核心观点
　　类期权产品定价的核心在于标的资产的波动率预测。波动率可通过时间序列模型、期权隐含波动率倒推、以及多因子模型来预测。实证结果显示，自研CNE7多因子模型的波动率预测效果更稳健和连续，更具有前瞻性，在期权定价中更有效。
　　主要结论
　　类期权产品
　　典型类期权产品的本质是挂钩标的资产，带敲出和敲入价格的看跌期权，机构买入该期权并支付期权费。除经典类期权产品结构（非保本型）外，还有减少投资者尾部风险和本金损失的保本型和限亏型类期权产品，也有对典型类期权产品的敲出方向、敲出界限等进行创新的反向类期权产品和逐渐下调类期权产品。
　　风险分解与波动率预测模型
　　标的波动率预测主要分为三种方式：1 ）时间序列模型ARCH/GARCH：基于每个交易日的日收益率数据计算t时刻的条件波动率。2）隐含波动率：通过BS公式反推期权的隐含波动率，0波动率当中包含了投资者的未来预期。3）多因子模型用一系列共同/风险因子来解释投资组合收益。
　　实证研究
　　我们分别利用CNE7和BS模型对沪深300的波动率进行测算，CNE7模型的估计值更加连续、稳定，同时CNE7模型的波动率预测能力更强。我们利用CNE7模型对沪深300的风险进行分析。其中市场因子风险贡献占比最高，约93.36%，行业与风格的风险占比相近，分别约5.61%和5.44%。沪深300的协方差风险贡献为-5.72%，说明市场、行业、风格的风险存在分散效应。在X-SigmaRho模型下，每个因子的风险贡献包含了因子协方差效应，共同因子风险中不再包含协方差贡献，并且不同因子之间的风险贡献均可加。由于不同因子之间的风险分散效应，行业和风格的预测主动风险下降，分别约0.36%和0.90%。
　　风险提示：模型失效风险；基于历史数据回测，不代表未来投资建议；
　　
　　

研究报告全文：证券研究报告量化深度CNE7模型在期权定价中的应用多因子与ESG策略核心观点类期权产品定价的核心在于标的资产的波动率预测波鲁植宸动率可通过时间序列模型期权隐含波动率倒推以及多因luzhichencsccomcn子模型来预测实证结果显示自研CNE7多因子模型的波15611537505动率预测效果更稳健和连续更具有前瞻性在期权定价中SAC执证编号S1440522080005更有效研究助理徐建华主要结论xujianhuacsccomcn类期权产品研究助理陈添奕典型类期权产品的本质是挂钩标的资产带敲出和敲入价格的看跌期权机构买入该期权并支付期权费除经典类期权产品结构chentianyicsccomcn非保本型外还有减少投资者尾部风险和本金损失的保本型和限亏型类期权产品也有对典型类期权产品的敲出方向敲出发布日期2023年03月21日界限等进行创新的反向类期权产品和逐渐下调类期权产品风险分解与波动率预测模型标的波动率预测主要分为三种方式1时间序列模型市场表现4ARCHGARCH基于每个交易日的日收益率数据计算t时刻的条-6件波动率2隐含波动率通过BS公式反推期权的隐含波动率0波动率当中包含了投资者的未来预期3多因子模型用一系列-16共同风险因子来解释投资组合收益-2620224520217520218520219520221520222520223520225520226520211152021125实证研究2021105上证50沪深300我们分别利用CNE7和BS模型对沪深300的波动率进行测算CNE7模型的估计值更加连续稳定同时CNE7模型的波动率预相关研究报告测能力更强我们利用CNE7模型对沪深300的风险进行分析220530权益类公募基金量化标签库其中市场因子风险贡献占比最高约9336行业与风格的风险220512CNE7经典版多因子模型占比相近分别约561和544沪深300的协方差风险贡献220426基于历史波动率和VIX指数的择时研究为-572说明市场行业风格的风险存在分散效应在X-Sigma-220318多因子拥挤度模型Rho模型下每个因子的风险贡献包含了因子协方差效应共同220222FOF投资量化策略多因子拥挤度模型因子风险中不再包含协方差贡献并且不同因子之间的风险贡献均可加由于不同因子之间的风险分散效应行业和风格的预测主动风险下降分别约036和090风险提示模型失效风险基于历史数据回测不代表未来投资建议本报告由中信建投证券股份有限公司在中华人民共和国仅为本报告目的不包括香港澳门台湾提供在遵守适用的法律法规情况下本报告亦可能由中信建投国际证券有限公司在香港提供同时请参阅最后一页的重要声明多因子与ESG策略量化深度报告目录一类期权产品111典型期权1111期权要素功能和特点1112典型期权定价模型波动率建模312常见的类期权产品收益结构4121交易要素4122收益结构4123类期权产品的基本投资策略613国内类期权产品期权概况7二波动率预测模型1021时间序列模型1022隐含波动率1023多因子模型12三风险分解与波动率预测1331独立波动率分解法1432边际风险贡献法1433X-Sigma-Rho法1534波动率预测与期权定价15四实证研究15五风险提示21六参考文献22图表目录图表1到期日看涨期权和看跌期权买卖双方损益1图表2股票期权月成交量万手2图