第四章：做市策略设计——双边报价、Delta中性、Gamma scalping与波动率交易
做市策略，说白了就是「两边吃价差」的生意。但期权做市跟股票做市完全是两码事——股票做市你只需要盯着买卖价差，期权做市你得同时盯着标的物价格、波动率、时间衰减、还有一堆希腊字母。嗯，这活儿没那么简单。
我在2018年刚接触期权做市时，犯过一个低级错误：只关注了双边报价的价差，忽略了Delta风险。结果标的一波急拉，我的空头Delta敞口直接爆了。从那以后，我养成了一个习惯——任何做市策略，第一件事就是算清楚你的希腊字母暴露。
4.1 双边报价策略：做市的基本功
双边报价，就是同时挂出买价和卖价。你赚的是买卖价差，承担的是被「吃单」的风险。期权做市商通常会在多个行权价、多个到期月同时挂单，形成一个报价矩阵。
核心逻辑其实很简单：
- 理论价格计算：用BSM模型或局部波动率模型算出每个期权的公允价
- 价差设定：在公允价上下各加一个偏移量，形成买卖报价
- 动态调整：根据市场波动、库存风险、对手方行为实时调整价差
关键参数：
- 价差宽度：通常设为理论价的1%-5%，流动性好的合约可以更窄
- 报价深度：每个价位挂多少张合约？我一般控制在总仓位的5%以内
- 更新频率：高频做市每秒更新10-50次，中频做市每秒1-5次
我个人习惯用以下公式来设定价差：
# 伪代码：双边报价价差计算
spread = base_spread + volatility_adjustment + inventory_adjustment
bid_price = fair_price - spread / 2
ask_price = fair_price + spread / 2你想想看，如果市场突然波动加剧，你还用原来的窄价差，那不是等着被套利者收割吗？所以波动率调整因子很重要。
4.2 Delta中性策略：让方向风险归零
Delta中性，就是让你的组合对标的物价格变动「免疫」。怎么做？让整个组合的Delta等于0。
举个例子：你卖出了一张看涨期权，Delta是+0.6。为了对冲，你需要买入0.6份标的物（或者买入一张Delta为-0.6的看跌期权）。这样标的涨跌对你的组合净值影响就很小了。
我在项目中遇到过一个问题：Delta中性不是一劳永逸的。标的物价格一动，Delta就变了。你得不停地重新平衡。这就是所谓的「动态对冲」。
我的经验：
Delta对冲的频率取决于你的风险容忍度。我一般设定一个Delta阈值，比如总Delta超过±0.1就触发对冲。太频繁了手续费吃不消，太慢了风险敞口太大。
Delta中性的核心公式：
# 组合Delta计算
portfolio_delta = sum(option_delta * position_size) + underlying_delta * underlying_position
# 目标：portfolio_delta ≈ 04.3 Gamma scalping：从波动中获利
Gamma scalping，说白了就是「低买高卖」的进阶版。你持有一个Gamma为正的组合（通常是买入期权），当标的物价格波动时，你通过不断调整Delta对冲来赚取差价。
原理是这样的：
- 你持有一个正Gamma的期权组合
- 标的物价格上涨 → 你的Delta变大 → 你需要卖出标的物来维持Delta中性
- 标的物价格下跌 → 你的Delta变小 → 你需要买入标的物来维持Delta中性
- 这一买一卖之间，你就赚到了差价
注意：Gamma scalping不是稳赚不赔的。如果波动不够大，赚的钱可能还不够覆盖时间价值损耗（Theta decay）。我见过有人做Gamma scalping做到破产，就是因为波动率太低，Theta把本金吃光了。
Gamma scalping的盈亏公式：
# Gamma scalping的期望收益
P&L ≈ 0.5 * Gamma * (ΔS)^2 - Theta * Δt你看，这个公式很直观：波动越大（ΔS越大），你赚得越多；时间越长（Δt越大），你亏得越多。所以Gamma scalping适合在波动率高的市场里做。
4.4 波动率交易：做市商的利润核心
期权做市商赚的其实不是方向钱，而是波动率钱。你想想看，如果你能准确预测波动率，你就可以在隐含波动率被低估时买入期权，被高估时卖出期权。
波动率交易有几种常见玩法：
- Vega中性：让组合对波动率变化不敏感，只赚价差
- 波动率套利：利用隐含波动率和已实现波动率的差异
- 波动率曲面交易：利用不同行权价、不同到期月的波动率偏差
我记得有一次，某个股票期权在财报前隐含波动率飙到80%，但历史波动率只有40%。我果断卖出了跨式组合（Straddle），赌波动率会回归。结果财报出来后波动率果然暴跌，那一单赚了不少。
波动率交易的核心指标：
| 指标 | 含义 | 做市商用法 |
|---|---|---|
| 隐含波动率 (IV) | 市场对未来波动的预期 | 与模型定价对比，判断是否高估/低估 |
| 已实现波动率 (RV) | 实际发生的波动 | 与IV对比，寻找套利机会 |
| 波动率偏斜 (Skew) | 不同行权价的IV差异 | 利用偏斜做价差交易 |
| 波动率期限结构 | 不同到期月的IV差异 | 做日历价差套利 |
做波动率交易，你需要一个靠谱的波动率模型。我个人偏好用SVI模型来拟合波动率曲面，因为它参数少、拟合速度快，适合高频场景。
# SVI模型参数拟合（简化版）
def fit_svi(strikes, ivs):
# 输入：行权价数组，隐含波动率数组
# 输出：SVI模型参数 (a, b, rho, m, sigma)
# 使用最小二乘法拟合
pass # 实际代码略，篇幅有限4.5 策略整合：一个完整的做市流程
在实际系统中，这四种策略是同时运行的。我给你画个流程图，你就明白了：
你看，整个流程是环环相扣的。市场数据进来，先定价，再算希腊字母，然后四个策略同时跑，最后生成报价并监控风险。任何一个环节出问题，整个做市系统都可能崩掉。
避坑指南：
我曾经在实盘中发现，Gamma scalping和波动率交易有时候会互相冲突。比如你一边做Gamma scalping（需要正Gamma），一边做波动率空头（需要负Vega），这两个策略在极端行情下可能同时亏损。所以策略整合时，一定要算清楚整体的希腊字母暴露，别让策略之间「打架」。
好了，这一章的内容就到这里。做市策略设计是个系统工程，需要你在实践中不断调整参数、优化模型。记住一点：没有完美的策略，只有适合当前市场的策略。
公众号:蓝海资料掘金营，微信deep3321