Jeff Liang (@JeffLia12309881)
@JeffLia12309881
波动率交易课程与BTC本位生息策略讨论
2K 正在关注 19.1K 粉丝
期权高阶课程二周目即将开启。
期权真正打开的，是价格方向之外的交易维度：波动率、期限结构、偏度、曲率，以及这些风险之间的动态转化。
如何在期权中长期提取波动率溢价，实现币本位生息？
可以关注我们第二周目的期权波动率课程
错过第一轮的朋友，可以从头开始学习了
目前我们提供给大家的有：
• 基于 SABR 模型的回测系统
• 期权波动率交易工具
• 组合 Greeks 监控
• 策略回测与验证
• 实时行情讨论
• 交易操作细节拆解
• 课后答疑与一对一交流讨论
@JeffLia12309881 也会在课程中持续增加新内容，在后续直播中分享更多曲面与实盘风险管理的细节。
感兴趣的朋友欢迎添加VX：MaxLi1700 获取更多信息
显示更多
不知道客户测的什么头寸，年化40%，不过回撤也是够猛的。夏普不高，0.63，卡玛比率 0.51。还是得注意风控。
Jane Street Q1净利160亿美元，年化640亿美元。临渊羡鱼不如退而结网。在读经典的Avellaneda-Stoikov模型，讲真，比期权模型是容易理解多了。最近对指数效用函数的理解也加深了。
显示更多
精辟！
Jeff的这条回测其实很有意思。
很多 $BTC holder 想囤币生生息的时候都会觉得：
“我反正长期持币，那我卖一点 OTM Call，收点权利金，不就能增币了吗？”
但回测结果显示：
第一种：每天卖一点 30 天后到期的 0.1 delta OTM Call。
结果：2019–2026 年，总收益只有 0.37 BTC，年化 1.8%，Sharpe 0.22，最大回撤 -0.63 BTC。
第二种：如果卖更近一点、更“肥”的 0.25 delta Call，结果更差。
总收益只有 0.02 BTC，年化几乎为零，Sharpe 0.0069，最大回撤反而达到 -1.38 BTC。
这种策略基本完全是个笑话，或者说不择时的做的话，完全是个笑话。
单纯的，不择时的，裸卖call，就是一种分不清主次，搞不明白你是来干毛的，抓不住重点的，又怕事儿的纯纯的懦夫策略。
原因也很简单：
BTC 真正值钱的部分，恰恰是少数几次右尾暴涨。 无脑卖 Call，本质上就是长期把这部分凸性卖掉。
这也是为什么我非常不喜欢备兑，并且抵触卖call。
$BTC 持币生息这件事，真的不是一句“卖 Call 收息”能解决的。
那问题来了：卖方策略到底能不能赚钱？
能。波动率风险溢价（VRP）是真实存在的，Leifu用1814天的数据验证过，三个市场周期VRP全部为正。卖方长期有edge，这个结论没问题。但edge存在不等于你能收割它，就像矿在地下，你没有工具就只能看着。
@JeffLia12309881 的波动率课程教的就是这套工具。不是“卖put还是卖call”这种入门问题，而是从底层往上搭建一整套风险管理框架：
第一层：曲面认知。
你不能只看一个IV数字就决定卖不卖。Jeff从SABR模型校准讲起，教你读懂整个波动率曲面，ATM水平是高还是低、Skew是陡还是平、曲率（Fly）是什么形态。同样IV 50%，Skew陡峭时卖put和Skew平坦时卖put，风险收益完全不同。
第二层：Greeks管理。
标准BSM的Greeks在曲面变形时会失真。Jeff讲的是SABR框架下的smile Greeks，VegaSkew和VegaFly，让你知道自己的仓位在Skew变化1个vol点时亏多少钱，在曲率压缩时赚多少钱。
有了这个你才能做精确的P&L归因，而不是每天看着不明盈亏抓瞎。
第三层：二阶波动率交易。
这是课程里门槛最高但最有价值的部分。Vanna、Volga不只是教科书上的定义，而是实际决定你在极端行情中是活着还是爆仓的关键变量。
Jeff讲Volga如何在尾部事件中非线性放大亏损、Vanna如何在spot-vol相关性翻转时让你的delta hedge失效，这些是回测里那些巨大回撤背后的真正原因。
第四层：期限结构和择时。
什么时候该卖近月，什么时候该卖远月，contango和backwardation下的策略选择完全不同。
@leifuchen 之前推文的数据显示VRP从+14.7压缩到+4.4，在这个趋势下你如果还用2021年的策略在2026年卖vol，安全垫已经薄到覆盖不了一次像样的尾部事件。
回测告诉你“裸卖不行”，但不会告诉你“怎么卖才行”。
Jeff的课程就是回答后面这个问题的——六节直播课，2000+小时蒸馏出来的体系，从曲面认知到Greeks管理到二阶波动率，是目前中文世界里最完整的期权波动率交易教育。想让卖方策略真正跑出来，工具得先到位。
@JeffLia12309881 的课程配合 @GreeksLive 的工具，是囤币人持币生息的不二之选。
欢迎对Crypto波动率交易策略感兴趣的朋友加入我们期权讨论社区：
显示更多
Modern Portfolio Theory!
