使用 Black-Scholes 定價、希臘字母分析及合成選擇權數據,對多腿選擇權策略進行回測——無需真實市場數據。
Options Strategy 是一個用於多腿期權組合的回測技能。它使用 Black-Scholes 模型從標的資產的每日價格數據合成理論期權價格,因此無需真實的期權市場數據。安裝後即可研究股票與加密貨幣標的資產的對沖、波動率交易及價差策略,並提供完整的希臘值追蹤與交易層級輸出。
直接從標的資產的 OHLCV 資料,運用標準 Black-Scholes 公式計算理論買權與賣權價格。以歷史 30 日滾動波動率取代隱含波動率,無需實際選擇權鏈資料即可完成計算。
在單一交易指令中定義任意組合的選擇權腳位——包括類型(買權/賣權)、履約價、到期日與數量。開箱即支援備兌買權、保護性賣權、跨式、勒式、鐵鷹式、蝶式以及日曆價差等策略。
每個交易日計算並記錄投資組合層級的 Delta、Gamma、Theta 與 Vega,將結果輸出至 greeks.csv,以進行詳細的曝險與敏感度分析。
options_pricing 工具讓您能夠以互動方式對任意單一選擇權進行定價,並取得其希臘值 — 適用於無需執行完整回測的快速分析。
每次執行結束後,引擎會將 equity.csv、metrics.csv、trades.csv、greeks.csv 以及原始 OHLCV 檔案寫入 artifacts/ 目錄,以供完整的交易後分析使用。
支援可設定的無風險利率、波動率來源及合約乘數,以精確模擬不同市場,包括 A 股 ETF 選擇權(乘數 10,000)與加密貨幣合約(乘數 1)。
針對現有持倉模擬備兌買權(covered call)或保護性賣權(protective put)的疊加策略,以歷史市場條件為基礎,量化權利金收入與下檔保護之間的取捨關係。
回測跨式與勒式策略,以評估在不同已實現波動率環境下的預期損益,並使用每日 Vega 輸出來追蹤波動率曝險的變化情況。
測試具有不同履約價間距與到期視窗的鐵兀鷹策略及蝶式價差,以找出在區間盤整市場中表現良好的配置組合。
利用每日輸出的 greeks.csv 檔案,研究 Delta、Theta 與 Gamma 如何隨著選擇權趨近到期日而變化,從而為再平衡及風險管理決策提供依據。
tushare)取得標的每日 OHLCV 價格資料config.json 須包含 "engine": "options" 設定,以及已填寫完整的 options_config 區塊(無風險利率、隱含波動率來源、合約乘數)code/signal_engine.py 中實作 SignalEngine 類別,依照說明文件介面實作 generate(data_map) 方法npx clawhub@latest install options-strategy登入後撰寫評價
尚無評價。來分享你的使用體驗吧!