蝶式与铁鹰价差：把「押注市场不动」做成可交易的波动率生意

绝大多数交易策略都在回答同一个问题：它会涨还是跌？ 均线金叉赌涨，动量因子赌强者恒强，价值因子赌均值回归。但期权打开了一个几乎所有股票投资者从没认真用过的维度——你可以赌它不动。

结论先放这：蝶式（butterfly）和铁鹰（iron condor）是两种”押注窄幅震荡”的期权价差结构。当标的在一个区间内磨蹭时它们盈利，一旦剧烈突破就亏损——本质上，你做的不是方向交易，而是波动率交易。 更具体地说，卖出铁鹰是在做空波动率，赚的是”隐含波动率（IV）系统性高于最终已实现波动率（RV）“这笔风险溢价。在自洽合成数据上，持续卖铁鹰策略拿到 87.2% 的胜率、年化 9.6%、Sharpe 1.15、最大回撤 −7.7%——数字很漂亮，但净值曲线暴露了它的致命结构：平静期一分一分地捡钱，崩盘区一把把地还回去。 附完整 Python 与五类真实陷阱（中阶）。

一、方向之外的第三个维度：波动率#

先建立直觉。假设某只股票现价 100，你不知道它会涨还是跌，但你相信未来一个月它不会剧烈波动——大概率在 95~105 之间磨。

传统方向策略在这里无从下手：你不敢买（怕跌）也不敢卖空（怕涨）。但期权允许你直接把”它会待在区间内”这个判断变成头寸。这类头寸有两个经典形态：

• 蝶式价差（butterfly）：买一张低行权价看涨 + 卖两张平值看涨 + 买一张高行权价看涨。净支出建仓，标的恰好收在中间行权价时利润最大，越偏离越亏（亏损有限）。
• 铁鹰价差（iron condor）：卖一个虚值看跌价差 + 卖一个虚值看涨价差。净收权利金建仓，标的收在中间宽区间内就全赚权利金，突破任一侧则亏损（亏损有限）。

它们的共同点：都在标的”不动”时赚钱，“剧烈动”时亏钱。 这就是波动率交易的核心——你交易的标的不是价格，而是价格的波动幅度。

上图把两者叠在一起看结构差异：

• 蓝线（蝶式）：像一座尖塔，标的正好落在 100 时利润最高，两侧快速衰减。它是”精准押注不动”，需要标的钉在某个点附近；
• 橙线（铁鹰）：像一张平顶桌子，标的落在 95~105 这个宽区间内利润恒定（全收权利金），突破后才开始亏。它是”宽容押注不动”，只要不暴涨暴跌都能赚。

铁鹰的平顶比蝶式的尖塔宽容得多，这也是它在实盘中更流行的原因——你不需要精准预测标的钉在哪，只需要它别乱跑。

二、卖方 alpha 的来源：波动率风险溢价#

为什么”持续卖铁鹰”能长期赚钱？答案是一个被反复验证的市场结构性现象——波动率风险溢价（Volatility Risk Premium, VRP）：

期权的隐含波动率（IV，即期权价格反推出的市场预期波动）系统性地高于最终真正发生的已实现波动率（RV）。

换句话说，市场为”波动保险”付的价钱，长期高于保险真正赔付的金额。原因是买保险的人愿意付溢价：机构和散户都害怕崩盘，愿意为下行保护多掏钱，这就推高了期权的隐含波动率。而卖方（卖铁鹰的人）扮演的正是”保险公司”角色，长期收取这笔溢价。

上图里蓝线（IV）绝大多数时候高于灰线（RV），绿色填充区就是卖方赚取溢价的空间。这不是免费的午餐——它是承担尾部风险的对价。 保险公司平时收保费，一旦大灾难来临就要巨额赔付。卖铁鹰也一样：平静期稳收权利金，崩盘期一次亏光几个月的积累。

三、用 Python 复现「持续卖铁鹰」策略#

下面构造一段带波动率 regime 切换的自洽合成路径（两段高波动”崩盘区”），每 21 个交易日卖一个 delta 中性的铁鹰，宽度约 ±1 个隐含 sigma，持有到期。

import numpy as np, pandas as pd
from math import log, sqrt, exp
from scipy.stats import norm

def bs(S, K, T, r, vol, typ):
    if T <= 0:
        return max(0, (S - K) if typ == "c" else (K - S))
    d1 = (log(S/K) + (r + 0.5*vol**2)*T) / (vol*sqrt(T))
    d2 = d1 - vol*sqrt(T)
    if typ == "c":
        return S*norm.cdf(d1) - K*exp(-r*T)*norm.cdf(d2)
    return K*exp(-r*T)*norm.cdf(-d2) - S*norm.cdf(-d1)

r, hold = 0.03, 21   # 无风险利率 / 持有到期天数

# 隐含波动率：系统性高于已实现(即 VRP)，崩盘时飙升
realized_20 = returns.rolling(20).std() * np.sqrt(252)
iv_series = (realized_20.fillna(0.15) * 1.15 + 0.03).clip(0.08, 0.9)