感谢 Jeff 分享双币赢高卖策略的回测结果，我再补充一下双币赢的低买策略的回测结果（2019.6-2026.5）：
策略描述：
本金 3 BTC，每天卖出 0.1 张 30 天后到期的虚值 10 delta Put，不对冲。30 天积累 3 张卖权，此后新建仓与每天到期平衡。
收益分析（见左图）：
- 总盈亏：0.82 BTC （vs 高卖 0.39 BTC ）
- 胜率：66.7%（vs 高卖 65.8%）
- 最大回撤：-0.66 BTC （vs 高卖 0.63 BTC）
- 夏普： 0.32 （vs 高卖 0.23）
总体来看，双币赢的低买策略表现要比高卖更好，承担的尾部风险差不多但收益翻番。
如果把这双币赢的高卖和低买策略组合，结果会如何呢？
策略描述：
本金 3 BTC，每天各卖出 0.1 张 30 天后到期的虚值 10 delta Put 和 虚值 10 delta Call，不对冲。30 天积累 6 张卖权，此后新建仓与每天到期平衡。
收益分析（见右图）：
- 总盈亏：1.19 BTC （相当于低买和高卖收益累加 ）
- 胜率：66.5%（胜率变化不大）
- 最大回撤：-0.61 BTC （ 回撤没有累加）
- 夏普： 0.40 （比高卖 0.23 和低买的 0.32 都要高 ）
低买和高卖策略合并体现了组合策略的优势，收益累加，波动没有累加，夏普得到了很大的提升。
显示更多
卖Put版本的回测，每天卖出0.1张30天 10delta Put，本金3 BTC，“半备兑”。以及带2delta Put买权保护地卖Put。收益比卖Call高。不过双币只能持有U卖看跌，只有自己做期权才能存BTC卖Put。建议带保护卖，尽管收益少一些。
显示更多
回测能提供很多直观的理解。比如，从2019年到2026年，每天卖出0.1张30天后到期的虚值10delta Call，不对冲，做备兑。30天积累3张卖权，此后新建仓与每天到期平衡，本金3 BTC，真·备兑。收益分析和盈亏走势图如下。如果是卖大家卖得最狠的25delta Call，那处境更难一些。
显示更多
回测会陆续内测更新，交易期权的朋友都会用上这个工具
欢迎大家加入我们的TG群获取：GlobalLife2023
回测能提供很多直观的理解。比如，从2019年到2026年，每天卖出0.1张30天后到期的虚值10delta Call，不对冲，做备兑。30天积累3张卖权，此后新建仓与每天到期平衡，本金3 BTC，真·备兑。收益分析和盈亏走势图如下。如果是卖大家卖得最狠的25delta Call，那处境更难一些。
显示更多
回测能提供很多直观的理解。比如，从2019年到2026年，每天卖出0.1张30天后到期的虚值10delta Call，不对冲，做备兑。30天积累3张卖权，此后新建仓与每天到期平衡，本金3 BTC，真·备兑。收益分析和盈亏走势图如下。如果是卖大家卖得最狠的25delta Call，那处境更难一些。
显示更多
周末卖权的效益依然权威。这个做法倒是适合taker的。
2026 年了，BTC 周末做空波动率还能赚钱吗？
@cryptarbitrage 去年在 Deribit Insights 上发表了《再谈 BTC 周末做空波动率策略》，他在文中介绍了一个在 ETF 上市后依然有效的简单策略：
周五 16:00 UTC 卖出一组周日 08:00 UTC 到期、35 delta 的 BTC 宽跨式，持有到期不做对冲。
这个策略在 2024 年 9 月至 2025 年 4 月的样本期取得了年化收益 41%、最大回撤 4.5%、夏普 5.31 的成绩(含面值万 3 手续费 + 5% 报价滑点)。原文作者甚至花了大量篇幅解释这是做空波动率策略在短窗口的超常发挥，不可以当做常态处理。
一年过去了，这个策略在公开发表后是否还存在超额收益呢？我们通过正在内测的格致期权回测功能，将策略表现更新至 2026 年 5 月 8 日，结果发现：周末做空波动率策略虽然经历了 2025 年 10 月和 2026 年 1 月两次闪崩，但夏普依然稳定在 2.24，最大回撤为 5.2%
周末效应的风险溢价没因为策略公开就消失，两次闪崩属于做空波动率的常态尾部风险，当前市场的隐含波动率整体降低，单笔盈利缩水，总体表现打了折。
显示更多
满洲哥写得太好了！
太强了！感谢 @GreeksLive 团队！
先说回测结果本身：每月双卖30天 $btc ATM跨式+每日delta对冲，Sharpe 0.84，胜率63%，最大回撤0.14 BTC。数字不夸张但是非常真实的卖方的样子：稳定收租，偶尔挨打，长期为正。
这种带DDH模拟的期权策略回测，在美股市场都是稀缺品。
美股做期权回测的工具不少（ORATS、OptionVue、TastyTrade），但大多数只能回测静态策略，比如“每月卖一个iron condor然后持有到期”。
一旦你想加入DDH，就需要完整的历史期权链数据（不是只有ATM vol，而是每一个strike，每一个到期日的完整曲面），加上一个能模拟每日调仓滑点和交易成本的引擎。
这套东西在美股要么自己写代码+买OptionMetrics的数据（一年几万美元），要么用机构级平台。散户基本接触不到。
而在加密期权市场，这种工具在此之前根本不存在。你想回测一个Deribit上的卖方策略加DDH？自己写Python爬历史数据慢慢搭。
