期权市场概述及投资者结构 [page::3][page::4][page::5]

• 中国场内衍生品市场近年快速发展，股指期货及期权品种逐步丰富。

- 期权市场主导力量为机构投资者，2023年股票期权成交中机构贡献超过68%。

• 期权产品涵盖主流指数及ETF，成交活跃度不断提升，反映出专业投资者市场黏性。

信达期权系列指数体系介绍及算法优化 [page::6][page::7][page::8][page::10][page::12]

• VIX指数作为衡量预期波动率的标杆，信达金工基于CBOE算法针对中国市场缺少虚值合约的情况进行虚拟填充优化。

- 两种主流算法（平值合约法与方差互换法）在波动率指数计算中均具应用价值，后者包含更多虚值期权合约信息，结果较前者略高。

• 优化后的VIX指数更符合市场实际波动预期，可准确反映市场风险和情绪波动。

VIX与标的资产波动关系及市场特征分析 [page::18][page::19][page::20]

• A股VIX与标的指数呈现独特“牛短熊长”走势，与欧美市场存在差异，波动率在市场急涨期间也会快速上升。

- 期权VIX体现了市场对风险的预期，既包括恐慌情绪，也包含追涨热情，反映中国特殊的投资者结构和市场心理。

• 已实现波动率（RV）与VIX走势趋同，波动率溢价（VRP）基本稳定，展现出期权市场风险预期的现实基础。

信达期权偏度指数（SKEW）构建及市场解读 [page::13][page::14][page::21][page::22][page::23]

• SKEW指数反映期权隐含波动率的偏斜程度，是对VIX指数的补充，形象称为“黑天鹅指数”。

- 指数通过多个行权价期权隐含波动率加权计算，捕捉市场对极端下跌风险的预期。

• 市场极端波动时，因虚值看跌合约不足，SKEW可能出现偏差，需谨慎分析配合其他指标使用。

- 具体案例展示期权波动率曲线的正负偏斜状态及对应风险含义。

价量类期权指标及多空力量分析 [page::24]

• 基于看涨看跌期权成交量、持仓量和成交额的PCR指标，有效反映市场多空力量强弱。

- 持仓量PCR与标的指数呈正相关，反映市场趋势，成交额PCR对短期走势具预判能力。

• 价量类指标在辅助期权市场情绪跟踪和短线交易策略中具有显著参考价值。

量化因子/策略相关内容

• 本文未涉及具体量化因子构建及系统性量化策略生成，主要聚焦于期权衍生指数的理论计算与市场应用框架[page::12][page::13][page::24]。

报告元数据与概览

• 报告标题：挖掘期权市场中隐含的市场情绪——衍生品研究系列之四

- 发布时间：2024年6月5日

• 发布机构：信达证券股份有限公司（信达金工），由金融工程与金融产品首席分析师及多名金融工程分析师联合撰写。

- 主题：系统讲解期权市场中隐含的市场情绪信息及其指数化表达方式，包括VIX、SKEW指数的计算原理、特点及应用优势，更广泛探讨多个期权系列指数及其在风险管理、投资决策中的作用。

核心论点总结：
报告强调期权市场因其机构投资者主导、产品多样且高维度的定价信息，成为理解和捕捉市场情绪及风险的重要窗口。通过信达金工开发的期权系列指数，尤其是基于对传统国际算法加以本土化创新的VIX和SKEW指数，投资者能够更准确地获取波动率及尾部风险预期。这些指标有效揭示不同于欧美市场的A股市场"牛短熊长"行为特征，并联动市场情绪及投资者风险偏好，为资产配置和策略优化提供有力辅助。报告还介绍了其它价量类和波动类指标，揭示多维度的市场动态。风险提示侧重金融市场不确定性及模型风险。

