第一章：数据获取与清洗——用yfinance搞定期权数据

做波动率期限结构分析，第一步就是搞数据。这活儿看着简单，其实坑不少。我刚开始做期权量化那会儿，光在数据清洗上就栽过好几个跟头。今天咱们就聊聊，怎么用Python把期权数据从yfinance里拽出来，再收拾得干干净净。

1.1 为什么选yfinance？

市面上能拿期权数据的渠道不少，但yfinance有个好处——免费、简单、覆盖面广。虽然它数据精度比不上Bloomberg或者Wind，但做策略研究和回测完全够用。我个人习惯先用yfinance快速验证想法，等策略成熟了再换专业数据源。

说白了，yfinance就像一把瑞士军刀。功能不算最强，但胜在顺手。你想想看，几行代码就能拿到标普500期权的完整链数据，这性价比没谁了。

1.2 安装与导入

先装包，这个简单：

pip install yfinance pandas numpy

导入的时候我建议这样写：

import yfinance as yf
import pandas as pd
import numpy as np
from datetime import datetime, timedelta

嗯，这里要注意一点——yfinance版本更新挺勤快的。我去年有个项目，就因为版本不一致，跑出来的数据格式全变了。建议你固定版本号：

pip install yfinance==0.2.28

1.3 获取期权链数据

核心逻辑其实就三步：选标的、拿期权链、提取具体合约。咱们以SPY为例：

# 获取SPY期权链
spy = yf.Ticker("SPY")

# 查看所有到期日
expirations = spy.options
print(f"可用到期日: {expirations[:5]}")  # 只看前5个

# 获取最近到期日的期权链
opt_chain = spy.option_chain(expirations[0])

# 看涨和看跌数据
calls = opt_chain.calls
puts = opt_chain.puts

这里有个坑——option_chain()返回的数据里，strike列是行权价，lastPrice是最新成交价，impliedVolatility就是我们要的隐含波动率。我曾经遇到过数据里impliedVolatility全是NaN的情况，后来发现是当天没有交易，换了个交易日就好了。

1.4 数据清洗——别让脏数据毁了你的模型

拿到原始数据后，清洗是重头戏。我总结了一套标准流程：

1. 去空值：删除隐含波动率或成交量为空的记录
2. 去异常值：隐含波动率超过200%或低于5%的，基本是数据错误
3. 去深度实值/虚值：Delta绝对值小于0.05或大于0.95的合约，流动性太差
4. 去临近到期：到期日小于3天的合约，价格行为太诡异

代码实现长这样：

def clean_option_data(df, min_dte=3, max_iv=2.0, min_iv=0.05):
    """
    清洗期权数据
    df: 原始DataFrame
    min_dte: 最小到期天数
    """
    # 计算到期天数
    df['dte'] = (df['expiration'] - datetime.now()).dt.days
    
    # 清洗逻辑
    clean_df = df[
        (df['impliedVolatility'].notna()) &  # 去空值
        (df['volume'] > 0) &                 # 去零成交量
        (df['impliedVolatility'] < max_iv) &  # 去异常高IV
        (df['impliedVolatility'] > min_iv) &  # 去异常低IV
        (df['dte'] >= min_dte)               # 去临近到期
    ]
    
    return clean_df

1.5 构建标准化数据集

清洗完数据后，我们需要把它整理成统一格式。我个人习惯用这种结构：

字段名	类型	说明
ticker	str	标的代码
date	datetime	数据日期
expiration	datetime	到期日
strike	float	行权价
option_type	str	call/put
implied_vol	float	隐含波动率
delta	float	Delta值
volume	int	成交量
open_interest	int	未平仓量
dte	int	到期天数

标准化函数：

def standardize_option_data(raw_df, ticker, data_date):
    """
    将原始数据转为标准化格式
    """
    std_df = pd.DataFrame()
    std_df['ticker'] = ticker
    std_df['date'] = data_date
    std_df['expiration'] = raw_df['expiration']
    std_df['strike'] = raw_df['strike']
    std_df['option_type'] = raw_df['option_type']
    std_df['implied_vol'] = raw_df['impliedVolatility']
    std_df['delta'] = raw_df['delta']
    std_df['volume'] = raw_df['volume']
    std_df['open_interest'] = raw_df['openInterest']
    std_df['dte'] = (raw_df['expiration'] - data_date).dt.days
    
    return std_df

1.6 完整流程——从零到标准化数据集

把上面所有步骤串起来，就是一个完整的pipeline：

def get_clean_option_data(ticker, target_date=None):
    """
    一站式获取并清洗期权数据
    """
    if target_date is None:
        target_date = datetime.now()
    
    # 获取数据
    stock = yf.Ticker(ticker)
    expirations = stock.options
    
    all_data = []
    for exp in expirations[:5]:  # 取最近5个到期日
        chain = stock.option_chain(exp)
        
        # 合并call和put
        calls = chain.calls.copy()
        puts = chain.puts.copy()
        calls['option_type'] = 'call'
        puts['option_type'] = 'put'
        
        combined = pd.concat([calls, puts])
        combined['expiration'] = pd.to_datetime(exp)
        all_data.append(combined)
    
    # 合并所有到期日
    full_df = pd.concat(all_data, ignore_index=True)
    
    # 清洗
    clean_df = clean_option_data(full_df)
    
    # 标准化
    std_df = standardize_option_data(clean_df, ticker, target_date)
    
    return std_df

# 使用示例
spy_data = get_clean_option_data("SPY")
print(f"获取到 {len(spy_data)} 条有效期权数据")

1.7 数据质量检查

数据清洗完，别急着用。先做个快速检查：

# 检查各到期日的合约数量
print(spy_data.groupby('dte').size())

# 检查隐含波动率的分布
print(spy_data['implied_vol'].describe())

# 检查是否有重复数据
print(f"重复数据量: {spy_data.duplicated().sum()}")

如果发现某个到期日的合约数量特别少，或者隐含波动率分布明显异常，那就要回头看看是不是清洗条件设得太严了。我一般会先宽松清洗，再逐步收紧，找到那个平衡点。

1.8 本章知识体系

下面这张图，把整个数据获取与清洗的流程串起来了：

这张图把整个流程分成了六个步骤。从数据获取开始，到最终输出标准化数据集。中间的数据清洗和标准化是最关键的两步，也是我花时间最多的地方。

好了，数据获取和清洗这块就聊到这儿。下一章咱们会深入探讨如何利用这些标准化数据，构建真正的波动率期限结构曲线。

---

公众号:蓝海资料掘金营，微信deep3321