組合期權:領式策略

文章目錄

  • 0.簡介
  • 1.多頭領式策略(Long Collar)?
    • 1.1 策略構成
    • 1.2 適用場景?
    • 1.3 損益分析
    • 1.4 案例示范
  • 2.空頭領式策略(Short Collar)?
    • 2.1 策略構成
    • 2.2 適用場景
    • 2.3 損益分析
    • 2.4 案例示范
  • 參考文獻

0.簡介

領式策略(Collar)是一種經典的期權組合策略,通過同時持有標的資產(股票等)和期權合約,在控制風險的同時降低對沖成本。

其核心邏輯是:用賣出期權的權利金收入,部分或完全抵消買入期權的保護成本。

根據持倉方向的不同,領式策略分為兩類:

  • 多頭領式策略(Long Collar)
  • 空頭領式策略(Short Collar)

1.多頭領式策略(Long Collar)?

多頭領式策略(Short Collar) 是針對已持有多頭頭寸(如持有股票)的保護性策略,通過 買入 Put(對沖下行風險) + 賣出 Call(賺取權利金) 構成。其核心目標是:

  • 限制多頭持倉的上行風險(通過買入 Put)。
  • 降低對沖成本(通過賣出 Call 賺取權利金)。

它既能像 Protective Put 一樣對沖下跌風險,又能像 Covered Call 一樣帶來額外收益。

1.1 策略構成

核心邏輯:持有股票 + 買入保護性看跌期權 + 賣出備兌看漲期權,構建“零成本”對沖。

Call 和 Put 除行權價不同,標的資產、到期日、數量都相同,且期權對應的股票數量和持有的正股數量相同。

  • 看跌期權?:買入行權價≈股價90%的合約提供保護。
  • 看漲期權?:賣出行權價≈股價110%~120%的合約,權利金需≥看跌期權成本。

基于此,我們進一步討論:將「持有正股」+「買入Put A」+「賣出Call B」分開來看。

如果只看「持有正股」+「買入Put」,買入Put對沖下跌風險,則是 Protective Put 策略。在此策略上多賣出一份Call,便是 Long Collar 策略。

如果只看「持有正股」+「賣出Call」,賣出Call收取期權金,則是Covered Call策略。在此策略上多買入一份Put,便是 Long Collar 策略。

1.2 適用場景?

  • 強烈避險需求:如持倉浮盈豐厚,鎖定利潤區間,明確價格波動范圍(如$140-$160)。
  • 降低對沖成本:不愿全額支付 Put 權利金,通過賣出 Call 補貼。

1.3 損益分析

盈利來源:

持有正股的同時,用「買入Put」對沖正股下跌的影響。用「賣出Call」收入來抵消部分買 Put 的花費,從而實現用較低成本來對沖風險的目的。

最大收益 = 看漲行權價 - 股票成本。

最大虧損 = 股票成本 - 看跌行權價。

盈虧有限:如果正股上漲,「賣出Call B」的部分可能會被行權,將會限制整體盈利空間。如果正股下跌,「買入Put A」的部分將會盈利,能夠限制最大損失。

成本更低:構建該策略,可以是負成本、零成本、正成本。因為「賣出Call B」的部分能帶來額外期權金收入。

損益圖:

在這里插入圖片描述

1.4 案例示范

持有蘋果股票(現價150美元)。

  • 買入行權價135美元的看跌期權(權利金4美元/股)。
  • 賣出行權價165美元的看漲期權(權利金4.5美元/股)。

凈權利金收入?:0.5美元/股 → 零成本對沖達成。

若股價暴跌至120美元:看跌期權行權,按135美元賣出,損失封頂。

若股價暴漲至180美元:需按165美元賣出股票,收益封頂但保留15美元/股利潤。

2.空頭領式策略(Short Collar)?

空頭領式策略(Short Collar) 是針對已持有空頭頭寸(如賣空股票)的保護性策略,通過買入 Call(對沖上漲風險) + 賣出 Put(賺取權利金) 構成。

其核心目標是:

  • 限制空頭持倉的上行風險(通過買入看漲期權)。
  • 降低對沖成本(通過賣出看跌期權賺取權利金)。

2.1 策略構成

空頭領式策略由三項交易構成:一項標的資產交易和兩項期權交易:

