期权每日成交额PC比例计算

来源:https://uqer.io/community/share/55bed777f9f06c915418c62f

P/C作为市场情绪指标

计算方式

P/C比例作为一种反向情绪指标,是看跌期权的成交量(成交额,持仓量等)与看涨期权的成交量(持仓量)的比值。

指标含义

  • 看跌期权的成交量可以作为市场看空力量多寡的衡量;
  • 看涨期权的成交量可以描述市场看多力量。 指标应用

  • 当P/C比例过小达到一个极端时,被视为市场过度乐观,此时市场将遏制原来的上涨趋势;

  • 当P/C比例过大到达另一个极端时,被视为市场过度悲观,此时市场可能出现反弹。
  1. from matplotlib import pylab
  2. import numpy as np
  3. import pandas as pd
  4. import DataAPI
  5. import seaborn as sns
  6. sns.set_style('white')

1. 定义计算PCR的函数

此处计算看跌看涨期权每日成交额的比值

  1. def getHistDayOptions(var, date):
  2. # 使用DataAPI.OptGet,拿到已退市和上市的所有期权的基本信息;
  3. # 同时使用DataAPI.MktOptdGet,拿到历史上某一天的期权成交信息;
  4. # 返回历史上指定日期交易的所有期权信息,包括:
  5. # optID varSecID contractType strikePrice expDate tradeDate closePrice turnoverValue
  6. # 以optID为index。
  7. vixDateStr = date.toISO().replace('-', '')
  8. optionsMkt = DataAPI.MktOptdGet(tradeDate = vixDateStr, field = [u"optID", "tradeDate", "closePrice", "turnoverValue"], pandas = "1")
  9. optionsMkt = optionsMkt.set_index(u"optID")
  10. optionsMkt.closePrice.name = u"price"
  11. optionsID = map(str, optionsMkt.index.values.tolist())
  12. fieldNeeded = ["optID", u"varSecID", u'contractType', u'strikePrice', u'expDate']
  13. optionsInfo = DataAPI.OptGet(optID=optionsID, contractStatus = [u"DE", u"L"], field=fieldNeeded, pandas="1")
  14. optionsInfo = optionsInfo.set_index(u"optID")
  15. options = pd.concat([optionsInfo, optionsMkt], axis=1, join='inner').sort_index()
  16. return options[options.varSecID==var]
  17. def calDayTurnoverValuePCR(optionVarSecID, date):
  18. # 计算历史每日的看跌看涨期权交易额的比值
  19. # PCR: put call ratio
  20. options = getHistDayOptions(optionVarSecID, date)
  21. call = options[options.contractType==u"CO"]
  22. put = options[options.contractType==u"PO"]
  23. callTurnoverValue = call.turnoverValue.sum()
  24. putTurnoverValue = put.turnoverValue.sum()
  25. return 1.0 * putTurnoverValue / callTurnoverValue
  26. def getHistPCR(beginDate, endDate):
  27. # 计算历史一段时间内的PCR指数并返回
  28. optionVarSecID = u"510050.XSHG"
  29. cal = Calendar('China.SSE')
  30. dates = cal.bizDatesList(beginDate, endDate)
  31. dates = map(Date.toDateTime, dates)
  32. histPCR = pd.DataFrame(0.0, index=dates, columns=['PCR'])
  33. histPCR.index.name = 'date'
  34. for date in histPCR.index:
  35. histPCR['PCR'][date] = calDayTurnoverValuePCR(optionVarSecID, Date.fromDateTime(date))
  36. return histPCR
  37. def getDayPCR(date):
  38. # 计算历史某一天的PCR指数并返回
  39. optionVarSecID = u"510050.XSHG"
  40. return calDayTurnoverValuePCR(optionVarSecID, date)

2. 计算PCR指标

  1. begin = Date(2015, 2, 9)
  2. end = Date(2015, 7, 30)
  3. getHistPCR(begin, end).tail()
PCR
date
2015-07-241.032107
2015-07-272.097952
2015-07-282.288790
2015-07-291.971831
2015-07-301.527717
  1. date = Date(2015, 7, 30)
  2. getDayPCR(date)
  3. 1.5277173819619587

3. PC指标历史走势

  1. secID = '510050.XSHG'
  2. begin = Date(2015, 2, 9)
  3. end = Date(2015, 7, 30)
  4. # 历史PCR
  5. histPCR = getHistPCR(begin, end)
  6. # 华夏上证50ETF
  7. etf = DataAPI.MktFunddGet(secID, beginDate=begin.toISO().replace('-', ''), endDate=end.toISO().replace('-', ''), field=['tradeDate', 'closePrice'])
  8. etf['tradeDate'] = pd.to_datetime(etf['tradeDate'])
  9. etf = etf.set_index('tradeDate')
  10. font.set_size(12)
  11. pylab.figure(figsize = (12,6))
  12. ax1 = histPCR.plot(x=histPCR.index, y='PCR', style='r')
  13. ax1.set_xlabel(u'日期', fontproperties=font)
  14. ax1.set_ylabel(u'VIX(%)', fontproperties=font)
  15. ax2 = ax1.twinx()
  16. ax2.plot(etf.index,etf.closePrice)
  17. ax2.set_ylabel(u'ETF Price', fontproperties=font)
  18. <matplotlib.text.Text at 0x53797d0>

期权每日成交额PC比例计算 - 图1

从上图可以看出,每次PC指标的上升都对应着标的价格的下挫