4、Gamma风险与曲率：Gamma定义与凸性效应、Gamma与Delta的关系、Gamma Scalping策略、高Gamma时期的交易注意事项
聊完了Delta，咱们得聊聊它的「加速度」——Gamma。如果说Delta是期权价格随标的价格变化的速度，那Gamma就是速度的变化率。说白了，Delta告诉你期权会涨多少，Gamma告诉你Delta会怎么变。
我个人习惯把Gamma比作汽车的油门响应。Delta是车速，Gamma就是油门的灵敏度。你想想看，一辆车油门太灵敏（高Gamma），轻轻一点就窜出去，控制起来很刺激；油门太迟钝（低Gamma），踩半天没反应，但稳当。做交易也是这个道理。
Gamma定义与凸性效应
Gamma的数学定义很简单：期权价格对标的资产价格的二阶偏导数。用公式写就是：
Γ = ∂²V / ∂S²其中V是期权价格，S是标的价格。
但光看公式没意思。咱们得理解它背后的几何意义——凸性。
期权价格曲线不是一条直线，而是一条凸曲线。这意味着什么？
- 标的价格上涨时，期权价格上涨得越来越快（Delta变大）
- 标的价格下跌时，期权价格下跌得越来越慢（Delta变小）
这就是凸性效应的核心。我在项目中遇到过不少新手，他们用线性思维去估算期权盈亏，结果总是算不准。原因就在这——凸性带来的非线性。
核心要点：Gamma为正，意味着期权多头天然享有「涨多跌少」的非对称收益。这是期权最迷人的特性之一。
嗯，这里要注意：期权多头Gamma为正，空头Gamma为负。买期权就是买凸性，卖期权就是卖凸性。你卖期权赚的是时间价值，但承担的是Gamma风险——一旦行情剧烈波动，亏损会加速放大。
Gamma与Delta的关系
Gamma和Delta的关系，说白了就是导数与二阶导数的关系。但咱们用更直观的方式理解：
| 标的价格位置 | Delta | Gamma | 特征 |
|---|---|---|---|
| 深度虚值 | 接近0 | 接近0 | Delta几乎不变，Gamma很小 |
| 平值附近 | 约0.5 | 最大 | Delta变化最快，Gamma峰值 |
| 深度实值 | 接近1或-1 | 接近0 | Delta几乎不变，Gamma很小 |
为什么会这样？你想想看，平值期权最「敏感」。标的价格稍微动一下，它从虚值变实值或者反过来，Delta变化最剧烈。而深度实值或虚值的期权，已经「定型」了，Delta变化不大。
我记得有一次做波动率套利，持仓里有一堆平值期权。那天标的价格在平值附近来回震荡，我的Delta头寸像过山车一样上下翻飞。这就是高Gamma的典型特征——Delta不稳定。
实战技巧：如果你做Delta中性策略，Gamma越高，你需要越频繁地调整Delta对冲。否则，一个小小的价格波动就能让你的Delta暴露变得很大。
Gamma Scalping策略
Gamma Scalping，翻译过来叫「伽马剃头皮」。听起来很玄乎，其实原理很简单：利用凸性效应，在标的价格波动中赚取差价。
具体怎么做？
- 买入期权（通常是平值附近的期权），同时做空Delta数量的标的资产
- 当标的价格上涨，期权Delta变大，你的空头Delta不足，需要加空标的资产
- 当标的价格下跌，期权Delta变小，你的空头Delta过多，需要减空标的资产
- 每次调整，你都在「高卖低买」标的资产，赚取差价
说白了，Gamma Scalping就是通过动态对冲，把Gamma的凸性收益「变现」。
我曾经用这个策略做过一段时间的ETF期权。那段时间市场波动率适中，标的价格来回震荡。我每天做的事情就是：开盘建仓，然后盯着盘面，价格涨了就卖一点ETF，价格跌了就买回来。一天下来，Delta对冲的收益竟然超过了期权的时间价值损耗。
但这里有个坑——Gamma Scalping需要波动。如果市场一动不动，你的期权每天都在贬值（Theta损耗），而Delta对冲赚不到钱。那就是双输。
避坑指南：我曾经在市场横盘时硬做Gamma Scalping，结果期权时间价值一天天被吃掉，Delta对冲又没赚到钱。一周下来亏了不小一笔。记住：Gamma Scalping赚的是波动的钱，不是方向的钱。
下面我用一个简单的Python代码来模拟Gamma Scalping的过程：
