3. 市场数据获取：从交易所获取期权链数据、清洗与预处理、构建标准期限与行权价网格
做波动率曲面，第一步不是建模，不是写代码——是搞数据。
我见过太多人一上来就调参数、画曲面，结果数据源就有问题。嗯，那后面全是白费功夫。今天这章，咱们就聊聊怎么把交易所的原始期权数据，变成能用的、干净的、标准化的数据。
3.1 从交易所拿数据，没那么简单
不同交易所的数据格式、字段命名、甚至数据频率都不一样。我个人习惯先把数据源摸清楚，再动手写代码。
常见的期权链数据字段包括：
- 合约代码：比如“510050C2309M03000”，里面藏着标的、到期日、行权价、看涨看跌
- 最新价 / 收盘价：注意是昨收还是今收
- 成交量、持仓量：判断流动性，没量的合约别用
- 隐含波动率：有些交易所直接给，但我不建议直接用——你永远不知道他们怎么算的
- Delta、Gamma、Vega：部分交易所会提供，但精度参差不齐
我的小习惯： 每次拿到新数据源，先拉一个月的日线数据，手动核对几个关键合约的价格和波动率。数据对不上，后面全是白做。
3.2 数据清洗——脏数据是波动率曲面的天敌
交易所的数据，说实话，没那么干净。我遇到过的情况包括：
- 某天某合约成交量突然为0，但价格还在跳——明显是数据缺失
- 行权价出现重复，同一个行权价有两个不同的价格
- 到期日格式不统一，有的用“20230930”，有的用“2023-09-30”
清洗流程我一般这么走：
- 去重：按合约代码+时间戳去重，保留最新一条
- 过滤异常值：价格小于0、成交量小于0的直接删掉
- 处理缺失值：如果某合约连续缺失超过3个交易日，直接剔除
- 统一格式：到期日统一成YYYY-MM-DD，行权价统一保留两位小数
避坑指南： 我曾经遇到过一个数据源，某天所有看涨期权的价格突然翻倍，但看跌期权没动。后来发现是交易所数据推送时把“最新价”和“昨收价”搞反了。所以，清洗时一定要做交叉验证——看涨看跌的隐含波动率应该大致对称。
3.3 构建标准期限网格
交易所的期权到期日五花八门——有周度、月度、季度，甚至还有非标准到期日。但波动率曲面需要的是标准期限，比如7天、14天、30天、60天、90天、180天、365天。
怎么做？说白了就是插值。
我个人习惯用线性插值，简单、稳定。代码大概长这样：
import numpy as np
from scipy.interpolate import interp1d
# 原始到期日（以年为单位）
raw_maturities = np.array([0.02, 0.05, 0.08, 0.16, 0.25, 0.5, 1.0])
# 对应的隐含波动率
raw_ivs = np.array([0.25, 0.26, 0.27, 0.28, 0.27, 0.26, 0.25])
# 标准期限
standard_maturities = np.array([7/365, 14/365, 30/365, 60/365, 90/365, 180/365, 365/365])
# 线性插值
f = interp1d(raw_maturities, raw_ivs, kind='linear', fill_value='extrapolate')
standard_ivs = f(standard_maturities)
print(standard_ivs)
注意： 插值不是万能的。如果原始数据在某个期限附近特别稀疏，插出来的值可能不靠谱。我一般会加一个“数据密度检查”——如果某个期限附近少于3个合约，我就标记为“低置信度”，在曲面上用虚线表示。
3.4 构建标准行权价网格
行权价网格更麻烦。不同标的的价格范围不一样，比如上证50ETF大概在2.5-3.5之间，而沪深300ETF可能在3.5-5.0之间。你不能用同一个网格去套所有标的。
我的做法是：
- 先算标的当前价格S
- 然后以S为中心，往两边扩展，比如0.7S到1.3S
- 再按固定步长（比如0.05或0.1）生成网格
举个例子：
import numpy as np
S = 3.0 # 标的当前价格
step = 0.05
lower = 0.7 * S
upper = 1.3 * S
strike_grid = np.arange(lower, upper + step, step)
strike_grid = np.round(strike_grid, 2)
print(strike_grid)
输出大概是：
[2.1 2.15 2.2 2.25 2.3 2.35 2.4 2.45 2.5 2.55 2.6 2.65 2.7 2.75
2.8 2.85 2.9 2.95 3. 3.05 3.1 3.15 3.2 3.25 3.3 3.35 3.4 3.45
3.5 3.55 3.6 3.65 3.7 3.75 3.8 3.85 3.9 ]
一个小技巧： 行权价网格的步长不要固定死。对于近月合约，步长可以小一点（比如0.05），因为近月波动率变化更敏感；远月合约步长可以大一点（比如0.1），因为远月波动率相对平滑。
3.5 整体流程——一张图说清楚
下面这张图，是我自己画的数据处理流程。每次做新项目，我都会先看一眼这张图，确保没漏掉哪一步。
3.6 几个容易踩的坑
- 不要直接用交易所给的隐含波动率——他们用的定价模型可能和你不一样，算出来有偏差
- 注意合约的流动性：深度虚值、深度实值的合约成交量极低，价格参考意义不大，建议过滤掉
- 到期日换算成年化：别直接用“剩余天数”，要除以365（或者252，看你的习惯）
- 行权价网格要覆盖足够宽：我见过有人只覆盖0.9S到1.1S，结果市场一波动，曲面就缺了一块
总结一下： 数据获取和清洗，占整个波动率曲面构建工作量的60%以上。别嫌麻烦，这一步做扎实了，后面建模、画图、回测都会顺很多。