表3典型类期权产品合约4图表4典型类期权产品合约的收益计算过程5图表5国内结构化产品演变7图表62003年至2013年我国结构化产品重要事件8图表7国内结构化产品发行形式及各机构关系图9图表8CNE7和BS模型的沪深300隐含波动率16图表9BS模型隐含波动率和CNE7模型波动率检验结果16图表10Granger因果检验P值17图表11沪深300风险分解18图表12沪深300风险分解X-Sigma-Rho19图表13沪深300行业因子平均风险贡献占比20图表14部分行业因子风险贡献20图表15部分行业因子波动率21请参阅最后一页的重要声明多因子与ESG策略量化深度报告图表16沪深300部分行业暴露度21请参阅最后一页的重要声明多因子与ESG策略量化深度报告2022年12月30日中国证监会就股票期权交易管理办法征求意见稿向社会公开征求意见证监会表示2022年8月施行的期货和衍生品法全面系统规定了期货市场和衍生品市场的各项基础制度为股票期权市场发展提供了坚强的法治保障证监会严格贯彻落实期货和衍生品法的立法要求在保持股票期权现行制度框架总体稳定的基础上结合股票期权扩大试点以来的监管实践经验在期权办法上进行适应性修订并将名称修改为股票期权交易管理办法除名称之外本次修订主要包括五大方面的内容股票期权业务的一般性规定经营机构业务范围和交易者分类的相关规定股票期权风险管理制度股票期权市场违法行为和其他表述上的修改自2015年证监会开展股票期权交易试点以来中国股票期权市场规模稳步扩大总体运行平稳有序规则体系不断完善监管经验逐步丰富股票期权作为一种杠杆比较高的产品相对于商品期权其金融属性更强证监会股票期权交易管理办法的制定是完善对股票期权监管的一种重要举措意味着股票期权试点较为成功后期不再只是试点而将在监管指导下长期稳健运行本次修订后股票期权市场的成熟度将得到进一步提升要素资源更加完善市场定价也将更为公允有利于股票市场扩大流动性辅助金融市场更好地服务实体经济期权作为一种在国内较为新颖的投资品类依托于逐步完善的规章制度和加速扩大的交易池即将以积极的姿态走入投资者视野其与股票的紧密联系将给予量化交易广阔的收益空间本研报详细介绍了期权的发展在金融市场的作用以及期权定价模型对期权定价中的重要参数波动率及风险分解模型的构建进行详细阐述并通过实证检验进一步证明该定价的实践性与可投资性一类期权产品11典型期权111期权要素功能和特点期权是一种选择权指的是一种能在未来某特定时间以特定价格买入或卖出一定数量的某种特定商品的权利期权的构成要素主要包括标的物股票债券股价指数期货外汇商品等行权价格到期日期权价格行权方式交割方式等选择可以被交易以定价买入期权的一方是期权的持有者在期权的到期日内期权的持有者可以选择是否实施权利如果实施权利期权持有者按期权合约规定买入或卖出标的物如果放弃权利期权持有者不进行任何操作期权的出卖者则只负有期权合约规定的义务期权双方的损益与期权持有者的交易方向标的物的真实价格有关期权具有零和游戏特性即买卖双方损益相加为零以标的物市价S变动为横轴期权合约产生的损益变化为纵轴K表示执行价格C表示买权权利金P表示卖权权利金期权交易的买卖双方损益可归纳为错误未找到引用源图表1到期日看涨期权和看跌期权买卖双方损益数据来源中信建投请参阅最后一页的重要声明多因子与ESG策略量化深度报告指数隐含波动率已成为衡量股票市场情绪的重要指示性指标在美国芝加哥期权交易所波动率指数VIX是基于标准普尔500指数期权链价格的隐含30天远期波动率用于预测美国股市在不久的将来可能高于和低于其当前水平的波动范围当隐含波动率处于高水平时VIX数值会相应地提高可能值范围亦较为宽阔当隐含波动率处于低水平时则VIX数值会相应降低可能值范围亦较为狭窄在中国上交所于2015年6月发布中国首只基于真实期权交易数据编制的波动率指数中国波指iVIX或50ETF期权波动率成为市场动荡或经济衰退时的表征性指数和前瞻性参考有助于防范系统性金融风险提高市场稳定性另一个基于期权计算的市场情绪指标为看跌期权的成交量之和与看涨期权成交量之和的比值PCR该指标反映的是短期市场的多空状态主要反映的是近期的买方市场动向当PCR值大于1时看跌期权更为活跃市场行情偏向沽空市场反之当PCR值小于1时看涨期权更为活跃市场行情偏向多头市场期权的风险对冲功能愈发受到投资者密切关注2018年至2020年是我国股票期权交易规模迅速扩张的时期成交规模从4亿手不到扩张到10亿手以上2022年底中证500ETF期权创业板ETF期权中证1000股指期权上证50股指期权深圳100ETF期权接连上市这些新期权品种或许是股票期权市场最需要的动力以一年为周期成交量在每年的3月6月10月和12月附近有明显的上升这是由于我国期权规定的到期日一般包括合约当月下两个月及随后三个季月而大部分投资者决定在季月平仓图表2股票期权月成交量万手1600014000120001000080006000400020000数据来源Wind中信建投注数据时间段为20150101至20221130我国期权市场发展经历了2015年之前的空白期2015年至2018年的初步增长期2019年至2021年的快速增长期在2022年迈入以丰富期权