# Gamma Scalping 模拟（简化版）
import numpy as np
def gamma_scalping_simulation(S0, sigma, T, r, K, n_steps, n_sim):
"""
模拟Gamma Scalping策略的收益
S0: 初始标的价格
sigma: 波动率
T: 到期时间
r: 无风险利率
K: 行权价
n_steps: 时间步数
n_sim: 模拟次数
"""
dt = T / n_steps
total_pnl = []
for _ in range(n_sim):
# 生成价格路径
S = S0
# 初始Delta（用BS公式近似）
delta = 0.5 # 平值附近简化
# 初始持仓：买入1手期权，做空delta手标的
option_position = 1
stock_position = -delta
pnl = 0
for i in range(n_steps):
# 价格随机游走
dS = S * (sigma * np.random.normal(0, np.sqrt(dt)))
S_new = S + dS
# 更新Delta（简化：假设Delta随价格线性变化）
gamma = 0.1 # 平值附近Gamma近似值
delta_new = delta + gamma * dS
# 调整对冲：卖出或买入标的
hedge_trade = -(delta_new - delta)
pnl += hedge_trade * S_new
# 更新状态
S = S_new
delta = delta_new
# 期权到期收益
option_payoff = max(S - K, 0)
pnl += option_payoff
total_pnl.append(pnl)
return np.mean(total_pnl)
# 运行模拟
avg_pnl = gamma_scalping_simulation(
S0=100, sigma=0.2, T=0.25,
r=0.05, K=100, n_steps=100, n_sim=1000
)
print(f"平均收益: {avg_pnl:.2f}")这个代码虽然简化了很多细节（比如用了固定的Gamma值），但核心逻辑是对的。你每次调整对冲头寸，都是在做「高抛低吸」。波动越大，调整次数越多，赚得越多。
高Gamma时期的交易注意事项
高Gamma时期，说白了就是期权快要到期，或者标的价格在平值附近剧烈波动的时候。这时候交易要格外小心。
我总结了几条经验：
- Delta对冲频率要加快：高Gamma意味着Delta变化快。如果你还按原来的频率调整，Delta暴露会变得很大。我建议至少每小时检查一次，甚至更频繁。
- 注意滑点和交易成本：频繁调整对冲意味着更多的交易。每次买卖都有成本，累积起来很可观。高Gamma时期，交易成本可能吃掉你大部分利润。
- 警惕Gamma陷阱：有时候标的价格在平值附近来回穿越，你的Delta头寸反复调整，结果两边挨打。我遇到过这种情况——价格刚涨上去我加了空头，它又跌回来，我被迫平仓，然后它又涨...一天下来对冲亏了不少。
- 关注隐含波动率：高Gamma时期往往伴随着高波动率。隐含波动率的变动会直接影响期权价格，甚至超过Gamma的影响。别忘了Vega风险。
高Gamma时期的生存法则：要么你足够快（高频对冲），要么你足够远（用宽跨式等组合降低Gamma集中度）。千万别在高Gamma时期「硬扛」——那感觉就像坐在一颗定时炸弹上。
最后，我用一张图来总结本章的核心逻辑：
Gamma这东西，说难不难，说简单也不简单。关键在于你能否理解它的非线性本质。做期权交易，如果只盯着Delta看，就像开车只看速度表不看加速度——迟早要出事。
我个人建议，刚开始接触Gamma的朋友，先从模拟盘开始。建一个简单的期权多头头寸，然后手动做Delta对冲，感受一下Gamma是怎么影响你的持仓的。等你有感觉了，再上实盘。
记住一句话：Gamma是期权交易员的「第六感」。你越理解它，越能在波动中游刃有余。
公众号:蓝海资料掘金营，微信deep3321