  • 賣出正股(持有股票空頭頭寸)
  • 買入call
  • 賣出 put

Call 和 Put 除行權價不同,標的資產、到期日、數量都相同,且期權對應的股票數量和持有的正股數量相同。

2.2 適用場景

空頭領式策略常用于持有空頭頭寸對沖上漲風險的場景。

2.3 損益分析

最大收益=股票賣價 - put 行權價 + 凈期權金
最大虧損=call 行權價 - 股票賣價 + 凈期權金
盈虧平衡點 = 股票賣價 + 凈期權金

損益圖:
在這里插入圖片描述

2.4 案例示范

情景: 投資者賣空 100 股特斯拉(現價 $200),擔心股價反彈。

操作:

買入1份看漲期權:行權價 $220,權利金 $5/股(總支出 $500)。

賣出1份看跌期權:行權價 $180,權利金 $4/股(總收入 $400)。

凈權利金支出:$400 - $500 = ?$100。

到期結果:

結果股價分析損益
下跌跌至 $170看跌期權被行權:需以 $180 買入股票平倉。看漲期權作廢。股票盈利 = $200 - $170 = $30/股(總 $3000)
權利金收益 = $400 - $500 = -$100
總收益 = $3000 - $100 = $2900
上漲漲至$230看漲期權行權,看跌期權作廢。股票虧損 = $220 ? $200 = ?$20/股(總 -$2000)
權利金收益 = $400 - $500 = -$100
總收益 = -$2000 - $100 = -$1900
不變股價維持為 $200Put 和 Call 期權均作廢總收益 = 權利金收益 = ?$100

參考文獻

期權教學:從入門到實戰(基礎認識、交易策略、實戰技巧)
中高級期權策略知識 - 富途牛牛

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/916266.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/916266.shtml
英文地址,請注明出處:http://en.pswp.cn/news/916266.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

ECSPI控制器

目錄 SPI協議簡介 極性與相位 SPI框圖 單字節收發 發送數據流程 接收數據流程 ECSPI控制器 關鍵特性 時鐘源 主機模式 等待狀態 片選控制 單突發傳輸 多突發傳輸 相位控制 ECSPI Memory Map ECSPI寄存器 ECSPIx_RXDATA ECSPIx_TXDATA ?編輯 ECSPIx_CONREG …

HTTP 與 SpringBoot 參數提交與接收協議方式

HTTP 協議支持多種參數提交方式,主要取決于請求方法(Method)和內容類型(Content-Type)。以下是主要的參數提交協議:1. URL 查詢參數 (Query Parameters)請求方法: GET (也可用于其他方法)格式: ?key1value1&key2value2示例: GET /users?id123&…

Lua(數組)

Lua 數組基礎概念Lua 中的數組實際上是用整數索引的 table,是一種特殊形式的表。數組索引通常從 1 開始(Lua 慣例),但也可以從其他值開始。創建數組通過表構造器初始化數組:-- 索引從 1 開始的數組 local arr {10, …

【Docker項目實戰】在Docker環境下部署go-file文件分享工具

【Docker項目實戰】在Docker環境下部署go-file文件分享工具一、go-file介紹1.1 go-file簡介1.2 go-file特點1.3 go-file使用場景二、本地環境介紹2.1 本地環境規劃2.2 本次實踐介紹三、本地環境檢查3.1 檢查Docker服務狀態3.2 檢查Docker版本3.3 檢查docker compose 版本四、下…

C++基礎學習——文件操作詳解

一、文件流類概述 C 標準庫提供了三個主要的文件流類: ifstream (輸入文件流):用于從文件讀取數據ofstream (輸出文件流):用于向文件寫入數據fstream (文件流):既可讀又可寫 這些類都繼承自 iostream 類,因此可以使用 …

Android補全計劃 DrawerLayout使用

DrawerLayout其實用了很久了,甚至封裝了一些代碼方便不同項目使用,但重構代碼的時候突然意識到這塊內容很不成體系,因此又參考了些文檔,組建了自己的一個文檔。 toolbardrawerlayout能寫的效果很多,在此我也只是截取了…

人工智能之數學基礎:概率論之韋恩圖的應用

韋恩圖的應用由于事件的計算有時候太過于抽象了,此時我們可以使用韋恩圖的方式來進行驗證,我們下面來舉一個例子,A∪B)-CA∪(B-C)是否成立?我們可以通過韋恩圖來完成這個任務:我們通過這種方式來一點一點的…

小白成長之路-部署Zabbix7(二)

文章目錄一、zabbix-自動發現二、自動注冊三、zabbix-網易云郵箱-發送消息二、zabbix-釘釘告警總結一、zabbix-自動發現 1.在準備兩臺虛擬機,我的是192.168.144.12,192.168.144.13 server換成zabbix服務器的ip地址 vim /etc/zabbix/zabbix_agentd.conf 2.創建自動…