产品体系为驱动因素的活力时期其中股票期权可以增强标的股票ETF股指对投资者的吸引力吸引增量资金注入标的有利于提高市场股票的流动性带动股票市场的良性运作同时股票期权给予投资者对冲成长风格的新工具带来期权与标的物之间非线性的套利可能期权还拥有发现功能由期权计算而来的隐含波动率与波动率指数VIX可以有效预示股票的波动防范系统性金融风险提高定价效率增强市场稳定性期权产品体系的完备化除了进一步丰富风险管理工具外在对外开放服务实体等议题中也发挥着积极作用请参阅最后一页的重要声明多因子与ESG策略量化深度报告112典型期权定价模型波动率建模BS模型是由Black和Scholes提出的一个欧式期权定价模型该模型的提出为期权的发展奠定了基础在理论和实践方面都有着重大的意义BS模型中波动率的衡量是期权定价中很重要的部分波动率指的是金融资产收益的波动程度是对资产收益不确定性的度量用来反映资产的整体风险情况BS期权定价模型的核心思想是无套利定价假设期权价格和股票价格同时受到不确定因素的影响个人投资收益不确定通过管理一定数量的基础期权和组合可以覆盖风险消除不确定性BS模型建立在严格的假设基础上其假设包括1期权标的物的价格服从布朗几何运动因此股票价格的收益率必须服从对数正态分布2市场没有摩擦没有税收没有卖空限制3无风险利率是恒定不变的4期权不能在到期日之前行使必须是欧式期权基于以上四个假设BS模型期权定价公式为rTCSTSNd1KeNd2看涨期权rTPSTKeNd2SNd1看跌期权S2lnr05TKd1Td2d1T其中S为标的资产的现价K为期权交割价格r为连续复利的无风险利率为标的资产价格波动率N为正态分布变量的累计分布函数T为期权有效期的相对数表示即期权有效天数与一年365天的比值如果标的资产存在其他所得如红利则BS模型修改为rTrTCSTSDteNd1KeNd2其中D为股票在期权有效期内某时刻t支付的红利标的资产价格波动率是期权定价公式中的重要因素波动率代表了标的资产的价格波动程度是对资产收益率不确定性的衡量用于反映金融资产的风险水平通常情况下波动率越大标的资产上涨或下跌幅度增大的概率越大标的资产价格上涨至看涨期权损益平衡点之上或下跌至看跌期权损益平衡点之下的可能性与幅度越大买方获取较高收益的可能性随之增加因此波动率越大期权的理论价格越高反之波动率越小期权的理论价格越低对波动率大小的判断决定了期权价格预测的方向请参阅最后一页的重要声明多因子与ESG策略量化深度报告12常见的类期权产品收益结构121交易要素类期权产品结构主要由关联标的敲出敲入机制票息率存续期限等要素组成我们模拟了一个典型的类期权产品合约如下图表3典型类期权产品合约挂钩标的中证500存续期限12个月敲出观察频率每月敲入观察频率每日敲入界限75敲出界限105敲除票息率25红利票息率10投资本金100万元敲出本金敲出票息持有天数存续天数产品回报无敲入敲出本金1红利票息率持续期限敲出Min期末价格期初价格资料来源中信建投注并非实际产品仅为模拟合约1挂钩标的包括指数个股或多只股票组合等还可能包含更多内容例如利率黄金商品等余地比较宽目前市场上的类期权产品大部分都是以中证500指数为标的2敲出机制敲出观察是指观察标的价格在观察日是否超过敲出界限如果超过界限则投资者获得敲出票息产品计算收益的区间提前结束按敲除票息率计算收益价格一般为期初价格的110附近3敲入机制敲入观察则是指观察挂钩标的价格在观察日是否低于敲入界限如果低于敲入界限则产品收益转为标的实际涨跌一般来说即使已经触及敲入界限未来依然会观察敲出的状态若标的资产始终在区间内波动则以红利票息率和产品存续时间计算收益其中敲入价格一般为期初价格的70附近4收益率与市场波动率有关不同时点不同敲出敲入价格不同期限的类期权产品结构产品报价不同根据投资者需求不同可加杠杆以双倍类期权产品结构为例名义本金投资本金2则年化收益及亏损都被放大2倍总的来看类期权产品结构预期收益高于一般纯固收产品当且仅当关联标的在投资期间仅敲入未敲出到期价较初始价下跌时投资者承担损失122收益结构从收益结构的角度观察类期权产品更适合大幅上涨和下跌概率都较低的震荡市场环境从下跌的角度看请参阅最后一页的重要声明多因子与ESG策略量化深度报告只要标的资产不在极端情况下大幅下跌投资者本金发生损失的概率较小标的下跌会增加类期权产品敲入的风险但一般情况下敲入价格大幅低于当前标的价格相当于为类期权产品投资者提供资产保护从上涨的角度看当标的资产的价格触发到敲出线则会自动敲出锁定收益虽然快速上涨的行情虽然能帮助投资者直接敲出锁定票息但在这种情况下投资人实际持有的时间较短获得的绝对收益有限所以当标的资产出现持续上涨的趋势时类期权产品由于止盈属性会锁定上行空间我们下面的流程图模拟了类期权产品的收益结构的三种情形总体来看收益结构与敲出时点票息率标的资产价格路径所决定1不触发敲入也不触发敲出如存续期内标的资产既没有触发敲入也没有触发敲出换言之标的价格始终位于75-100之间1年到期后投资收益为100万元1010万元2触发敲入未触发敲出如果存续期内标的资产跌破75元则触发了敲入收益率转为指数亏损程度假设到期后价格为95元投资亏损100-955万元若到期后价格为104元则