文章目录

  • 0.简介
  • 1.多头领式策略(Long Collar)​
    • 1.1 策略构成
    • 1.2 适用场景​
    • 1.3 损益分析
    • 1.4 案例示范
  • 2.空头领式策略(Short Collar)​
    • 2.1 策略构成
    • 2.2 适用场景
    • 2.3 损益分析
    • 2.4 案例示范
  • 参考文献

0.简介

领式策略(Collar)是一种经典的期权组合策略,通过同时持有标的资产(股票等)和期权合约,在控制风险的同时降低对冲成本。

其核心逻辑是:用卖出期权的权利金收入,部分或完全抵消买入期权的保护成本。

根据持仓方向的不同,领式策略分为两类:

  • 多头领式策略(Long Collar)
  • 空头领式策略(Short Collar)

1.多头领式策略(Long Collar)​

多头领式策略(Short Collar) 是针对已持有多头头寸(如持有股票)的保护性策略,通过 买入 Put(对冲下行风险) + 卖出 Call(赚取权利金) 构成。其核心目标是:

  • 限制多头持仓的上行风险(通过买入 Put)。
  • 降低对冲成本(通过卖出 Call 赚取权利金)。

它既能像 Protective Put 一样对冲下跌风险,又能像 Covered Call 一样带来额外收益。

1.1 策略构成

核心逻辑:持有股票 + 买入保护性看跌期权 + 卖出备兑看涨期权,构建“零成本”对冲。

Call 和 Put 除行权价不同,标的资产、到期日、数量都相同,且期权对应的股票数量和持有的正股数量相同。

  • 看跌期权​:买入行权价≈股价90%的合约提供保护。
  • 看涨期权​:卖出行权价≈股价110%~120%的合约,权利金需≥看跌期权成本。

基于此,我们进一步讨论:将「持有正股」+「买入Put A」+「卖出Call B」分开来看。

如果只看「持有正股」+「买入Put」,买入Put对冲下跌风险,则是 Protective Put 策略。在此策略上多卖出一份Call,便是 Long Collar 策略。

如果只看「持有正股」+「卖出Call」,卖出Call收取期权金,则是Covered Call策略。在此策略上多买入一份Put,便是 Long Collar 策略。

1.2 适用场景​

  • 强烈避险需求:如持仓浮盈丰厚,锁定利润区间,明确价格波动范围(如$140-$160)。
  • 降低对冲成本:不愿全额支付 Put 权利金,通过卖出 Call 补贴。

1.3 损益分析

盈利来源:

持有正股的同时,用「买入Put」对冲正股下跌的影响。用「卖出Call」收入来抵消部分买 Put 的花费,从而实现用较低成本来对冲风险的目的。

最大收益 = 看涨行权价 - 股票成本。

最大亏损 = 股票成本 - 看跌行权价。

盈亏有限:如果正股上涨,「卖出Call B」的部分可能会被行权,将会限制整体盈利空间。如果正股下跌,「买入Put A」的部分将会盈利,能够限制最大损失。

成本更低:构建该策略,可以是负成本、零成本、正成本。因为「卖出Call B」的部分能带来额外期权金收入。

损益图:

在这里插入图片描述

1.4 案例示范

持有苹果股票(现价150美元)。

  • 买入行权价135美元的看跌期权(权利金4美元/股)。
  • 卖出行权价165美元的看涨期权(权利金4.5美元/股)。

净权利金收入​:0.5美元/股 → 零成本对冲达成。

若股价暴跌至120美元:看跌期权行权,按135美元卖出,损失封顶。

若股价暴涨至180美元:需按165美元卖出股票,收益封顶但保留15美元/股利润。

2.空头领式策略(Short Collar)​

空头领式策略(Short Collar) 是针对已持有空头头寸(如卖空股票)的保护性策略,通过买入 Call(对冲上涨风险) + 卖出 Put(赚取权利金) 构成。

其核心目标是:

  • 限制空头持仓的上行风险(通过买入看涨期权)。
  • 降低对冲成本(通过卖出看跌期权赚取权利金)。

2.1 策略构成

空头领式策略由三项交易构成:一项标的资产交易和两项期权交易:

  • 卖出正股(持有股票空头头寸)
  • 买入call
  • 卖出 put

Call 和 Put 除行权价不同,标的资产、到期日、数量都相同,且期权对应的股票数量和持有的正股数量相同。

2.2 适用场景

空头领式策略常用于持有空头头寸对冲上涨风险的场景。

2.3 损益分析

最大收益=股票卖价 - put 行权价 + 净期权金
最大亏损=call 行权价 - 股票卖价 + 净期权金
盈亏平衡点 = 股票卖价 + 净期权金

损益图:
在这里插入图片描述

2.4 案例示范

情景: 投资者卖空 100 股特斯拉(现价 $200),担心股价反弹。

操作:

买入1份看涨期权:行权价 $220,权利金 $5/股(总支出 $500)。

卖出1份看跌期权:行权价 $180,权利金 $4/股(总收入 $400)。

净权利金支出:$400 - $500 = −$100。

到期结果:

结果股价分析损益
下跌跌至 $170看跌期权被行权:需以 $180 买入股票平仓。看涨期权作废。股票盈利 = $200 - $170 = $30/股(总 $3000)
权利金收益 = $400 - $500 = -$100
总收益 = $3000 - $100 = $2900
上涨涨至$230看涨期权行权,看跌期权作废。股票亏损 = $220 − $200 = −$20/股(总 -$2000)
权利金收益 = $400 - $500 = -$100
总收益 = -$2000 - $100 = -$1900
不变股价维持为 $200Put 和 Call 期权均作废总收益 = 权利金收益 = −$100

参考文献

期权教学:从入门到实战(基础认识、交易策略、实战技巧)
中高级期权策略知识 - 富途牛牛

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/news/916266.shtml
繁体地址,请注明出处:http://hk.pswp.cn/news/916266.shtml
英文地址,请注明出处:http://en.pswp.cn/news/916266.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

ECSPI控制器

目录 SPI协议简介 极性与相位 SPI框图 单字节收发 发送数据流程 接收数据流程 ECSPI控制器 关键特性 时钟源 主机模式 等待状态 片选控制 单突发传输 多突发传输 相位控制 ECSPI Memory Map ECSPI寄存器 ECSPIx_RXDATA ECSPIx_TXDATA ​编辑 ECSPIx_CONREG …

HTTP 与 SpringBoot 参数提交与接收协议方式

HTTP 协议支持多种参数提交方式,主要取决于请求方法(Method)和内容类型(Content-Type)。以下是主要的参数提交协议:1. URL 查询参数 (Query Parameters)请求方法: GET (也可用于其他方法)格式: ?key1value1&key2value2示例: GET /users?id123&…

Lua(数组)

Lua 数组基础概念Lua 中的数组实际上是用整数索引的 table,是一种特殊形式的表。数组索引通常从 1 开始(Lua 惯例),但也可以从其他值开始。创建数组通过表构造器初始化数组:-- 索引从 1 开始的数组 local arr {10, …

【Docker项目实战】在Docker环境下部署go-file文件分享工具

【Docker项目实战】在Docker环境下部署go-file文件分享工具一、go-file介绍1.1 go-file简介1.2 go-file特点1.3 go-file使用场景二、本地环境介绍2.1 本地环境规划2.2 本次实践介绍三、本地环境检查3.1 检查Docker服务状态3.2 检查Docker版本3.3 检查docker compose 版本四、下…

C++基础学习——文件操作详解

一、文件流类概述 C 标准库提供了三个主要的文件流类: ifstream (输入文件流):用于从文件读取数据ofstream (输出文件流):用于向文件写入数据fstream (文件流):既可读又可写 这些类都继承自 iostream 类,因此可以使用 …

Android补全计划 DrawerLayout使用

DrawerLayout其实用了很久了,甚至封装了一些代码方便不同项目使用,但重构代码的时候突然意识到这块内容很不成体系,因此又参考了些文档,组建了自己的一个文档。 toolbardrawerlayout能写的效果很多,在此我也只是截取了…

人工智能之数学基础:概率论之韦恩图的应用

韦恩图的应用由于事件的计算有时候太过于抽象了,此时我们可以使用韦恩图的方式来进行验证,我们下面来举一个例子,A∪B)-CA∪(B-C)是否成立?我们可以通过韦恩图来完成这个任务:我们通过这种方式来一点一点的…

小白成长之路-部署Zabbix7(二)

文章目录一、zabbix-自动发现二、自动注册三、zabbix-网易云邮箱-发送消息二、zabbix-钉钉告警总结一、zabbix-自动发现 1.在准备两台虚拟机,我的是192.168.144.12,192.168.144.13 server换成zabbix服务器的ip地址 vim /etc/zabbix/zabbix_agentd.conf 2.创建自动…

