波动率基础：历史波动率、隐含波动率、波动率微笑与偏斜、波动率期限结构

聊期权策略，绕不开波动率。我见过太多人，策略模型跑得飞起，一上实盘就崩，为什么？说白了，就是没搞懂波动率在背后搞什么鬼。

波动率这东西，你可以把它理解成市场的「情绪温度计」。温度高了，期权就贵；温度低了，期权就便宜。今天咱们就把这四块内容掰开揉碎，讲清楚。

一、历史波动率：过去的事，做个参考

历史波动率，英文叫 Historical Volatility，简称 HV。它衡量的是标的资产在过去一段时间里，价格波动的剧烈程度。

怎么算的？很简单，拿过去 N 天的收盘价，算对数收益率，再求标准差，最后年化一下。

import numpy as np

def historical_volatility(prices, window=20, trading_days=252):
    log_returns = np.log(prices / prices.shift(1))
    hv = log_returns.rolling(window=window).std() * np.sqrt(trading_days)
    return hv

我个人习惯用 20 天和 60 天两个窗口。20 天反映短期波动，60 天看中期趋势。你想想看，如果 HV 突然飙升，说明市场最近不太平。

二、隐含波动率：市场在赌什么？

隐含波动率，IV，这才是真正的「活数据」。它是把当前期权的市场价格，反推回 Black-Scholes 模型里算出来的波动率。

说白了，IV 是市场参与者对未来波动率的「集体投票结果」。如果 IV 很高，说明大家觉得未来要大波动；如果 IV 很低，说明市场觉得风平浪静。

我记得有一次做跨式策略，IV 已经飙到 40% 了，我还在犹豫要不要进场。结果第二天财报一出，股价直接跳空 8%，IV 瞬间冲到 60%。嗯，那波我踏空了。

三、波动率微笑与偏斜：市场在害怕什么？

你有没有发现，同一到期日、不同行权价的期权，IV 居然不一样？这就是波动率微笑和偏斜。

• 波动率微笑： 平值期权 IV 最低，两边越来越高，像个笑脸。常见于外汇市场。
• 波动率偏斜： 虚值看跌期权 IV 明显高于虚值看涨期权。常见于股票市场，尤其是美股。

为什么会这样？因为市场害怕暴跌。大家愿意为虚值看跌期权支付更高的溢价，来对冲尾部风险。你想想看，2008 年、2020 年，哪次大跌不是虚值 put 赚翻？

我曾经在 2020 年 3 月，看到标普 500 的虚值 put IV 飙到 80% 以上。当时很多新手觉得太贵了，不敢买。结果呢？一周后市场熔断，那些 put 翻了 10 倍。

四、波动率期限结构：时间维度上的博弈

不同到期日的期权，IV 也不一样。把不同期限的 IV 连成一条线，就是波动率期限结构。

• 正常形态： 近月 IV 低，远月 IV 高。说明市场预期未来不确定性增加。
• 倒挂形态： 近月 IV 高于远月。说明短期有重大事件（财报、选举、利率决议）。
• 平坦形态： 各期限 IV 差不多。说明市场对未来的预期比较一致。

我个人习惯用期限结构来判断「事件驱动」策略的入场时机。如果近月 IV 突然飙升，而远月还没动，那就是典型的「事件溢价」，可以考虑做日历价差。

# 示例：获取不同期限的 IV 数据
term_structure = {
    '7天': 0.25,
    '30天': 0.28,
    '60天': 0.30,
    '90天': 0.32,
    '180天': 0.35
}

# 判断形态
if term_structure['7天'] > term_structure['30天']:
    print("期限结构倒挂，短期有事件风险")
else:
    print("正常形态，远期不确定性更高")

五、知识体系总览

下面这张图，是我自己整理的知识框架。每次做策略前，我都会过一遍这张图，确保自己没有遗漏关键维度。

六、实战中的联动关系

这四个维度不是孤立的。它们之间互相影响，形成一套完整的波动率生态。

维度	核心问题	交易信号
历史波动率	过去波动有多大？	HV 低位 → 可能均值回归
隐含波动率	市场预期未来波动多大？	IV 高位 → 考虑卖方策略
微笑与偏斜	市场在害怕什么？	偏斜陡峭 → 保护性 put 贵
期限结构	不确定性何时释放？	倒挂 → 短期事件临近

举个例子。如果 HV 很低，IV 很高，偏斜很陡，期限结构倒挂——这说明市场在赌短期有大事件，而且大家都很害怕。这时候，我个人会选择做卖方，但一定要用远月合约对冲，防止黑天鹅。

---