现在GreeksLive直接把这个做成了产品，而且是带SABR模型一致性的回测，这意味着你回测时用的Greeks和你实盘时用的Greeks是同一套模型算出来的，不存在“回测用BSM实盘用SABR”的错位问题。
做时间的朋友之前，先得有工具验证时间到底是不是你的朋友，对吧？
@JeffLia12309881 的波动率交易课程，不仅仅是教授知识，其实我觉得更多是一整套系统的东西。
欢迎大家加入我们Crypto期权社区一起讨论：
显示更多
感谢无忌哥美誉！正式版本预计6月份推出。
这次真的放了大招，#加密期权回测系统# 好用，王炸级别！
我测试了几组中性策略，效果非常不错。
分享其中一组。
每个月双卖到期日30天的平值的跨式策略，每日DDH维持中性。收益如何？
回测过去一年，只开1张call和put，收益0.08个BTC。详见报告。
这个收益率接近百分之十了。
总 P&L (BTC)：0.083627
期权 P&L (BTC)：0.066258
DDH P&L (BTC)：0.017369
年化夏普比率：0.8377
最大回撤 (BTC)：-0.140949
Calmar 比率：0.5933
胜率：63.01%
卖方真的是圣杯，哈哈~
回测系统蹲公测的朋友，可以加入格致电报社群，我首页有传送门。
做时间的朋友，一起致富~
显示更多
**Summary: Discussion between Jeff Liang and Quant Alex Wu on Optimizing Option Order Execution and Slippage Capture**
The core topic of their conversation is: **The current option limit order execution is poor (high slippage, low fill rate), essentially due to the lack of professional high-frequency / algorithmic market-making capabilities. They need to upgrade from “cutting meat with a blunt knife” to a sophisticated Delta-hedging + options market-making system.**
### 1. Problem Diagnosis
- Current order placement feels like **“cutting meat with a blunt knife”** — poor queue position, low fill probability, and severe slippage.
- Jeff provided concrete data: **Average loss of approximately $5.2 per executed option contract** (slightly less than 1 bp), including fees and rebates — still unacceptable.
- Even with perpetual futures maker fee rebates helping a bit, the situation “cannot be ignored.”
- **Price checking and adjustment frequency is NOT the root cause.** The real drivers are **fill probability** and **queue position**.
### 2. Fundamental Solution Direction (Alex’s View)
- A robust **Delta-hedging system** shares significant technical overlap with high-frequency market-making systems for spot, futures, and perpetual contracts. Without this foundation, one is essentially powerless against adverse selection.
- Using **maker orders for Delta hedging** is conceptually the same as **Delta-1 market making for inventory risk management** — the analogy made everything “suddenly clear.”
- Options market making and Delta-1 market making are **tightly coupled**:
- The Delta-1 system handles the Delta exposure of options.
- Options themselves can provide protection for Delta-1 positions.
