这篇文章对我今年做的一笔大规模交易进行了深入分析。
它将教你如何像专业人士一样评估交易机会。
这篇文章将从头到尾梳理这笔交易，希望能让你洞察：要在市场中找到一个真正出色的优势，需要付出什么。
先做个完整披露。这笔交易是一位朋友向我提起的。八月底，他分享了一个非常有阿尔法（alpha）的、相当有意思的想法；在这篇文章里，我会带你走一遍他是如何发现它的、他得出的论点，以及他是如何给它定价的。
为了让你感受这笔交易有多大，在我亲自认识、参与了这笔交易的人当中，我们合计持有 -30,000 的 Vega 敞口。
注：如果你想阅读我期权指南的所有章节， 请点击这里查看我的帖子列表。
机会：
2021 年 7 月和 8 月，中国与外界的紧张局势真正开始升温。恒大（Evergrande）危机全面爆发，企业承受着来自中国政府的压力，与中国的外交关系似乎也比往常更不确定。
我们开始研究这笔交易时，KWEB 已下跌 35%
我们看到中概股遭受重挫，短短几周就跌了约 35%。
这笔交易涉及卖出 KWEB 的波动率，KWEB 是中国互联网指数（China Internet Index）。
它由总部位于中国的公司构成，这些公司的主营业务聚焦于互联网产品/服务（类似于 Google、FB、Twitter、Amazon 等公司）。
乍一看，如此高的波动率水平似乎相当合理。但请记住，高波动率和"贵的波动率"不是一回事。比如，隐含波动率可能过高。
大多数交易者根本不会碰这种情形……
但恰恰是这类情形，能为我们创造找到巨大优势的机会。
你看，市场是相当有效的。有许多聪明的参与者。但当事情被打乱时，效率就会下降，会有些零钱从缝隙里漏出来，等着聪明的交易者去捡。
理解困境市场情形周围的机会
在我们进入交易研究之前，需要先理解这个场景。
下面是我试图向别人解释它时用过的类比。
亚马逊每天大约运送 160 万件商品。你能想象一个亚马逊仓库有多高效吗？
他们投入了海量的时间和金钱，来完善巨型仓库里每一个流程。商品完美地从货架流向卡车，再发往客户手中。
现在，想象仓库的某一区发生了一场小火灾。
当然，那一个区需要修缮，但它也会影响仓库其余部分的工作流。曾经完美高效的系统，现在出现了许多故障、瓶颈等等。
如果你是个初级运营经理，在平常日子里很难找到可以改善亚马逊仓库的地方。但在火灾那天，你大概能指出这场事故造成的瓶颈。
混乱为你创造了有所作为的机会。
这和市场并无太大不同。
在平常日子里，散户交易者很难比其它市场参与者更高效地为市场定价（有些非常、非常聪明的人，拿着巨额薪酬在玩这个游戏）。
但当一场"火灾"发生时，事情就会真正乱套。
当大多数人逃离这些机会时，聪明的散户交易者会认真审视它们，有时能发现别人忽视的隐藏瑰宝。
这就是这笔交易的基础。
初步研究
我们做的第一件事，是试着理解中国的情况。我们花了很多时间研究恒大、消息是何时冲击市场的、局势是如何演变的。我们也研究了中国政治和经济的大环境。
市场上确实有一些值得担忧的理由。但事情已经遭受重创，而我们需要回答的问题是当前这个隐含波动率水平是否合理。
分析 KWEB 的 IV
由于这是我过去做的一笔交易，我把图表设置成回看 2021 年 8 月 24 日当时的波动率状况。
7 月波动率出现巨大飙升，随后回落。8 月又开始再度攀升。所有到期日都出现了这种情况。
看着几个不同的到期日，我们看到 7 月消息刚爆发时 IV 的快速拉升，以及 8 月的第二波冲高。
看起来所有不同到期日的走势都差不多，但让我们凑近一点看……
先来看 30 天和 60 天的期权。
对于近期到期期权，8 月的拉升幅度不如 7 月。
首先我们注意到它最初有一波大尖峰，然后降温，接着又冲回差不多的水平。几乎就像是 Gamma 现在被定价得和第一次大波动时一样高。
这里的关键词是几乎到一样的水平。
然而，当我们看 1 年期（DTE）期权时，我们看到了不同的情况：
对于远期到期期权，8 月的拉升幅度大于 7 月。
它持续创出新高，逼近 45% IV！
其它所有期限都接近了高点，但更长期限的波动率扩张得高得多！
如果更长期限的期权价格和别的一样变动，我们可能会看到它们大约在 37-38% 的波动率水平。
如果我们把两个高点处的期限结构（term structure）画出来，就能看得更清楚。
对比 7 月与 8 月的期限结构，变化一目了然。
