第一章：波动率基础——隐含波动率与历史波动率，波动率曲面与期限结构，波动率套利的底层逻辑

各位同学，欢迎来到《期权波动率套利策略全流程实战》的第一章。

说实话，做期权交易这么多年，我见过太多人一上来就盯着Delta、Gamma猛算，结果亏得莫名其妙。为什么？因为波动率才是期权定价的灵魂。你想想看，期权价格里最不确定的东西是什么？不是方向，而是波动率。今天我们就来把波动率这个底裤扒干净。

1.1 历史波动率 vs 隐含波动率

先问个问题：你凭什么判断一个期权是贵了还是便宜了？

答案就在两个波动率里。

历史波动率（HV），说白了就是「过去发生过什么」。它统计的是标的资产在过去N天里，价格波动的剧烈程度。我习惯用20个交易日，也就是差不多一个自然月的数据。

计算公式其实不复杂：

import numpy as np

def historical_volatility(prices, window=20):
    log_returns = np.log(prices[1:] / prices[:-1])
    hv = np.std(log_returns[-window:]) * np.sqrt(252)
    return hv

这里乘以根号252，是为了把日波动率年化。为什么是252？因为一年大概有252个交易日。嗯，这个细节很多新手会忘。

隐含波动率（IV）就完全不一样了。它是「市场认为未来会怎样」。你把当前期权的市场价格、行权价、剩余时间、无风险利率这些参数扔进Black-Scholes模型，反推出来的那个波动率，就是IV。

我在项目中遇到过一件事：有一次某只股票财报前，历史波动率只有25%，但隐含波动率飙到了60%。我当时就觉得不对劲——市场在赌一个大波动。果然，财报后股价跳空，期权买方赚翻了。但如果你只看历史波动率，你会觉得期权太贵，不敢买。这就是两个波动率的本质区别。

1.2 波动率曲面与期限结构

好，现在你知道了IV和HV的区别。但IV不是孤立的——不同行权价、不同到期日的期权，IV都不一样。把这些IV画出来，就得到了波动率曲面。

我画了一张图，帮你理解这个三维结构：

你看这张图，有三个关键特征：

• 波动率微笑：平值期权IV最低，往两边虚值和实值走，IV越来越高。为什么会这样？因为市场认为极端行情发生的概率，比正态分布预测的要大。我刚开始做期权时觉得这违反直觉，后来被市场教育了几次就懂了。
• 期限结构：不同到期日的IV连成一条曲线。正常情况下，远月IV比近月高，因为时间越长不确定性越大。但有时候也会倒挂——比如临近重大事件时，近月IV反而更高。
• 曲面动态：整个曲面不是静止的。市场恐慌时，整个曲面会向上移动；市场平静时，曲面会下移。

1.3 波动率套利的底层逻辑

好了，铺垫了这么多，终于到核心了。波动率套利到底在套什么？

说白了就一句话：当隐含波动率和历史波动率出现显著偏差时，你赌它们会回归。

具体来说，有几种常见场景：

1. IV太高了：比如财报前IV飙到80%，但历史波动率只有30%。这时候你可以卖出期权，做空波动率。只要财报后波动率回落，你就赚钱。我曾经在特斯拉财报前做过一次，IV从65%跌到35%，那笔收益相当可观。
2. IV太低了：市场过于平静，IV被压到历史低位。这时候买入期权，做多波动率。等市场一有风吹草动，IV反弹，你就赚了。
3. 曲面扭曲：比如近月IV比远月还高（倒挂），或者某个行权价的IV异常凸起。这时候可以通过日历价差或蝶式价差来套利。

但这里有个坑，我必须提醒你：

波动率套利的底层逻辑，其实可以用一个表格来总结：

市场状态	IV vs HV	套利方向	常用策略	风险点
恐慌期	IV 远高于 HV	做空波动率	卖出跨式/宽跨式	黑天鹅事件
平静期	IV 远低于 HV	做多波动率	买入跨式/宽跨式	时间价值损耗
曲面扭曲	期限结构异常	套取价差	日历价差/蝶式价差	波动率曲线变化

你想想看，波动率套利本质上是在赌「市场情绪会回归理性」。但市场有时候很不理性，而且可以持续很久。所以我的建议是：

• 永远不要单腿裸卖，至少用价差策略保护一下
• 仓位管理比策略本身更重要
• 多观察波动率曲面的变化，别只看一个数字

嗯，这一章的内容就到这里。波动率是期权交易的地基，地基不稳，后面盖什么楼都会塌。下一章我们会深入具体的套利策略，到时候我会带大家写代码实现一个完整的波动率套利系统。

---

公众号:蓝海资料掘金营，微信deep3321