保留本金3触发敲出如果持有3个月后标的资产价格突破敲出界限105元达110元则投资收益为10025312625万元即使该标的资产曾触发过敲入状态即价格曾低于75仍获得1875万元收益可以发现过早敲出也会减少类期权产品的最终收益图表4典型类期权产品合约的收益计算过程初始价格10010575105075观察日敲出始终无敲入敲出持有期间敲入持有期限内存续期限内期末价格100105期末价格0100年化收益25年化收益20保留本金亏损期初期末价差资料来源中信建投注并非实际产品仅为模拟合约除经典类期权产品结构非保本型外还有大幅减少投资者尾部风险和本金损失的保本型和限亏型类期权产品年化收益率会低于非保本型类期权产品1保本类期权产品通常是指在买入期权合约后挂钩标的出现大幅下跌即便跌破保证金水平也不需要追加保证金合约终止后出现超额超出保证金部分亏损也不需要承担保底类期权产品遵循了经典类期权产品的基本合约条款与其区别就在于追保类型最大亏损和收益的不同在杠杆和名义本金同样的情况下保底类期权产品则降低了票息收益的预期转而实现不追保和限亏的目标部分保本型类期权产品不设有敲入价格敲入观察日敲入事件等敲入相关条款仅在敲出观察日观察标的的收盘价是否高于敲出价格若触发了敲出事件则产品提前结束如果在产品存续期的敲出观察日请参阅最后一页的重要声明多因子与ESG策略量化深度报告中标的收盘价格均未高出敲出价格未触发敲出事件则无法获得敲出票息收益率为02限亏型类期权产品限定了投资者本金潜在损失的上限是风险相对更低的类期权产品但敲出票息通常也低于非保本型类期权产品如果是典型类期权产品投资者需要承担20的本金损失但如果是设置了15下跌保护的限亏型型类期权产品则投资者最多只需要承担15的本金损失目前市场上也流行对典型类期权产品的敲出方向敲出界限等进行创新的反向类期权产品和逐渐下调类期权产品1反向类期权产品为一种向下敲出的产品其本质是投资者向做市商卖出带有触发条件的看涨期权其敲出方向收益方向与典型类期权产品结构恰恰相反反向类期权产品期权适应的场景更为广泛在微熊微牛以及大跌的行情下反向类期权产品都会给客户创造收益2逐渐下调step-down类期权产品是指则在第一个敲出观察日开始逐月下调敲出价格例如每月下调02相比典型的类期权产品其敲出条件更易触发敲出试点更靠前123类期权产品的基本投资策略投资机构看多标的资产的波动率如果实际波动率高于类期权产品发行时定价的隐含波动率机构就会盈利实践中利用高抛低吸等期权Delta交易策略攫取高于期权费的收入并给予投资者期权费实现机构和投资者的双赢客户达成类期权产品结构期权交易后证券公司以自有资金在二级市场交易挂钩标的进行风险对冲规避挂钩标的价格变动产生的方向性风险证券公司将基于专业的量化模型计算风险敞口通过动态对冲的方式始终保持风险中性在期初类期权产品结构期权交易达成时证券公司将根据量化模型给出的风险敞口建仓买入相当于名义本金规模一部分的挂钩标的资产若标的资产价格不断上涨证券公司将逐步卖出所持有的标的资产降低仓位当产品敲出时证券公司将清仓所持有的标的资产若挂钩标的资产价格不断下跌在发生敲入事件之前证券公司将逐步买入标的资产增加仓位发生敲入事件后证券公司已将全部产品资金买入标的资产持有100的标的资产仓位证券公司在上涨周期中不断卖出挂钩标的资产在下跌周期中不断买入标的资产通过低买高卖证券公司将赚取标的资产价格波动收益证券公司在对冲活动中赚取的价格波动收益减去证券公司约定支付的票息收益差额部分若有即为证券公司的最终对冲收益证券公司在对冲类期权产品结构期权时呈现低买高卖特征高对冲持仓比例和低换手率的行为特征类期权产品结构的对冲操作核心是以正向Gamma提供收益来源类期权产品结构处于Gamma显著的标的价格区间是主要的对冲收益来源由于类期权产品结构发行后大部分时间标的价格处于敲出价附近的一段区间假设使用IC合约进行Delta对冲大部分时间的对冲操作是在市场下跌时Delta绝对值增加这时原有IC头寸产生了更少的下跌损失之后动态调整IC合约成新的头寸继续保持Delta风险中性若市场再度上涨Gamma使得Delta绝对值再次减少同样原有的IC头寸产生了更多的上涨收益而后再将IC减仓至新的Delta头寸请参阅最后一页的重要声明多因子与ESG策略量化深度报告13国内类期权产品期权概况21世纪初结构化产品进入国内光大银行在2002年9月推出外币结构性存款业务尽管该业务严格意义上并不属于结构化产品但这类存款的设计思路已经使其具备早期结构化产品的雏形图表5国内结构化产品演变时间当期事件代表性结构国内结构化产品以结构性存款为主固利用固收资产利息配置部分期2016年之前收类资产收益较高权多头资产新规出台净值化转型固收类资2018-2020年鲨鱼鳍等看涨敲出类期权产收益率下降新冠疫情俄乌冲突叠加市场波动增自动敲入敲出指数增强等结2020年至今大权益市场投资比重增加投资者追构求风险收益平衡结构化产品快速发展数据来源中信建投2004年3月金融机构衍生品交易业务管理暂行办法的正式实施标志着衍生产品在我国合法地位的确立结构化产品最初以外汇结构化存款的形式存在当月工农中建四大国有银行分别推出汇聚宝汇得盈汇利通和汇利丰等结构化理财产品2005