### 3. Technical Difficulty and Implementation Path
- This requires entering the realm of **algo trading / HFT**, involving substantial research and engineering resources.
- **Language requirement**: Python is **not sufficient**. Must use **C++ and Rust**.
- **Target clients**: Institutional clients and high-net-worth individuals engaging in on-exchange block trading.
- **Detailed step-by-step roadmap from scratch (Alex’s plan)**:
1. Collect large volumes of **order book data** (snapshots, incremental updates, tick-by-tick trades) for perpetuals + futures + options.
2. Build **fill probability models + queue models**, including:
- Limit order arrival intensity
- Fill probability
- Queue position
- Latency modeling
3. First implement and validate on **Delta-1 products**, then extend the backtesting system to support these HFT primitives.
4. Expand from Delta-1 / single option contracts to **all option contracts** (requires major redesign and validation due to performance demands).
5. Develop specialized algorithms for **limit order posting + aggressive crossing** to reduce overall slippage.
6. Finally, conduct small-capital live trading validation.
Alex repeatedly emphasized: **“This project is genuine heavy industry.”**
### 4. Consensus
- Delta-One research is the foundation for studying option fill probabilities.
- Options market making must be deeply integrated with the Delta-hedging system — they cannot be treated separately.
- The current phase is **infrastructure building**, requiring patient and significant investment.
**Overall Assessment**:
Alex provided a highly professional and systematic optimization roadmap, covering data infrastructure, modeling, and execution layers. Jeff focused on the business pain point (real slippage costs). Both fully agree that a fundamental rebuild of the underlying high-frequency system is necessary.
This is a classic **quantitative execution optimization** discussion — starting from a clear business problem and pointing directly toward building institutional-grade HFT-level capabilities.
显示更多
和Quant Alex @StochAlex07 讨论：
**总结：Jeff Liang 与 Quant Alex Wu 关于期权挂单滑点捕获优化的讨论**
两人讨论的核心焦点是：**当前期权挂单执行效果差（滑点大、成交差），本质上是缺乏高频/算法做市能力导致的，需要从“钝刀子割肉”升级到专业的 Delta 对冲 + 期权做市系统**。
### 1. **问题诊断**
- 当前挂单像“**钝刀子割肉**”，成交概率低、排队位置差，滑点严重。
- Jeff 提供数据：**平均每成交 1 张期权亏损约 5.2 美元（略小于 1bp）**，已含手续费和返佣，仍无法接受。
- 即使永续合约 maker 返费能补一点，也“无法坐视不理”。
- **价格检查和调整频率不是核心**，**成交概率（fill probability）和排队位置（queue position）才是关键**。
### 2. **根本解决方案方向（Alex 观点）**
- **好的 Delta 对冲系统与现货/期货/永续高频做市系统有大量技术重叠**。没有这个基础，面对逆向选择（adverse selection）基本无力。
