第二章：曲面构建数据源——期权链数据获取、清洗与预处理、到期日与行权价标准化

做波动率曲面，第一步不是建模，不是插值。

第一步是——拿到干净的数据。

我见过太多团队，模型跑得飞起，结果曲面一出来全是毛刺。为什么？数据源就有问题。期权链数据看着简单，其实坑特别多。今天我就把这块的实战经验掰开揉碎讲给你听。

2.1 期权链数据获取：别只盯着一个交易所

期权链数据，说白了就是某个标的物所有期权合约的实时快照。包括行权价、到期日、买卖价、成交量、持仓量、隐含波动率等等。

我个人习惯，数据源至少要覆盖三个维度：

• 交易所直连：比如上交所的SSE期权、中金所的股指期权。延迟最低，但成本高。
• 数据商API：像Wind、Bloomberg、Quandl。方便，但注意数据可能有延迟或缺失。
• 自建爬虫：某些公开数据源，比如期权计算器网站。嗯，这个只适合回测，别用于实盘。

获取数据时，我建议用WebSocket实时流，别用REST轮询。为什么？因为期权链数据变化极快，尤其是临近到期日，一秒可能跳几十次。轮询根本跟不上。

# 伪代码示例：WebSocket订阅期权链
import websocket
import json

def on_message(ws, message):
    data = json.loads(message)
    # 解析期权链数据
    for contract in data['contracts']:
        process_contract(contract)

ws = websocket.WebSocketApp("wss://option-chain.example.com/stream",
                            on_message=on_message)
ws.run_forever()

2.2 数据清洗与预处理：脏数据是曲面的天敌

拿到原始数据后，别急着用。先做三件事：

1. 去重：同一个合约可能被推送多次，保留最新时间戳的那条。
2. 过滤异常值：比如买卖价差超过阈值、隐含波动率为负、成交量异常大但持仓量为0。这些基本都是数据错误。
3. 对齐时间戳：不同合约的报价时间可能差几毫秒，需要统一到同一个时间基准。

我曾经遇到过一个经典案例：某只股票期权在开盘后第一分钟，所有合约的隐含波动率突然飙升到200%。我一开始以为是市场异动，后来发现是数据商把昨收盘价当成了当前价。嗯，这种坑，踩过一次就记住了。

清洗时，我常用的几个过滤器：

• 买卖价差 > 中间价的5% → 丢弃
• 隐含波动率 < 0 或 > 200% → 丢弃
• 成交量 < 10 且 持仓量 < 100 → 标记为低流动性合约，不参与曲面构建

2.3 到期日标准化：把时间变成统一的尺子

不同合约的到期日不一样。有的剩3天，有的剩30天，有的剩180天。直接拿原始到期日去构建曲面，你会发现曲面在时间轴上分布极不均匀。

我个人的做法是：把到期日转换成剩余期限（Time to Expiry），单位用年。

# 计算剩余期限（年）
from datetime import datetime, date

def time_to_expiry(expiry_date, current_date=None):
    if current_date is None:
        current_date = date.today()
    delta = expiry_date - current_date
    return delta.days / 365.0

但这里有个细节：交易日历。你想想看，周末和节假日市场不开盘，但时间还在走。严格来说，应该用交易日天数除以252，而不是自然日除以365。

标准化到期日时，我建议把剩余期限分成几个标准桶：

桶名称	剩余期限范围	代表合约
短期	0-7天	当周合约
中短期	7-30天	次周、当月合约
中期	30-90天	次月、季度合约
长期	90-365天	半年、一年合约

2.4 行权价标准化：把价格变成相对值

行权价的问题更隐蔽。不同标的物的价格不一样，比如茅台期权行权价是2000，中证500期权行权价是6000。直接拿绝对行权价去构建曲面，不同标的之间没法比较。

解决方案：用货币化程度（Moneyness）代替绝对行权价。

常用的货币化程度定义有两种：

• 简单货币化：行权价 / 标的物价格。比如标的物价格5000，行权价5200，货币化程度就是1.04。
• 对数货币化：ln(行权价 / 标的物价格)。这个在学术论文里更常见。

我个人习惯用简单货币化，因为直观。但要注意：股息和利率会影响货币化程度的计算。如果标的物有股息，或者利率很高，需要用远期价格代替现货价格。

# 货币化程度计算
def moneyness(strike, spot, dividend_yield=0, risk_free_rate=0, time_to_expiry=1):
    # 考虑股息和利率的远期价格
    forward = spot * exp((risk_free_rate - dividend_yield) * time_to_expiry)
    return strike / forward

标准化行权价时，我建议把货币化程度分成几个标准区间：

• 深度实值：0.80 - 0.95
• 实值：0.95 - 0.99
• 平值：0.99 - 1.01
• 虚值：1.01 - 1.05
• 深度虚值：1.05 - 1.20

2.5 整体流程：一张图说清楚

说了这么多，我把整个数据处理的流程画成了一张图。你一看就明白。

2.6 实战中的几个坑

最后，分享几个我踩过的坑，你遇到了可以少走弯路：

• 坑一：不同交易所的合约代码规则不一样。上交所是"510050C2209M02800"，中金所是"IO2209-C-2800"。解析时一定要写通用解析器。
• 坑二：临近到期日的合约，流动性极差。我建议剩余期限小于1天的合约直接剔除，不然曲面尾部会剧烈抖动。
• 坑三：行权价标准化时，如果标的物价格发生跳空（比如分红、拆股），货币化程度会突变。需要提前检测并调整。

好了，数据源这块就讲到这里。数据干净了，曲面构建才有意义。下一章我们聊聊插值方法——怎么把离散的期权数据变成连续的曲面。

---