波动率曲面构建与交易信号提取

📚 共计 30 章节

波动率曲面概述

什么是波动率曲面、为什么重要、核心应用场景。

期权定价基础回顾

BS模型、隐含波动率、期权价格与波动率的关系。

BS模型隐含波动率

波动率微笑与偏斜

定义、成因、市场现象（股票 vs 外汇）。

波动率曲面数据获取

从交易所/数据商获取期权链数据（Python示例）。

数据清洗与预处理

剔除异常值、处理缺失数据、调整分红与拆股。

清洗预处理

隐含波动率计算

牛顿法、二分法求解IV，Python实现。

牛顿法二分法

插值方法入门

线性插值、样条插值在波动率曲面中的应用。

二维插值构建曲面

基于到期时间和执行价格的曲面构建。

随机波动率模型（SVI）参数化与拟合。

随机Alpha Beta Rho模型原理与校准。

多项式拟合方法

用多项式曲面拟合波动率数据。

多项式拟合

核回归与高斯过程

非参数方法构建波动率曲面。

核回归高斯过程

曲面平滑与正则化

防止过拟合，保证曲面光滑。

平滑正则化

曲面可视化

3D曲面图、热力图、等高线图（Plotly/Matplotlib）。

可视化Plotly

曲面动态更新

滚动窗口、实时数据更新曲面。

波动率曲面特征提取

主成分分析（PCA）降维。

曲面形态因子

水平、斜率、曲率等因子的提取。

形态因子斜率

交易信号基础

什么是信号、信号评价指标（夏普、胜率）。

均值回归信号

基于曲面形态的均值回归策略。

均值回归策略

期限结构信号

利用不同期限波动率差异。

期限结构价差

利用偏斜变化捕捉市场情绪。

曲面套利信号

检测并利用曲面套利机会。

机器学习信号

用随机森林/XGBoost预测波动率方向。

随机森林XGBoost

深度学习信号

LSTM/Transformer在波动率预测中的应用。

LSTMTransformer

信号组合与权重优化

多信号融合、动态权重分配。

回测框架搭建

事件驱动回测、绩效评估。

回测事件驱动

希腊字母监控、止损、仓位管理。

希腊字母止损

实盘注意事项

交易成本、滑点、流动性考量。

案例实战1：基于SVI曲面的套利策略

SVI曲面套利策略全流程。

实战SVI套利

案例实战2：机器学习驱动的波动率交易系统

ML驱动交易系统构建与实现。

实战机器学习