年以后国内银行结构化产品逐渐增多挂钩标的从原先的外汇逐渐扩展到利率股票股票指数商品等多种标的挂钩标的的数量也从单一资产向多种类资产转变2010年股指期货上市之前国内结构化产品市场几乎是外资商业银行主导标的资产通常是境外标的物很少有以A股市场为标的物的2011年开始券商资管以集合资产管理计划的形式发行结构化产品为希望参与期权交易的投资者提供了一个风险可控形式灵活的衍生品投资渠道2012年证监会发布政策允许银行和证券公司发行风险中性产品境内机构稳步推进产品优化产品发行频率加快投资者结构以风险厌恶型为主产品投资诉求以本金保护为主请参阅最后一页的重要声明多因子与ESG策略量化深度报告图表62003年至2013年我国结构化产品重要事件时间重要事件中国银行在中资银行中首家推出了具有结构化产品风险收益特征的2003年10月外汇理财产品汇聚宝中国民生银行获得银监会对于发行人民币结构理财资格的批准发2005年8月行了第一只以人民币为投资币种的结构化理财产品中国银监会发布关于进一步规范商业银行个人理财业务投资管理2009年有关问题的通知光大证券资管子公司发行了光大阳光系列挂钩股指的结构化产品2011年挂钩标的主要有上证50沪深300等主流指数农银汇理基金公司推出了农银汇理沪深300指数挂钩1号资产管2012年12月理计划是业内公认的首只基金公司发行的结构化专户产品海通证券正式发布5款柜台交易产品OTC产品成为业内首家2013年1月14日柜台交易业务上线的券商数据来源中信建投2019年以来自动赎回型结构在国内市场初现端倪并冠以类期权产品的结构名称由于固定收益类产品实际收益率下降同时A股在2019年至2021年走出一波牛市期间中证500指数涨幅75产品投资者享受到快速敲出并复购带来的收益自此类期权产品风靡市场据粗略估计2021年5月高峰时期类期权产品存量近1500亿元2021年下半年在各项政策引导下类期权产品发行增速放缓行业工作重心转向投资者教育工作实际上起到了厘清产品形象夯实投资者认知的作用为类期权产品乃至结构化产品的长期发展铺平道路在类期权产品之外从业机构也在积极推进产品优化例如华夏资本推出指数区间增强非对称指数增强等结构为不同投资需求提供投资工具也获得了市场认可类期权产品结构产品已成为目前市场上较为流行的结构化产品近年来随着银行理财收益的持续下降类期权产品成为市场上非常流行的金融产品零售端的类期权产品多为利用场外衍生品作为主要资产私募发行的资管计划等资管产品产品的主要持仓为奇异期权由券商和资产管理机构以场外期权或收益凭证的形式订立场外衍生品协议类期权产品是在敲入敲出价格间不断滚类期权产品式获得票息的形象描述类期权产品合同一般会限制衍生品持仓的头寸本身不具有投资杠杆由于较高的票息收益和仅承担尾部风险的特征类期权产品在近两年得到了市场的广泛关注类期权产品是典型的结构化产品底层收益由券商以场外合约的形式提供除了经典类期权产品之外市场上还存在多种类期权产品结构变种例如保本类期权产品有限损失类期权产品有锁定期类期权产品阶梯型类期权产品蝶变型类期权产品看涨类期权产品等总体上类期权产品规模有增长趋势但仍然有限市场集中度较高2019年之后估算得到的类期权产品规请参阅最后一页的重要声明多因子与ESG策略量化深度报告模呈现出一定的增长趋势但其绝对规模不高敲入对市场冲击有限以类期权产品为代表的场外期权业务有较高市场集中度根据证券业协会公布的最新数据申万宏源华泰证券中信证券国泰君安海通证券场外期权发行规模位于市场前列2020年与2021年类期权产品迎来快速发展阶段目前类期权产品暂无官方统计的产品规模我们借助场外市场规模数据对类期权产品规模进行估计根据中国证券业协会和中证报价的文章报道截至2022年2月末类期权产品存续规模约为1500亿元其中挂钩中证500指数的产品规模约为1100亿元我们假设挂钩中证500的类期权产品规模为1100亿元2021年以来中证500期货和指数现货每日成交额平均分别为782亿和1792亿元敲入时类期权产品需要卖出的规模占两者的比重分别为169和74占比相对较低此外市场下跌时未发生敲入的类期权产品依然按照低买高卖的原则进行对冲券商在实际操作中会将所有的对冲头寸进行合并处理因此两者抵消之后敲入对市场的影响会更低随着衍生品市场的不断发展和完善以类期权产品结构为代表的结构化产品也越来越受到国内市场的关注结构化产品凭借其灵活的结构设计和收益特征成为财富配置工具的重要补充相比于海外的成熟市场结构化产品在我国仍然具备较大的发展空间类期权产品在国内流行暗示了我国金融创新从绕监管的低级形态逐渐进入发展金融工程的高级形态类期权产品的发展可能带来资产管理行业和场外衍生品市场的新变化图表7国内结构化产品发行形式及各机构关系图数据来源中信建投请参阅最后一页的重要声明多因子与ESG策略量化深度报告二波动率预测模型波动率预测主要分为三种方式1时间序列模型ARCHGARCH基于每个交易日的日收益率数据利用时间序列建模计算t时刻的条件波动率2隐含波动率利用标的资产相应的期权通过BS公式反推期权的隐含波动率隐含波动率特点就是由于期权是投资者根据未来预期投资的产品隐含波动率当中包含了投资者的未来预期具有一定预见性3通过多因子模型对投资