---

逐章深度解读

一、场内衍生品市场简介

报告首先回顾中国场内衍生品市场发展历程，涵盖2010年首个股指期货上市、2015年首只期权产品——上证50ETF期权的推出，到近年中证1000股指期权等多品种陆续上市，构建了涵盖超大盘至小盘股的全面产品体系（见图表1）。截至2024年，场内期权产品多达12个，日均成交和持仓量均稳步提升（图表3），其中以上交所上证50ETF期权成交持仓最活跃。

市场结构方面，由于期权投资门槛较高，机构投资者在期权市场占主导（图表4、图表5），2023年股票期权成交中超六成由机构贡献，远高于A股传统散户主导的场外市场。由此，期权价格深度折射专业资金的预期和风险判断。

• 关键数据点：

- 2015年以来期权市场快速扩容，12个期权品种申报挂牌；
- 2024年5月上证50ETF期权日均成交量超105万张，持仓量超156万张；
- 机构投资者成交占比为68.8%，远高于个人投资者的31.2%。

逻辑说明：市场由机构投资者主导意味着价格信息更理性且具前瞻性，期权市场的复杂定价和多样指数成为解读市场情绪和潜在风险的重要工具。

---

二、信达期权系列指数介绍与计算方法

2.1 VIX波动率指数计算方法

报告详细介绍了两种主要的VIX计算方法：

1）基于平值合约隐含波动率（IV）

• 该方法通过期权价格推导合成期货价，再借助BS模型获取隐含波动率；

- 对IV与行权价关系曲线进行插值，提取平值位置的IV，再结合不同剩余期限数据插值合成30天VIX指数。

• 该方法计算简便，但可能忽略虚值合约价格信息。

2）基于方差互换的方法

• 利用方差互换定价理论，将波动率指数视为所有虚值期权加权价格的函数，涵盖更多合约信息；

- 数学基础为伊藤引理与风险中性测度，严格通过看涨、看跌期权价格反推出标的资产未来波动率预期，详解公式推导过程（公式1-11）。

• 优点是无模型方法，规避隐含波动率无解和模型风险，计算更全面。

两种计算方法对比（图表8）显示方差互换法的VIX一般高于基于平值IV的结果，因为重点囊括虚值期权的“波动率微笑”现象（虚值期权IV更高）。

• 关键数据点：

- 策略采用0-720天中债国债无风险利率插值，保证计算的资金时间价值合理；
- 计算考虑虚值合约不足时的虚拟填充机制，提升指数贴合度；
- 采用两个月份期权剩余时间加权实现30天波动率期限调整。

这为中国期权市场VIX指数提供了坚实、本土化的算法基础。

---

三、偏度指数SKEW的计算及意义

SKEW指数衡量隐含波动率曲线的偏态，反映市场对标的极端风险或尾部风险的预期，俗称“黑天鹅指数”。

• 计算基于对隐含波动率的三阶中心矩估计（偏度），结合无风险利率调整，并通过两期期权合约剩余时间加权（同VIX）；

- 与VIX不同，SKEW通常不做虚拟合约填充，保持数据的实地反映，因过度填充易扭曲偏度曲线；

• 指数大于100表明负偏，市场担忧极端下跌风险；小于100则为正偏，市场预期上涨可能性较大。

案例分析（图表15-18）范例详尽说明不同SKEW值对应的隐含波动率曲线形状：

• SKEW约100，波动率曲线双侧对称；

- SKEW<100，虚值看涨期权IV显著高于看跌期权，体现上涨预期；

• SKEW>100，虚值看跌期权IV高于看涨，反映投资者担心大幅下跌。

报告特别指出极端行情下SKEW计算的局限：当市场极端下跌时，虚值看跌合约稀缺，导致SKEW指数出现偏差，应结合其它指标综合判断。此局限通过对2024年2月5日极端行情案例分析，体现模型实际使用中需谨慎。