CMU15445-2024fall-project4踩坑經歷

project4目錄Task1Task2ReconstructSeqScanTask3InsertCommitTxnMgrDbgGenerateNewUndoLog And GenerateUpdateUndoLogUpdate And Delete垃圾回收Task4Index Insert并發控制Index ScanDelete、Update并發控制主鍵更新Bonus 1Bonus 2處理寫傾斜感謝CMU的教授們給我們分享了如此精…

C++20 協程

摘要:C20 引入的協程機制為異步編程提供了輕量級解決方案,其核心優勢在于通過用戶態調度實現高效的上下文切換,適用于 I/O 密集型任務、生成器模式等場景。本文系統闡述 C20 協程的底層原理與實踐要點,首先解析協程的基本結構&…

《計算機組成原理與匯編語言程序設計》實驗報告二 基本數字邏輯及漢字顯示

目 錄 一、實驗學時 二、實驗目的 三、實驗要求 四、實驗內容 五、實驗步驟 1、打開Logisim軟件,列出并行四位二進制全加器邏輯電路真值表,并使用與、或、非、異或等基本原件實現并行四位二進制全加器邏輯電路,鋪設完成后進行測試進而…

問卷調查小程序的設計與實現

問卷調查小程序的設計與實現:技術與功能全解析在數字化時代,問卷調查成為數據收集的重要工具。一款高效、易用的問卷調查小程序能夠顯著提升用戶體驗和數據質量。本文將深入探討基于現代技術棧的問卷調查小程序的設計與實現,涵蓋核心功能、技…

STM32項目實戰:正弦波

波形發生器對我的錢包不怎么友好,手里面有stm32f103c8t6,于是就想,放在哪兒吃灰也是吃灰,不如做個正弦波發生器。方案 dac沒怎么用過,所以打算使用輸出模擬正弦波。我們決定采用以下方案:1.使用TIM2_CH3(PA…

Unity 時間抗鋸齒(Temporal Antialiasing, TAA)技術解析

時間抗鋸齒(Temporal Antialiasing, TAA)技術解析 一、什么是時間抗鋸齒(TAA)? 時間抗鋸齒(TAA)是一種先進的實時抗鋸齒技術,通過在時間維度上積累多幀渲染數據,實現比傳…

uniapp打開導航軟件并定位到目標位置的實現

/*** 打開導航* param location 經緯度(例如:"117.214713,39.116884")* param address 地址*/ export function mapNavigation(location, address) {const locationArr location.split(,)const longitude locationArr[0]const latitude locationArr[1]…

Mysql實現高可用(主從、集群)

一、背景 需求:客戶要實現Mysql8.0高可用,出現故障時,需要實現自動切換。 分析:實現切換有兩種方式,一種數據庫自動切換,一種代碼實現。 本著麻煩別人,別麻煩自己的原則,得給客戶的D…

AI編程革命:自動化代碼生成、低代碼開發與智能優化實踐全景解析

AI編程革命:自動化代碼生成、低代碼開發與智能優化實踐全景解析 人工智能正在重塑軟件開發的基本范式,從自動化代碼生成到低代碼開發平臺,再到算法智能優化,AI編程技術正以指數級速度改變開發者工作方式。 一、自動化代碼生成技術…

[實戰] 用1 PPS 馴服本地恒溫晶振(OCXO/TCXO)

1 PPS 馴服本地恒溫晶振(OCXO/TCXO) “讓任何工程師都能在一周內做出自己的 GPSDO” 文章目錄1 PPS 馴服本地恒溫晶振(OCXO/TCXO)前言1 系統總體框圖2 硬件清單與連接3 時間間隔測量(TDC)原理4 數字鎖相環算…

基于RK3576+FPGA的無人機飛控系統解決方案

基于RK3576FPGA的無人機飛控系統解決方案設計如下&#xff1a;一、硬件架構設計?異構計算核心模塊?主控采用RK3576處理器&#xff0c;四核Cortex-A72&#xff08;2.3GHz&#xff09;運行路徑規劃算法&#xff08;A*、RRT*&#xff09;&#xff0c;支持動態避障響應時間<50…

2025暑期—05神經網絡-卷積神經網絡

1. 卷積神經網絡實際上就是避免過擬合&#xff0c;就是“特征”神經網絡。這個特征和卷積核相關。卷積和相關類似&#xff0c;有點是本質屬性和輸出屬性的感覺。著重注意三通道卷積padding 上下左右、前后都要加邊池化就是解決特征過多問題&#xff0c;縮小1倍較多。均值池化&a…