你可以看到，在 7 月 27 日，除了 1 年期（以及 2 年期，只是没在图上）期权之外，每个到期日的 IV 都高于其在 8 月 24 日的 IV。
是什么导致了这种情况？
乍一看，似乎有人在大力追捧（reach for）Vega 敞口，但这里流动性并不高。
我的意思是，看起来有人在更长期限的期权上试图建立头寸、以获取多头 Vega 敞口，但因为这类长期限期权流动性低，它们可能被抬得比应有的更高。
一开始，这就是我想深入研究的地方。所以我们从那里开始，去研究 KWEB 持有的一些股票。
BIDU、JD、BABA、TCOM 的一年期隐含波动率，全部在 42-43% 附近交易。
我想看看 KWEB 部分持仓的 1 年期 IV 是多少。所以我们画出了 BIDU、BABA、JD 和 TCOM 的 IV。
令我们惊讶的是，它们的 IV 交易在 ETF 的 IV 之下。
这非常有趣，因为单一个股的隐含波动率本应高于 ETF 的隐含波动率。
ETF 的 IV 应该低于其成分股
我们用一个基础例子来理解这一点：
想象你去食品市场，单个苹果每个卖 $1。就在它旁边，一篮 10 个苹果卖 $11。
显然哪里不对，对吧？
我们在市场里看到类似的情形。当我们把所有成分股一起考虑时，ETF 的波动率不应该高于其成分股的隐含波动率。
即便如此，它们也不应该相等。ETF 应该拥有更低的隐含波动率。
原因就在于，ETF 由许多各自独立运动的部分构成。ETF 的成分股彼此独立。
这意味着当其中一只下跌时，ETF 里的另一只股票可能上涨，或者跌得少一些。ETF 内不同股票的运动可以相互抵消，从而降低 ETF 整体的运动幅度。
简而言之，由于分散化（diversification），ETF 的波动率应该低于其成分股波动率的合计。
ETF 内股票的相关系数越高，分散化越少，因而波动率越低。反过来，相关性越低，ETF 波动率就越低。
如果 ETF 的隐含波动率与其成分股的波动率相似，那么市场就是在暗示 ETF 内股票之间存在高相关性。
我们的假设演进了。
我们的理论变成了：KWEB 的隐含波动率太高了，以至于其中的股票必须高度相关，KWEB 才会真的这么波动。
如果 KWEB 所暗示的、成分股之间的相关性过高，我们就可以卖出 KWEB 的波动率，押注隐含相关性下降，从而 ETF 的隐含波动率下降！
一旦市场意识到这个 ETF 比当下看起来更分散化，隐含波动率就会回落。
为了深入挖掘，我的朋友做了一张包含 KWEB 所有持仓的表格。
他记录了公司名称、该股票占基金的比例，以及它的 2 年期隐含波动率。
包含 KWEB 全部成分（及其占基金权重与各自 IV）的电子表格
有些股票没有对应的期权。但好在这只占基金的 4%。而且，对于在美国没有期权交易的那些股票，我们能用彭博（Bloomberg）查到它们的一些空白数据。
例如，腾讯（Tencent）2022 年 12 月的 IV 是 34%。
我们使用彭博终端抓取那些在美国不交易期权的股票的波动率
那么，收集所有这些数据的意义是什么？
目的是计算 ETF 的隐含相关性（implied correlation），从而判断它是否计入了足够的分散化。
关于如何计算隐含相关性，我会另写一篇文章深入讲解。但眼下……
要计算隐含相关性，我们需要三样东西：
- 所有 ETF 成分股的隐含波动率
- 所有 ETF 成分股的权重
- ETF 自身的 IV
有了所有这些资讯，我们就能算出 ETF 的隐含相关性是多少。
我们跑了数据，得出 2 年期期权的隐含相关性为 76%。这非常高。
为了让你感受它有多高，下面是当时其它一些 ETF 的隐含相关性：
基于上面，我们通常看到隐含相关性在 34-50% 之间。而在 KWEB 上，我们看到的是 76%！
所以我们得问问自己……"我们真的认为 KWEB 里的股票在未来一两年里会有 76% 的相关性吗？而如果真实相关性更低，那对 KWEB 的波动率意味着什么？"
我们需要回答的另一个问题是：我们认为隐含相关性应该是多少？
假设我们认为公允的隐含相关性是 45%。我们可以改变方程，看看如果我们的隐含相关性观点正确，IV 应该是多少。
如果这只篮子（basket）的隐含相关性是 45%，那么今天 ETF 的 IV 公允价值就是 37%。
话虽如此，我们需要确定 45% 的相关性是否是公允价值。