---

四、其他期权系列指数

4.1 价量类指数

主要包括三种PCR（Put-Call Ratio）：成交量PCR、持仓量PCR、成交额PCR。

• 成交量PCR反映当日交易情绪变化，动态敏感，指标大致呈反向与市场情绪相关。

- 持仓量PCR更稳定，短期波动小，能较好反映长期市场情绪及趋势风格。持仓量PCR一般与标的价格正相关，涨价时持仓量PCR上升。

• 成交额PCR区别于前者，过滤了低价投机虚值期权，反映机构资金主导行为，波动较大，负相关于标的。

4.2 波动类指数

涵盖：

• CP波动率价差：看涨平值IV减去看跌平值IV，通常呈正相关，反映多头/空头力量；

- 已实现波动率RV：基于高频分钟交易数据计算的标的实际价格波动率，测量客观市场波动性，无模型且响应快；

• 波动溢价指标VRP：隐含波动率VIX与已实现波动率RV的差值，度量期权市场定价风险溢价，VRP高表明避险成本高；

- 波动率跨期价差：不同期限VIX值差异，揭示市场对不同时间段风险的分阶段预期。

---

五、期权指数应用实务解析

5.1 波动率指数反映市场预期波动

报告指出期权价格从波动率维度反映市场预期的多空偏好，波动率指数随着预期波动率提升而上涨，既包含投资者避险情绪也反映追涨热情（图表10）。

5.1.2 市场差异与VIX含义拓展

对比中美VIX运行特点（图表11-14），A股市场呈现“牛短熊长”，指数上涨过程集中且短暂，造成波动率同时在上涨，投机者追涨行为导致VIX与指数正相关，而美股则呈“熊短牛长”，VIX负相关性强，被称为“恐慌指数”。

投资者结构的差异也是关键，机构投资者限制多，散户投机强，使市场波动表现更复杂，VIX既反映恐慌也反映追涨，信息更丰富。

5.2 SKEW指标示警尾部风险

SKEW指数作为风险预警工具，能帮助投资者识别市场对极端负面尾部事件的恐惧，尤其高于100时，表明潜在下跌风险加剧，结合VIX综合判断市场恐慌程度。报告通过中证1000的多个波动率偏度曲线实例（图表15-18）形象解释其市场意义。

5.3 价量指标展现多空力量

持仓量PCR与指标价格正相关，成交额PCR与指标价格负相关。
持仓量PCR反映长期趋势及机构偏好，成交额PCR对短期市场变动敏感，可作为短线交易的重要参考（图表19-20）。