组合的波动率进行预测21时间序列模型利用时间序列模型预测波动率可以反映历史波动率特征用GARCH类时序模型SV模型马尔科夫链蒙特卡洛方法等随机波动率模型结合可以减小预测误差第一个为波动率建模提供系统框架的是Engle于1982年提出的ARCH模型其基本思想是资产收益率的扰动是序列不相关的并不是独立的不独立性可以用其递延值的简单二次函数来描述具体来说ARCH模型假定其中是均值为0方差为1的独立同分布随机变量序列ARCH模型可以反映实际股票市场中波动率聚集的现象并且波动率分布有着尖峰厚尾的特征更接近于股票市场实际情况EWMA方法即指数移动平均方法EWMA根据历史数据距当前时刻的远近分别赋予不同的权重距离现在越近赋予的权重越大因为越远的历史信息所起的作用越小GARCH11模型方差如下222t11EWMA是GARCH11一个特殊情况而GARCH11是EWMA的一般形式当我们取a0bc1时上式被简化为222GARCH11111这与EWMA的表达式相同222EWMA11122211122隐含波动率隐含波动率是将市场上的期权交易价格代入期权理论价格模型反推出来的波动率数值从理论上讲要获得隐含波动率的大小并不困难由于期权定价BS模型给出了期权价格与五个基本要素标的股价执行价格利率到期时间波动率之间的定量关系只要将其中前4个基本参数及期权的实际市场价格作为已知请参阅最后一页的重要声明多因子与ESG策略量化深度报告量代入定价公式就可以从中解出唯一的未知量即隐含波动率影响隐含波动率的因素有标的资产的历史波动率以及期权的供求关系一般来说期权的隐含波动率普遍比历史波动率要高两者具有正相关关系特别是在期权发行时发行人会把期权的历史波动率作为依据之一来确定其隐含波动率从而确定期权价格此外供求关系也会影响隐含波动率隐含波动率在某种程度上是期权供求关系的一个反映当投资者对某只期权需求旺盛使得其价格虚高引申波幅达到了较高的水平甚至远高于期权的实际波幅由于BS模型有严格的前提实证检验中存在一些偏差根据BS模型的常数波动率假设同种标定资产的期权应有相同的隐含波动率但实证研究表明同种标定资产相同到期日的期权协定价偏离现货价越多隐含波动率往往越大因其形似一个人微笑时两端上翘的嘴唇被称为波动率微笑股票期权的隐含波动率曲线可能出现歪斜被称为假笑隐含波动率本质上是期权价格的另一种表达方法波动率微笑表示BS模型有低估深实值和深虚值期权的倾向对BS模型的考察发现资产价格过程特征和市场机制都会影响到期权定价的准确性期权的市场价值取决于现实市场中套期保值的成本如果资产价格过程特征和市场机制对深实值和深虚值期权的套期保值影响更大使其构造成本高于BS模型价格更多深实值和深虚值期权的隐含波动率就会更大即使资产价格过程特征和市场机制因子对期权价值的影响相同因BS模型中的期权价格是资产波动率的单调递增函数可得隐含波动率对看涨期权价格的导数为其中是标定资产的当前价格是期权距到期的时间是标准正态分布的密度函数是红利率式3表示期权价格发生微小变动隐含波动率会出现较大变化而且期权越处于深实值或深虚值状态越大越接近于0越大相同的期权价格变动造成的隐含波动率变动越大标定资产存在交易成本时连续套期保值的总成本在理论上趋于无穷大现实中的期权空方必须实行离散调整策略在此过程中将引发额外风险和保值成本波动率期限结构是衡量期权隐含波动率水平的另一个重要指标反映了期权合约在不同到期时间的隐含波动率水平以及远期波动率与近期波动率的关系由于期限结构斜率变化反映了市场近期与远期之间波动率水平差异一般情况下波动率期限结构倾向于上偏斜即近月的隐含波动率要小于远月但随着时间增长隐含波动率的变化幅度会衰减然而当行情出现大幅的波动时可能会引起近月隐含波动率高于远月观察到波动率期限结构向下偏斜根据隐含波动率近期与远期价差大小或者波动率曲面结构的特征分布可以衍生出一系列波动率交易策略上文提到芝加哥期权交易所波动率指数VIX是衡量标准普尔500指数期权的隐含波动率VIX指数每日计算代表市场对未来30天的市场波动率的预期VIX表达了期权投资者对未来股票市场波动性的预期当指数越高时显示投资者预期未来股价指数的波动性越剧烈当VIX指数越低时代表投资者认为未来的股价波请参阅最后一页的重要声明多因子与ESG策略量化深度报告动将趋于缓和由于该指数可反应投资者对未来股价波动的预期并且可以观察期权参与者的心理表现也被称为投资者情绪指标1其中表示在风险中性测度下通过Heston-Nandi-GARCH模型所预测第天的隐含波动率在第天的条件期望VIX推出后成为全球投资者评估美国股票市场风险的主要依据之一2004年CBOE推出全球第一个波动性期货VIXFutures后受到全球投资者的追捧特别是2005年以来全球金融资产波动性急剧增加以后VIX的交易量更是屡创新高在期权进入交易后投资者就可以利用隐含波动率为自己的投资做指导使用方法主要包括1买卖波动率期权的投资者除了可以利用预期标的股价的变化方向来买卖期权外还可以从股价的波动幅度的变化中获利一般来说波动率并不是可以无限上涨或下跌而是在一个区间内来回震荡投资者可以采取在隐含波动率较低时买入而在较高时卖出期权的方法来获利2与历史波动率做比较确定买卖时机若投资者已经决定了买