基于期权PCR指数的择时策略

来源:https://uqer.io/community/share/55bedc1af9f06c91f818c62d

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。 策略思路

比较交易日之前两日的PCR(Put Call Ratio)指数:

  • PCR上升时,市场恐慌情绪蔓延,卖出

  • PCR下降时,恐慌情绪有所舒缓,买入

注:国内唯一一只期权上证50ETF期权,跟踪标的为华夏上证50ETF(510050)基金

1. 计算历史PCR指数

  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. 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. dateStr = date.toISO().replace('-', '')
  8. optionsMkt = DataAPI.MktOptdGet(tradeDate = dateStr, 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 = 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. # 计算历史一段时间内的PCR指数并返回
  39. optionVarSecID = u"510050.XSHG"
  40. return calDayTurnoverValuePCR(optionVarSecID, date)
  1. secID = '510050.XSHG'
  2. begin = Date(2015, 2, 9)
  3. end = Date(2015, 7, 30)
  4. 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

2. PCR指数与华夏上证50ETF基金的走势对比

  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')
  1. font.set_size(12)
  2. pylab.figure(figsize = (16,8))
  3. ax1 = histPCR.plot(x=histPCR.index, y='PCR', style='r')
  4. ax1.set_xlabel(u'日期', fontproperties=font)
  5. ax1.set_ylabel(u'PCR(%)', fontproperties=font)
  6. ax2 = ax1.twinx()
  7. ax2.plot(etf.index,etf.closePrice)
  8. ax2.set_ylabel(u'ETF Price', fontproperties=font)
  9. <matplotlib.text.Text at 0x78a4d90>

基于期权PCR指数的择时策略 - 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

3. 基于PCR指数的择时策略示例

  1. start = datetime(2015, 2, 9) # 回测起始时间
  2. end = datetime(2015, 7, 31) # 回测结束时间
  3. benchmark = '510050.XSHG' # 策略参考标准
  4. universe = ['510050.XSHG'] # 股票池
  5. capital_base = 100000 # 起始资金
  6. commission = Commission(0.0,0.0)
  7. longest_history = 1
  8. histPCR = getHistPCR(start, end)
  9. def initialize(account): # 初始化虚拟账户状态
  10. account.fund = universe[0]
  11. def handle_data(account): # 每个交易日的买入卖出指令
  12. hist = account.get_history(longest_history)
  13. fund = account.fund
  14. # 获取回测当日的前一天日期
  15. dt = Date.fromDateTime(account.current_date)
  16. cal = Calendar('China.IB')
  17. lastTDay = cal.advanceDate(dt,'-1B',BizDayConvention.Preceding) #计算出倒数第一个交易日
  18. lastLastTDay = cal.advanceDate(lastTDay,'-1B',BizDayConvention.Preceding) #计算出倒数第二个交易日
  19. last_day_str = lastTDay.strftime("%Y-%m-%d")
  20. last_last_day_str = lastLastTDay.strftime("%Y-%m-%d")
  21. # 计算买入卖出信号
  22. try:
  23. pcr_last = histPCR['PCR'].loc[last_day_str] # 计算短均线值
  24. pcr_last_last = histPCR['PCR'].loc[last_last_day_str] # 计算长均线值
  25. long_flag = True if (pcr_last - pcr_last_last) < 0 else False
  26. except:
  27. return
  28. if long_flag:
  29. if account.position.secpos.get(fund, 0) == 0:
  30. # 空仓时全仓买入,买入股数为100的整数倍
  31. approximationAmount = int(account.cash / hist[fund]['closePrice'][-1]/100.0) * 100
  32. order(fund, approximationAmount)
  33. else:
  34. # 卖出时,全仓清空
  35. if account.position.secpos.get(fund, 0) >= 0:
  36. order_to(fund, 0)

基于期权PCR指数的择时策略 - 图2

基于PCR指数上升时空仓、下降时进场的策略来买卖标的,可以比较有效地降低标的大跌的风险