订单簿,特别是第一档行情,具有较强的预测短期市场走势。

 

从业界实际经验来看,长期稳定盈利的做市商系统大都是多策略,或者是根据行情的特征来动态调整策略的参数。以下举例说明公开文献中各个做市策略的思路。

 

1.网格交易法

 

在2011年Association for Computing Machinery大会上,Chakraborty对在均值回归这种特殊市场行情中的做市商做了详尽分析,他认为市场价格可以分为三种走势:第一,均值回归(Mean Reverting: Ornstein-Uhlenbeck、Schwartz过程);第二,随机游走(Brownian Motion);第三,趋势行情(Directional Drift)。

 

 

 

 

 

在均值回归的行情中,如果市场价格走势有向某一价格回归的趋势,做市商的网格算法交易可以获得稳定的正收益。盈利额为(K-z^2)/2,K为价格的路径,z为价格的位移。对于满足Ornstein-Ulenbeck过程的情况下,盈利更高更稳定。在外汇、期权等市场,网格交易都有极其广泛的运用,其主要风险来源于非均值回归的行情。

 

2.SOBI策略

 

SOBI(static order book imbalance,静态非平衡订单簿)旨在通过对买卖盘的分布来预测价格走势,其并不一定是一种持续双向报价的做市商系统,但可以作为辅助做市商策略。

 

 

 

 

 

在SOBI策略中,有开仓阀值、成交量加权权重、市价单与限价单的选择、下单数量与Theta比例等一系列参数需要优化。研究发现,该策略具有统计意义上长期稳定的盈利性。另一个派生的策略为通过实时波动率来调整SOBI策略参数,也取得正收益。

 

3.基于持仓的机械做市商策略

 

余书炜在《做市交易策略及做市商悖论》中设计了一个机械做市策略,并使用历史数据进行回测。该做市策略的报价以基准价为中心,买入报价为基准价减去买入报价价差,卖出报价为基准价加上卖出报价价差。报价价差取为某个固定的值,且双边价差取值对称。该策略在每日市场收市之前把每日做市形成的风险头寸全部平仓或者进行完全对冲。在测试中,假定交易费用为零。

 

策略基准价的设置和调整遵循以下原则:第一,每个交易日的第一个基准价为当日的开盘价;第二,t 时刻,如果市场价格没有超出策略的报价范围之内,做市策略不发生成交,则不调整基准价;第三,t 时刻,如果市场价格超出策略的报价范围,则按策略的相应报价进行成交。成交发生之后,调整策略的基准价,新的基准价为发生成交之后的第一个成交价。

 

从1999年—2004年对于铜做市的测试结果来看,对于“成交量最大合约”,即作者定义的连续主力合约,在报价价差为10时,做市商收益率相当高。随着报价价差的增大,收益率锐减。需要注意的是,第一,该回测未计算手续费;第二,该测试是模拟成交,在真实环境中报价未必一定能成交。而对于“量中间合约”与“量最小合约”,做市结果基本都是亏损的。由于该做市商策略没有其他标的物的对冲,行情的瞬间大波动会影响其盈利。该策略从另一方面也说明做市策略往往是通过在价格无序波动中的盈利,来弥补瞬间大趋势的亏损。

 

4.绝对价格做市

 

在贝叶斯统计的框架下,做市商在开盘前对期权价格进行预估,得到估计值,在开盘后,随着订单更新价格,做市商也不断更新其报出的价格。这个过程可以通过Kalman滤波算法来实现。

 

 

 

 

 

做市商需要的交易所支持

 

对于交易所认定的做市商,在享受交易所的优惠措施时,需要履行交易所规定的义务。从国外交易所提供的政策来看,做市商权利主要有:享有做市品种的详尽信息,买卖盘记录;部分交易指令可优先成交;减免交易手续费等税费,或固定现金奖励;保证金优惠;提供更快的连接速度。主要义务有:双边持续报价,且报价价差在一定范围内;报价每边的下单量不得低于一定量;在规定时间内完成一定交易量。