卖方向可以将历史波动率与隐含波动率做比较在隐含波动率低高于历史波动率的时候买进卖出期权3另外投资者还可以通过隐含波动率比较同一标的资产不同剩余时间的期权隐含波动率越小该期权越便宜从而可以为选择期权的种类提供指导23多因子模型多因子模型可以理解为对于风险与收益关系的定量表达不同因子代表了不同风险类型的解释变量多因子模型定量刻画了资产的预期收益率与该资产在每个因子上的因子暴露度以及因子收益率之间的线性关系由于股票的预期收益是对投资者所承担风险的报酬多因子模型正是对于风险收益关系的定量表达不同因子代表不同风险类型的解释变量多因子模型定量刻画了股票预期收益率与股票在每个因子上的因子暴露度以及每个因子每单位因子暴露度的因子收益率之间的线性关系多因子模型的本质是降维分析在收益计算上多因子模型把股票收益表示为一组共同因子的收益和一个仅与该股票有关的特异性收益的组合其中rn表示股票n的收益率Xnk表示股票n在因子k上的暴露度fk表示因子k的收益n表示股票n的特异性收益率请参阅最后一页的重要声明多因子与ESG策略量化深度报告模型的假设是共同因子收益率与股票特异性收益率不相关不同股票的特异性收益率之间亦不相关特异性收益风险代表无法被共同因子解释的收益波动如某些突发性事件驱动的股价变化未知的Alpha因子等在风险计算上多因子模型将对于股票收益协方差矩阵的估计转换为对于因子收益协方差矩阵和特异性收益方差矩阵的估计其中Varr表示股票收益率方差矩阵X表示股票的因子暴露度矩阵F表示因子收益率之间的协方差矩阵Varu表示股票特异性收益方差矩阵我们在5月12日发布的研报CNE7经典版多因子模型因子表现与模型解释力度分析中提到选择恰当有效的共同因子是搭建高质量风险模型的基础首先因子必须能够稳定有效地解释股票收益率保证统计上显著且时间序列上稳定其次因子之间不应存在过度的共线性再者在涵盖优质因子的基础下模型需要尽可能精简因子数目以减少风险预测的工作量并提高风险预测的准确度多因子模型通过将对于高维股票的收益风险预测转换为低维基本面因子的收益风险预测大大减少计算量的同时还有效提高了风险预测的准确度为此我们针对中国A股市场构建了CNE7经典版股票基本面多因子模型模型选用10个风格因子34个行业因子和1个市场因子作为解释股票收益的风险因子具体因子构建请参考研报CNE7经典版多因子模型因子表现与模型解释力度分析多因子模型用一系列共同风险因子来解释投资组合收益可以将组合的风险拆解到每一个因子即风险来源上并下钻到因子暴露度因子自身波动率以及该因子与投资组合相关性上本研报第三部分将针对该方法做进一步阐述三风险分解与波动率预测组合分解分析的目的是解释主动投资对组合的风险和收益的影响一般来说组合收益分解的公式为其中是投资组合在收益来源m上的风险敞口是该来源自身的收益率在风险预测时在分析期初时便是已知或确定的且收益分布也必须在期初进行预测因此对于投资经理来说最重要的是预测风险来源的收益从而确定每个风险来源上的敞口实现收益与风险的平衡请参阅最后一页的重要声明多因子与ESG策略量化深度报告31独立波动率分解法风险分解分解的一种简单方式为独立stand-alone波动率分析该方法将不同风险来源的波动性看作是互相独立的不存在相关性即独立波动率分解法的重要缺陷在于忽略了收益来源的相关性显然一个与投资组合高度正相关的收益来源要比一个不相关或负相关的收益来源的风险大得多在前一种情况下该收益来源往往与整个投资组合的表现同向变动因此提供的风险分散程度很低相比之下负相关的收益来源实际上降低了组合的风险因为它对投资组合的其他部分起到了对冲作用此外这种独立波动率分解法下各收益来源的波动率加总后与组合波动率并不相等使部分风险无法被拆解带来一定不透明性32边际风险贡献法另一种风险分解的方式是基于边际风险贡献MCRMarginalContributionofRisk它的定义为偏导数MCR的含义是对于收益来源m当小幅增加组合在该来源上的风险暴露组合层面的风险将变动重要的是投资经理可以通过增加在MCR为负数的收益来源上的暴露来降低整个投资组合的风险MCR的重要意义在于1风险分解MCR能够准确地表达组合风险与收益来源之间的关系2MCR能够检验投资组合实际表现是否与投资经理观点一致上文提到风险分解的重要一环是在期初预测收益来源m的收益率即亦称为隐含收益率隐含收益率与边际风险贡献MCR成正比正相关系数为该组合的信息比率IR边际风险贡献法的优势在于计算每一风险来源的隐含收益率但其劣势在于无法获得每一风险来源的波动率会带来一定不透明性请参阅最后一页的重要声明多因子与ESG策略量化深度报告33X-Sigma-Rho法本研报提出了一种将独立波动率法与边际风险贡献法相结合的风险分解方法该方法定义了驱动组合风险的三个方面收益来源暴露度收益来源波动率以及该来源与组合的相关性因此我们将该方法称为X-Sigma-Rho法通过简单地将和进行不同的组合可以得到上述两种风险分解方法的特殊情况具体来说独立波动率法即为边际贡献法则由得到因此X-Sigma-Rho公式可视为上述两种方法的结合X-Sigma-Rho法下风险分解公式为其中是投资组合在收益来源上的暴露度这是由投资经理来决定的是收益来源的波动率是与组