CMU15445-2024fall-project4踩坑经历

project4目录Task1Task2ReconstructSeqScanTask3InsertCommitTxnMgrDbgGenerateNewUndoLog And GenerateUpdateUndoLogUpdate And Delete垃圾回收Task4Index Insert并发控制Index ScanDelete、Update并发控制主键更新Bonus 1Bonus 2处理写倾斜感谢CMU的教授们给我们分享了如此精…

C++20 协程

摘要:C20 引入的协程机制为异步编程提供了轻量级解决方案,其核心优势在于通过用户态调度实现高效的上下文切换,适用于 I/O 密集型任务、生成器模式等场景。本文系统阐述 C20 协程的底层原理与实践要点,首先解析协程的基本结构&…

《计算机组成原理与汇编语言程序设计》实验报告二 基本数字逻辑及汉字显示

目 录 一、实验学时 二、实验目的 三、实验要求 四、实验内容 五、实验步骤 1、打开Logisim软件,列出并行四位二进制全加器逻辑电路真值表,并使用与、或、非、异或等基本原件实现并行四位二进制全加器逻辑电路,铺设完成后进行测试进而…

问卷调查小程序的设计与实现

问卷调查小程序的设计与实现:技术与功能全解析在数字化时代,问卷调查成为数据收集的重要工具。一款高效、易用的问卷调查小程序能够显著提升用户体验和数据质量。本文将深入探讨基于现代技术栈的问卷调查小程序的设计与实现,涵盖核心功能、技…

STM32项目实战:正弦波

波形发生器对我的钱包不怎么友好,手里面有stm32f103c8t6,于是就想,放在哪儿吃灰也是吃灰,不如做个正弦波发生器。方案 dac没怎么用过,所以打算使用输出模拟正弦波。我们决定采用以下方案:1.使用TIM2_CH3(PA…

Unity 时间抗锯齿(Temporal Antialiasing, TAA)技术解析

时间抗锯齿(Temporal Antialiasing, TAA)技术解析 一、什么是时间抗锯齿(TAA)? 时间抗锯齿(TAA)是一种先进的实时抗锯齿技术,通过在时间维度上积累多帧渲染数据,实现比传…

uniapp打开导航软件并定位到目标位置的实现

/*** 打开导航* param location 经纬度(例如:"117.214713,39.116884")* param address 地址*/ export function mapNavigation(location, address) {const locationArr location.split(,)const longitude locationArr[0]const latitude locationArr[1]…

Mysql实现高可用(主从、集群)

一、背景 需求:客户要实现Mysql8.0高可用,出现故障时,需要实现自动切换。 分析:实现切换有两种方式,一种数据库自动切换,一种代码实现。 本着麻烦别人,别麻烦自己的原则,得给客户的D…

AI编程革命:自动化代码生成、低代码开发与智能优化实践全景解析

AI编程革命:自动化代码生成、低代码开发与智能优化实践全景解析 人工智能正在重塑软件开发的基本范式,从自动化代码生成到低代码开发平台,再到算法智能优化,AI编程技术正以指数级速度改变开发者工作方式。 一、自动化代码生成技术…

[实战] 用1 PPS 驯服本地恒温晶振(OCXO/TCXO)

1 PPS 驯服本地恒温晶振(OCXO/TCXO) “让任何工程师都能在一周内做出自己的 GPSDO” 文章目录1 PPS 驯服本地恒温晶振(OCXO/TCXO)前言1 系统总体框图2 硬件清单与连接3 时间间隔测量(TDC)原理4 数字锁相环算…

基于RK3576+FPGA的无人机飞控系统解决方案

基于RK3576FPGA的无人机飞控系统解决方案设计如下&#xff1a;一、硬件架构设计‌异构计算核心模块‌主控采用RK3576处理器&#xff0c;四核Cortex-A72&#xff08;2.3GHz&#xff09;运行路径规划算法&#xff08;A*、RRT*&#xff09;&#xff0c;支持动态避障响应时间<50…

2025暑期—05神经网络-卷积神经网络

1. 卷积神经网络实际上就是避免过拟合&#xff0c;就是“特征”神经网络。这个特征和卷积核相关。卷积和相关类似&#xff0c;有点是本质属性和输出属性的感觉。着重注意三通道卷积padding 上下左右、前后都要加边池化就是解决特征过多问题&#xff0c;缩小1倍较多。均值池化&a…