 

做市商交易量巨大,且在单边行情中总是在趋势的对立面,因此风险控制、资金控制非常关键。对于做市商来说,有以下几大政策支持最为关键:

 

1.保证金净头寸计算。从我国目前的期货和期权交易规则看,很多品种仍是多头与空头保证金分别计算,并不是对净头寸收取保证金,可能导致做市商需要巨大的资金。但从风险角度看,持有多头与空头的净头寸才是真正的风险敞口。

 

2.减免手续费。做市商交易频率高且数量大,手续费是最大的成本。在市场均衡的情况下,对于高频交易者来说是一个负和游戏。为了保证做市商能长期做市提供流动性,需要有减免手续费的政策。

 

3.连接速度。由于交易数量与频率的限制,做市商一般都要求与交易所机房尽可能近的网络连接,一般需要提供直接市场接入(Direct Market Access, DMA)和主机托管业务(Co-location),以保证交易的顺畅进行。

 

 

— — — — — — E N D — — — — — —

往期文章:

Numpy处理tick级别数据技巧

真正赚钱的期权策略曲线是这样的

多品种历史波动率计算

如何实现全市场自动盯盘

AI是怎样看懂研报的

真格量化策略debug秘籍

真格量化对接实盘交易

常见高频交易策略简介

如何用撤单函数改进套利成交

Deque提高处理队列效率

策略编程选Python还是C++

如何用Python继承机制节约代码量

十大机器学习算法

如何调用策略附件数据

如何使用智能单

如何扫描全市场跨月价差

如何筛选策略最适合的品种

活用订单类型规避频繁撤单风险

真格量化回测撮合机制简介

如何调用外部数据

如何处理回测与实盘差别

如何利用趋势必然终结获利

常见量化策略介绍

期权交易“七宗罪”

波动率交易介绍

推高波动率的因素

波动率的预测之道

趋势交易面临挑战

如何构建知识图谱

机器学习就是现代统计学

AI技术在金融行业的应用

如何避免模型过拟合

低延迟交易介绍

架构设计中的编程范式

交易所视角下的套利指令撮合

距离概念与特征识别

气象风险与天气衍生品

设计量化策略的七个“大坑”

云计算在金融行业的应用

机器学习模型评估方法

真格量化制作期权HV-IV价差

另类数据介绍

TensorFlow中的Tensor是什么?

机器学习的经验之谈

用yfinance调用雅虎财经数据

容器技术如何改进交易系统

Python调用C++

如何选择数据库代理

统计套利揭秘

一个Call搅动市场?让我们温习一下波动率策略

如何用真格量化设计持仓排名跟踪策略

还不理解真格量化API设计?我们不妨参考一下CTP平台

理解同步、异步、阻塞与非阻塞

隐波相关系数和偏度——高维风险的守望者

Delta中性还不够?——看看如何设计Gamma中性期权策略

Python的多线程和多进程——从一个爬虫任务谈起

线程与进程的区别
皮尔逊相关系数与历史K线匹配

Python2和Python3的兼容写法
Python代码优化技巧

理解Python的上下文管理器

如何写出更好的Python代码?这是Python软件基金会的建议

评估程序化模型时我们容易忽视的指标

看看如何定位Python程序性能瓶颈

什么是Python的GIL

投资研究中的大数据分析趋势及应用

理解CTP中的回调函数

如何围绕隐含波动率设计期权交易策略                    

看看如何用Python进行英文文本的情感分析

算法交易的分类

Python编码的最佳实践总结

什么是波动率锥?如何用波动率锥设计期权策略?

期权的波动率策略与时间价值收集策略对比

期权用于套期保值和无风险套利

隐含波动率对期权策略的影响

卖出期权交易的风险管理原则和技巧

期权交易中的“大头针”风险

 

 

真格量化可访问:

https://quant.pobo.net.cn

真格量化微信公众号,长按关注:

遇到了技术问题?欢迎加入真格量化Python技术交流QQ群  726895887

 

 


 

 

 

  • 0
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值