合的相关性34波动率预测与期权定价上文介绍了基于多因子模型CNE7构建的风险分解方法X-Sigma-Rho通过该方法对投资组合波动率在期初进行预测为股票期权定价提供了新思路将X-Sigma-Rho计算的波动率代入期权定价BS模型中可得到相应期权价格在经典的Markowitz均值方差模型中投资组合的风险计算方法为计算投资组合内部个股之间的协方差矩阵这个方法在实际操作中存在计算效率问题在有N只股票的投资组合中需要进行N的乘方级次计算才能得到个股之间的协方差矩阵若N为1000即对于中证1000指数期权而言一次风险确定就要涉及上亿次计算本文多因子模型将计算次数下降到了因子数量的乘方级次而因子数量相对股票数量较小其计算次数在可控范围内因此在实际的投资组合风险确定过程中更具备可行性四实证研究在上文我们阐述了类期权产品等期权产品本质上还是预测标的资产的波动率幅度并比较了BS模型和CNE7模型等前沿方法的模型假设和计算方法BS模型考虑了当前资产价格期权行权价格到期时间和无风险利率等因素计算出标的隐含波动率ImpliedVolatility该IV满足使期权的理论价格等于市场价格的波动率水平这一条件进而识别基于隐含波动率和基础资产历史波动率之间差异的潜在交易机会高隐含波动率表示市场预期基础资产未来将出现显着价格波动而低隐含波动率表示市场预期基础资产价格相对稳定CNE7考虑了来源于多类风格因子和行业因子的协方差基于因子暴露可以计算和预测任意组合的波动率适用范围更广另外在涉及大量标的资产计算量级上更为轻捷不必直接估计N只标的协方差矩阵以沪深300指数为例我们分别利用BS和CNE7模型基于300ETF期权中金所沪深300股指期权的期请参阅最后一页的重要声明多因子与ESG策略量化深度报告权价格计算其2020年至2022年末的隐含波动率总体上看BS和CNE7模型的波动率走势几乎一致暗含沪深300的波动率呈现周期性趋势但CNE7模型估计的隐含波动率变化更加连续稳定较少出现像BS模型2020年3月7月和2022年3月的跳跃估计点图表8CNE7和BS模型的沪深300隐含波动率450CNE7模型BS模型4003503002502001502021-062022-012022-042020-022020-032020-042020-052020-062020-072020-082020-092020-102020-112020-122021-012021-022021-032021-042021-052021-072021-082021-092021-102021-112021-122022-022022-032022-052022-062022-072022-082022-092022-102022-112022-12数据来源Wind中信建投我们利用Granger因果检验的方法比较上述两者对于沪深300波动率预测的有效性和准确性Granger考虑两个时间序列之间的因果性这里的因果性指的是时间顺序上的相关性的显著程度如果1对于有额外的预测作用则认为是的Granger原因实践中通过对进行回归判断系数是否显著来验证对的预测能力我们的实证结果显示CNE7方法预测能力更强图表9展示了两者Granger因果检验的结果图表10展示了P值的统计阐述表系数的P值愈小意味着回归系数愈显著该模型的预测能力越强我们发现CNE7方法的波动率即使在滞后37天后预测能力依然可靠在滞后41天时P值仍小于010而BS模型的隐含波动率仅在滞后7-31天的范围内P值小于005但显著程度也基本低于CNE7方法图表9BS模型隐含波动率和CNE7模型波动率检验结果请参阅最后一页的重要声明多因子与ESG策略量化深度报告P值CNE7波动率BS隐含波动率0350300250200150100050001234567891011121314151617181920212223242526272829303132333435363738394041滞后天数数据来源Wind中信建投图表10Granger因果检验P值p值区间显著水平005p0110的水平上显著001p0055的水平上显著p0011的水平上显著数据来源Wind中信建投注原假设为隐含波动率不是沪深300实际波动率的Granger原因P值越小代表隐含波动率预测能力越强上文我们介绍到风险拆解可以分析各个投资策略对主动风险的影响2022年12月31日沪深300的预测总风险为1705其中主动风险超额风险由共同因子风险和个股选择风险构成如图表11所示我们以无风险收益率现金收益率为基准对沪深300的绝对风险进行拆解其中能被共同因子解释的风险有1694风险贡献高达9868不能被共同因子解释的即股票选择方面带来的风险有196风险贡献占比仅132共同因子风险中市场因子风险1647该部分风险来源于全市场波动且风险贡献占比最高约9336行业与风格的风险占比相近分别约561和544其中行业与风格的波动率分别约1526和789行业波动相对更高值得注意的是协方差矩阵反映了不用因子大类之间的协方差若协方差为负说明共同因子大类的风险之间有分散效果存在沪深300的协方差风险贡献为-572说明市场行业风格的风险存在分散效应请参阅最后一页的重要声明