---

图表深度解读

• 图表1：梳理期货与期权衍生产品具体上市时间及品种分类，体现市场结构演变。

- 图表3：2024年5月主要期权品种成交持仓量数据，显著反映上证50ETF期权主导地位，日均成交超百万张，持仓超百万张，流动性强。

• 图表4-5：2007-2017年A股市场参与者构成（散户为主）、2023年期权市场机构投资者主导态势强烈转变。

- 图表6-8：对比两种VIX算法，对应50ETF期权价格数据，验证方差互换法更全面反映市场信息，VIX指数有效揭示波动预期。

• 图表9：SKEW指数与中证1000指数走势对比，SKEW平时稳定但市场调整时波动加剧，提示风险态度变化。

- 图表10：预期波动率、期权价格及波动率指数之间正向循环关系示意。

• 图表11-14：多维度展示中美VIX与指数走势差异，揭示市场行为学和机构结构影响，A股“牛短熊长”特征与VIX正相关明显。

- 图表15-18：三个不同SKEW水平对应的隐含波动率曲线形态直观展示，表现市场对极端走势预期的异同。

• 图表19-20：持仓量PCR与成交额PCR历史走势展示，揭示两者与标的价格的典型正负相关关系，赋予投资操作参考价值。

---

估值分析

报告并无传统意义上的公司估值，主要聚焦衍生品市场指数构建及其应用。算法核心基于期权定价原理、风险中性测度及数值方法，包括：

• 利用期权隐含波动率反推出标的预期变动幅度（波动率指数）；

- 通过期权价格数据分析收益分布偏态（偏度指数）；

• 价量指标计量市场多空强弱势均衡。

这些均属定量金融衍生品建模方法，强调数学框架与市场数据的紧密结合，估值核心在于捕捉预期风险和投资者行为。

---

风险因素评估

报告末尾明确指出关键风险：

• 宏观经济下行风险：经济减速可能导致市场整体情绪恶化，波动剧增。

- 股市波动率上升风险：预期波动率剧烈波动，模型预测失效风险增大。

• 金融监管加强风险：政策变化影响市场结构和流动性，造成模型适用性受限。

- 模型风险：基于统计数据和假设建模，存在一定的模型误差和实时性延迟。

报告建议投资者理性利用指标，结合多方面市场信息，避免过度依赖单一指标带来误判。

---

批判性视角与细微差别

• 积极视角：报告充分考虑本土市场特征，针对期权市场虚值合约不足、投资者结构差异等问题进行了算法创新和优化，体现了扎实的模型开发工作和对市场差异的深刻理解。

- 潜在不足或局限：
- SKEW指标在虚值合约稀缺期间失真风险较高，尤其是在市场极端波动时，告诫投资者结合其他指标判断风险，限制了其作为单一风险指标的应用。
- 报告中对机构与散户投资者差异的描述侧重于市场层面，未详细涵盖机构内部不同风险管理策略或监管差异对指标表现的潜在影响。
- VIX和SKEW的推断基于当前期权市场数据，但依赖于期权市场持续活跃，如果期权市场流动性骤减，将影响指数表现。
- 对部分高阶数学公式的推导虽详尽，但对非技术背景读者涉及复杂金融数学的理解门槛较高，减弱了指标普及性。

---

结论性综合

本报告全面系统地阐述了中国期权市场中隐含市场情绪的量化表达及分析框架。信达金工开发的期权系列指数，尤其是基于改进方差互换理论的VIX波动率指数与基于偏度测度的SKEW偏度指数，为投资者理解市场预期波动性和极端风险提供了科学且实用的工具。同时，通过对价量类指标的细致讨论，报告体现了利用期权市场多角度、高维度信息进行动态风险管理和投资策略优化的先进理念。

图表深刻展现了指数动态与市场价格的多维互动，特别揭示了A股市场特有的“牛短熊长”特征对波动率指标表现的影响，突显中国市场与国际市场的差异化特征，以及投资者结构带来的行为差异。报告强调期权市场生态的高度机构化，使得期权价格信息更加理性和及时，构建了高质量风险信号。

风险方面，报告客观揭示了宏观经济和市场的不确定性及模型的固有限制，提醒投资者综合衡量指标信号与实际市场环境，保持审慎。

在未来，随着中国期权市场的进一步成熟和深度发展，这些期权系列指数将成为投资者资产配置和风险控制的重要参考标杆。整体而言，报告逻辑严密、理论基础坚实、数据丰富，体现了较高的专业水准和对市场实际的深入洞察。

---

说明

本文严格基于提供的报告文本和图表内容进行解读和分析，所有重要论断均注明页面来源。如需详细查证具体数据和方法，请参考原报告文本及图表对应页码内容。

（引用标记示例：[page::1],[page::3],[page::7]等）

---

参考溯源标记示例

• 报告元数据、主题概述：[page::0],[page::1]

- 市场发展与产品介绍：[page::3],[page::4],[page::5]

• VIX两种计算方法与数学推导：[page::6]-[page::12]

- SKEW计算方法及偏度分析：[page::13]-[page::23]

• 价量类与波动类指标：[page::15]-[page::17]

- 指数应用与市场行为差异：[page::17]-[page::20]

• 风险因素与声明：[page::26]-[page::27]

---

如需进一步深化细节，欢迎提出。

报告