一种方法是看 KWEB 的历史实际相关性（realized correlation）。另一种方法是把它和其它 ETF 的实际相关性做比较（听着耳熟吗？这就是绝对与相对价值分析……和我们平时对波动率做的分析一样）。
下面是一些 ETF 的实际相关性。
在也看过 KWEB 的实际/隐含相关性之后（暂时找不到图了，稍后更新），我们的观点是：隐含相关性的公允价值在 45-50% 之间，因此隐含波动率应该在 35-40% 之间。
我们的观点
KWEB 长期限期权的隐含波动率当前在 45% 左右交易。我们认为公允价值在 35-40% 之间。
我们预计隐含波动率需要 3-4 周才能回落到我们的公允价值。
交易结构
交易这类想法有几种不同的方式。
例如，如果我是一家大型对冲基金，想承担更少的风险，我可以做一笔离散交易（dispersion trade）。
我会试着复制一个 ETF，以复制它的波动率。我会买入成分股的波动率，卖出 ETF 的波动率。
基本上，这就相当于买入实际相关性，卖出隐含相关性，并捕获两者之间的价差。
然而，这对我们散户交易者来说更费资本，也有些杀鸡用牛刀。
当我发现一个巨大的优势时，我更喜欢再加把火。
所以我们决定直接做空 Vega，卖出 KWEB 的波动率。
在我认识参与这笔交易的人里，我们的结构都略有不同。我个人选择卖出 2023 年 1 月到期、行权价 $58 的跨式组合。
借助这个交易结构，我的 Delta 略微偏多。我几乎没有什么 Theta 或 Gamma，却有大量的 Vega。基本上，只要股票不朝一个方向趋势性走得太狠，这就是一笔相当线性的交易。
如果 IV 上升，我就亏钱。如果 IV 下降，我就赚钱。
我决定，如果 IV 升到 50% 我就止损，我的目标是在 IV 大约 36% 时获利了结。
交易的推进过程，以及我如何管理它
随着时间推移，股票开始上下震荡。股价从 $50 涨到 $53，又跌到 $47。隐含波动率每周上下变动几个点。
这段时期，我选择不做 Delta 对冲。如果它走得更远，我就会对冲，但我选择接纳一些波动，而结果对我很好——因为价格不断回到 $50 附近。
其他人设定了严格得多的 Delta 对冲阈值，在那种情况下，这最终让他们少赚了不少利润。当你做空波动率时，每次做 Delta 对冲，你都锁定了一笔利润。
不过，这笔交易最终花的时间比我预期的更长。我最终持有了这个头寸大约 2 个月。
隐含波动率回落至 39%！
9 月我们看到隐含波动率降到约 39.5%，然后反弹回约 42%。到 10 月底，它又回落到 38-39%，此时我选择退出。在同一时间段内，价格虽有震荡，但最终几乎正好回到进场时的位置。所以我在 Delta 上没亏多少。
价格保持相对平稳！
我比预定获利目标更早退出的原因是，我在这个头寸上占用了一大笔资金。当交易里还有大量优势剩余时，我很乐意留在里面，但到了这个时点，更好的交易已经出现，我决定把那笔资金重新配置。
交易结果
我以大约每张 $23 卖出了 2023 年 1 月到期、行权价 $58 的跨式组合。我以每张 $19 把它买回。
这笔交易的利润是每张跨式组合 $4（$400）。鉴于我认为这笔交易的期望值很高，我有足够的信心在这笔头寸上加仓（size up），所以我实际的美元回报相当可观！
结论
我想说清楚的一点是，我并不会刻意把事情搞复杂。乍一听可能觉得复杂，但我们其实只是把分散化和相对价值这两个概念结合起来。
交易是一场竞争。是那些拥有知识、创造力和经验，去探索想法并识别出最佳想法的人，才能赚到钱。
最近，我问了我最喜欢的一位交易者一个问题：
你认为有哪些高容量的策略，是交易者可以运行的、且具有高期望值的？
这是他的回答：
"也许原因在于，我感知到的'交易的理解方式'与'非专业人士普遍理解的方式'之间存在脱节。
似乎有一种强烈的渴望，想要有一份交易的'寿司菜单'和策略，你可以从中挑选，塞进几个数字或做点搜索，然后 somehow 在最后得到一组 +EV 的交易。
但我没有理由相信那种方法有效。以我的经验（IME），好的交易和策略，恰恰是那些你从第一性原理思考出来的、或者盯着市场盯出来的、或者由某个对你的成功有强烈切身利益的人教给你的东西。
你把随机想法转化为 +EV 策略的过程，才是真正困难的部分。即，你告诉我人们觉得有挑战的那部分。他们当然会觉得有挑战！"
所以别气馁。兴奋起来！桌上摆着钱，是给那些配得上它的人准备的。
如果你有疑问，在评论里提问，我会尽力回复你。
交易顺利，
~ A.G.