- 把 **maker 单做 Delta 对冲** 本质上等同于 **Delta 1 做市处理 inventory risk** 的过程，两者“豁然开朗”地高度一致。
- 期权做市和 Delta 1 做市是**联动的**：
- Delta 1 系统负责处理期权的 Delta。
- 期权本身也能给 Delta 1 头寸提供保护。
### 3. **技术实现难度与路径**
- **需要进入 algo trading / HFT 领域**，涉及大量工程投入。
- **语言要求**：Python 无法胜任，必须 **C++ 和 Rust**。
- **针对客户**：最终服务于场内大宗交易的机构客户 / 高净值个人。
- **从 0 开始的完整路线（Alex 详细规划）**：
1. 大量采集 **永续 + 期货 + 期权订单簿**（快照、增量、逐笔成交数据）。
2. 构建 **成交概率模型 + 队列模型**：
- 限价单 arrival intensity（到达强度）
- 成交概率
- 排队位置
- 延迟建模
3. 先在 **Delta 1 产品上跑通**，验证回测系统。
4. 再扩展到**全部期权合约**（需大量重构与验证，代码复杂度很高）。
5. 额外开发**挂限价单 + 打对价成交**等专业算法，降低总体滑点。
6. 最后小资金实盘测试。
Alex 反复强调：**“这个项目是货真价实的重工业”**，工程量和研究投入都很大。
### 4. **共识**
- Delta One 的研究正是期权成交概率研究的基础。
- 期权做市必须和 Delta 对冲系统深度融合，不能割裂。
- 当前阶段是**基础设施建设期**，需要耐心投入资源。
**总体评价**：
Alex 给出了非常专业、系统性的优化路径，从数据层、模型层到执行层都有清晰步骤，强调这不是简单调参数，而是要建立高频做市级的能力。Jeff 则侧重业务痛点（真实滑点成本），两人对“必须重做底层系统”达成一致。
这是一个典型的**量化执行优化**讨论，从业务问题出发，直指 HFT 级基础设施建设。
显示更多
Leifu的这篇帖子非常好。我先马克，晚点拿纸笔对照重点抄录记忆。
好策略不一定要更强，但一定要不一样
有些趋势跟踪策略的基金夏普比率（Sharpe Ratio）只有 0.3-0.5，也有很多资金认购，主要是因为策略配置时，除了收益以外，策略间的低相关性也很重要，怎么说 Sharpe 0.3 也是盈利策略。
组合策略的 Sharpe 有收益线性叠加，波动按 √N 叠加的特点。N 个零相关、Sharpe 各为 S 的策略等权组合，组合 Sharpe = √N × S：
- 4 个 Sharpe 1 的独立策略 → 组合 Sharpe 2
- 9 个 Sharpe 1 的独立策略 → 组合 Sharpe 3
- 16 个 Sharpe 1 的独立策略 → 组合 Sharpe 4
独立交易员 Scott Phillips 在 Flirting With Models 的节目公开过他的加密组合策略，包括：
- 趋势跟踪（CTA 风格， 以 50% 年化波动率作为仓位控制的约束）：过去 4 年 Sharpe 1.7，收益分布正偏（大部分小亏，小部分大赚）
- 横截面动量（所有币按波动率标准化后，按过去 N 天收益排名，前几名开多，空后几名开空）：Sharpe 略高于 1.7，收益分布不如趋势偏向单边大赚
- 横截面套息（所有币按资金费率排名，最高的开多，最低的开空）：Sharpe 1.7（与趋势跟踪相近），收益分布是负偏（大部分小赚，小部分大亏），而且这个策略与前两个策略的相关性明显低。
Scott 最后总结：“这三个一起运行，很容易达到 Sharpe 2 ，执行上不需要太精细。”
按之前的公式倒推：N = 3，Sharpe 各 1.7，组合 Sharpe 取决于两两相关度 ρ：
- ρ = 0.5 → 组合 Sharpe 2.08
- ρ = 0.3 → 组合 Sharpe 2.33
- ρ = 0 →组合 Sharpe 2.94
可见相关度越低的策略在一起，对组合 Sharpe 提升越大（相关性在极端行情会失效，不过这是另一个话题，这里不展开）。
上面这几个策略都是价格方向上的相对排名，机制上有不少同源。要再降低相关性，就需要换一个完全不同的维度。
波动率策略做的是隐含波动率和实际波动率之差（波动率风险溢价），与价格方向的相关性显著变低。AQR 在波动率策略的研究里提过，波动率风险溢价策略与动量、套息、趋势的相关性都很低，所以将这类策略纳入组合，能显著降低波动性，从而提升组合 Sharpe。
可以试算一下，我们假设当前组合的相关性为 0.5，夏普为 2.08，此时加入一个 Sharpe 1.2 且和其他策略相关性只有 0.1 的新策略，那么新组合 Sharpe 将提升为 2.29。即使新增策略的 Sharpe 略低，依然使得整个组合的 Sharpe 提升了 10%。这是配置层面的杠杆：加入不同源的新策略，等于打开了一个新世界。
显示更多
预计6月份会有产品化成果面市。支持2019-2026期权回测。
期权回测体系的搭建面临很多显而易见的困难。
首先，得有历史数据，这是最容易克服的门槛，但也不便宜。
然后，假设我们要测一个最简单的策略，卖出Straddle（平值双卖）。数据从2025/1/1开始，有很多到期日，假定我们选2025/3/28到期，还剩86天到期。那到了3/28后再选哪天到期的？我们能不能“选中”正好还有90天到期的期权？
报价表上只有0.60、0.42 Delta的期权，没有正好0.50 Delta的期权，怎么办？3/28到期后，下一个期限的可选Delta又不一样了，变成0.55、0.48 Delta了，怎么办？
这个层面尚可使用括弧近似。
如果要构建多腿、跨Delta跨期限策略，困难就复杂了，就不是括弧近似可以解决的了。
要不要Delta Hedge，Delta Hedge的频率怎么算？
期权回测会是一个成本很重的工程。所以如果我分享回测结果，大家记得收藏 LoL
显示更多
我说“蛊惑”的原因在于，极端事件一年一次。前三次摸顶摸成功了，强化了“浮亏加仓”的信念，第四次给一波带走了。整个过程非常漫长，思维早已固化。
显示更多
