4、曲面套利检测：蝶式套利、日历套利、盒式套利的曲面识别
好了，咱们进入第四章。这一章我特别想跟你聊聊——曲面套利检测。
说实话，我在刚入行做期权做市的时候，最头疼的就是这个。盘口上看着价格都挺合理，但一算曲面，哎哟，到处都是漏洞。那时候我师父跟我说了一句话，我一直记着：「曲面不是用来欣赏的，是用来找茬的。」
今天我们就来当一回「找茬专家」。看看蝶式、日历、盒式这三种经典套利，怎么在曲面上把它们揪出来。
4.1 蝶式套利：曲面的「微笑」有没有裂开？
蝶式套利，说白了就是赌波动率曲面的「微笑」是否平滑。如果中间凸起太高或者凹陷太深，机会就来了。
核心逻辑：买入一份低行权价call，买入一份高行权价call，卖出两份中间行权价call。组合的theta和vega都接近中性，赚的是「曲面畸形」的钱。
曲面识别方法：
- 在同一个到期日上，取三个相邻的行权价K1 < K2 < K3
- 计算蝶式价差 = C(K1) - 2*C(K2) + C(K3)
- 如果这个值 < 0，说明中间价格被高估，存在套利空间
嗯，这里要注意：理论上是不能为负的。为什么？因为蝶式组合本质上是一个「凸性组合」，它的 payoff 永远非负。如果价格算出来是负的，那就是白送钱。
我曾经在2019年遇到过一回，某商品期权在快收盘时，中间行权价的call突然被砸下去两个tick。我一看蝶式价差变成-1.5了，立马撸了一组。三分钟后价格回归，净赚3个点。这种机会不常有，但来了就得抓住。
4.2 日历套利：不同月份之间的「时间扭曲」
日历套利，也叫时间套利。它看的是不同到期日之间，隐含波动率的相对关系。
核心逻辑：卖出近月期权，买入远月期权。赚的是「时间衰减速度差」和「波动率期限结构」的回归。
在曲面上怎么识别？我个人的习惯是这么做的：
- 固定同一个行权价（比如平值附近）
- 看近月和远月的隐含波动率差值
- 如果远月IV - 近月IV 超过历史均值两个标准差，就值得关注
避坑指南：我曾经在2020年3月市场暴跌时，看到远月波动率比近月高出15个点，以为是个大机会。结果进去之后，近月波动率继续飙升，远月反而没动。后来我才意识到——极端行情下，近月波动率会「追赶」远月，而不是远月回归。所以日历套利在尾部风险事件中要格外小心。
你想想看，日历套利最怕什么？最怕「事件驱动」。比如财报、利率决议这些，近月波动率会突然跳升，把你的套利空间直接打穿。
4.3 盒式套利：最「干净」的无风险套利
盒式套利，我个人认为是三种套利里最「硬核」的。因为它不依赖任何模型假设，纯粹是看涨看跌平价关系的偏离。
核心逻辑：用call和put合成一个「无风险组合」，然后跟理论上的无风险利率做对比。
具体操作是这样的：
- 买入一份call(K1)，卖出一份put(K1) —— 合成多头期货
- 卖出一份call(K2)，买入一份put(K2) —— 合成空头期货
- 两个合成期货组合在一起，就是一个「盒式价差」
理论上，这个组合的价值应该等于 K2 - K1 的现值。如果市场报价偏离了这个值，就存在套利机会。
重要提醒：盒式套利虽然理论上是无风险的，但实际操作中要考虑：
- 保证金占用（尤其是卖期权那部分）
- 流动性风险（你进去容易，出来难）
- 交易成本（滑点可能吃掉利润）
我见过有人算出来年化20%的盒式套利机会，结果一算滑点和保证金，实际收益不到3%。
4.4 曲面检测的自动化流程
手工盯曲面找套利，那是石器时代的做法。现在我们都用程序扫。
下面是我自己常用的一个检测框架，你可以参考：
# 伪代码：曲面套利检测引擎
def detect_arbitrage(surface):
results = []
# 1. 蝶式套利检测
for expiry in surface.expiries:
for i in range(1, len(expiry.strikes)-1):
butterfly = surface.call(expiry, strikes[i-1])
- 2*surface.call(expiry, strikes[i])
+ surface.call(expiry, strikes[i+1])
if butterfly < -threshold:
results.append(('butterfly', expiry, strikes[i], butterfly))
# 2. 日历套利检测
for strike in surface.common_strikes:
for i in range(len(surface.expiries)-1):
calendar = surface.iv(surface.expiries[i+1], strike)
- surface.iv(surface.expiries[i], strike)
if abs(calendar) > 2 * historical_std:
results.append(('calendar', strike, surface.expiries[i], calendar))
# 3. 盒式套利检测
for expiry in surface.expiries:
for k1, k2 in pairwise(expiry.strikes):
box = (surface.call(expiry, k1) - surface.put(expiry, k1))
- (surface.call(expiry, k2) - surface.put(expiry, k2))
theoretical = (k2 - k1) * exp(-r * T)
if abs(box - theoretical) > box_threshold:
results.append(('box', expiry, k1, k2, box - theoretical))
return results
这段代码虽然简单，但核心逻辑都在了。实际生产环境中，你还需要加入：
- 实时行情推送（WebSocket）
- 多合约联动检测（比如跨交易所套利）
- 风险限额控制（防止一次撸太多）
4.5 知识体系总览
为了让你更直观地理解这三种套利在曲面上的位置和关系，我画了一张图：
这张图把三种套利的关系理清楚了。你看，蝶式看的是「同一时间、不同价格」的凸性；日历看的是「同一价格、不同时间」的斜率；盒式看的是「同一时间、同一价格」的call-put平衡。三者互不重叠，共同构成了曲面套利检测的完整拼图。
4.6 实战中的几点体会
最后，分享几个我在实战中踩过的坑，希望能帮你少走弯路：
关于蝶式套利：别只看call，put也要看。有时候call的曲面看起来平滑，但put那边已经歪了。我习惯把call和put的蝶式价差放在一起对比，如果两者方向不一致，说明市场深度不够，别硬上。
关于日历套利：注意分红和拆股。这些事件会导致不同到期日的期权定价逻辑发生变化，不是套利，是「假信号」。我吃过这个亏，后来在代码里加了个日历事件过滤器。
关于盒式套利：这是最容易被高频交易者抢跑的。如果你不是做市商或者有低延迟通道，建议把阈值设高一点。我曾经设了0.5个tick的阈值，结果一个月下来一单都没成交——全被机器抢了。
好了，这一章的内容就到这里。曲面套利检测，说白了就是「找不同」。把理论上的无套利条件当成模板，跟市场报价一一比对，找到偏差就是找到机会。但记住，机会背后永远有风险，尤其是流动性风险——你看到的套利空间，可能只是别人挂的「钓鱼单」。
公众号:蓝海资料掘金营，微信deep3321