cash, eq, trades, pos = 0.0, [], [], None
entry_i = list(range(0, N - hold, hold))

for i in range(N):
    Si = S.iloc[i]
    # 先结算到期头寸，再开新仓（关键：避免同日覆盖导致漏结算）
    if pos and i >= pos["exp"]:
        ST = Si
        loss = (max(0, pos["putS"]-ST) - max(0, pos["putL"]-ST)) \
             + (max(0, ST-pos["callS"]) - max(0, ST-pos["callL"]))
        cash -= loss
        trades.append(pos["credit"] - loss)
        pos = None

    if i in entry_i and pos is None:
        ivn = iv_series.iloc[i]; Texp = hold/252
        width = Si * ivn * sqrt(Texp)          # 约 1 个隐含 sigma
        putS, putL = Si - width, Si - 2*width  # 卖近腿/买远腿
        callS, callL = Si + width, Si + 2*width
        credit = ((bs(Si, putS, Texp, r, ivn, "p") - bs(Si, putL, Texp, r, ivn, "p"))
                + (bs(Si, callS, Texp, r, ivn, "c") - bs(Si, callL, Texp, r, ivn, "c")))
        pos = dict(exp=i+hold, putS=putS, putL=putL,
                   callS=callS, callL=callL, credit=credit)
        cash += credit

    eq.append(100 + cash * 3)   # 3x 名义敞口便于展示曲线

三个必须讲清楚的实现细节（对应回复 A 段口径）：

• 结算先于开仓：循环里先判断到期结算、再判断开新仓，这是一个容易踩的坑——如果顺序反了，同一根 bar 上新仓会覆盖旧仓的 pos，导致到期结算被跳过，胜率虚高到 100%（我第一版就踩了这个，后文会讲）；
• 宽度随波动率自适应：铁鹰的行权价宽度 width = Si × IV × sqrt(T)，即约 1 个隐含 sigma。波动率高的时候自动放宽区间，避免在高波动期建太窄的仓；
• 信号无 look-ahead：建仓宽度用的是当日的 iv_series.iloc[i]（基于过去 20 日已实现波动率估算），不使用任何未来信息；到期结算用到期日实际价格。

四、回测结果：漂亮的胜率，危险的结构#

胜率 87.2%、Sharpe 1.15，单看数字像圣杯。但胜率高恰恰是这类策略最危险的伪装——它让你误以为策略稳健，直到那 12.8% 的亏损交易里，某一笔把你几个月的利润一次抹平。

净值曲线把这个结构暴露得淋漓尽致：平静期是一条稳稳上行的斜线（一分一分捡权利金），两个红色崩盘区则是断崖式回吐。 这就是卖波动率策略的经典画像——业内叫它”在压路机前捡钢镚”（picking up nickels in front of a steamroller）。你能捡很久很多钢镚，但压路机一旦碾过来，之前捡的可能一次赔光。

五、已知偏差（B 段：这份回测哪里不能全信）#

1. VRP 的幅度是人为设定的。代码里 iv_series = RV × 1.15 + 0.03，即隐含波动率被强制设为已实现波动率的 1.15 倍再加个基数。真实市场的 VRP 是时变的、有时甚至为负（IV < RV，尤其在波动率骤升的当口）。本回测的盈利能力直接依赖这个 1.15 的假设，现实中溢价更薄、更不稳定。

2. 尾部风险被合成路径低估。本例注入的两次”崩盘”是温和的波动率抬升。真实的黑天鹅（如 2020 年 3 月、2018 年 2 月 volmageddon）会出现单日跳空 + 隐含波动率爆炸的双杀，卖方可能在保护腿之外承受远超预期的损失。有限亏损结构（铁鹰有买入的远腿保护）在跳空穿透两条腿时，最大亏损会一次性打满，而不是回测里的温和回吐。

3. 恒定持有到期、无中途管理。实盘中卖方极少持有到期——通常在赚到 50% 权利金时提前平仓（降低尾部暴露），或在标的逼近某条腿时止损/调整。本回测是”开仓即躺平到到期”的最朴素版本，既没吃到主动管理的好处，也没建模调整的成本。

六、结果解读与三个必须警惕的陷阱（C 段）#

收益归因：87.2% 的胜率意味着 47 笔里约 41 笔小赚、6 笔亏损。盈利是”高频小额”，亏损是”低频大额”——这是典型的负偏度收益分布（negative skew）。它与动量策略（正偏度：多数小亏、少数大赚）恰好相反。负偏度策略的危险在于：Sharpe 会系统性高估它的真实风险，因为 Sharpe 用标准差衡量波动，而负偏度的尾部风险藏在标准差之外。看这类策略不能只看 Sharpe，必须看最大单笔亏损和崩盘期回撤。

崩盘期表现：净值图上两个红色区就是策略的”照妖镜”。平静期它每 21 天稳稳赚一笔，累积成漂亮的斜线；但两次波动率抬升区，几笔连续亏损直接吃掉前面的积累。这印证了 VRP 的本质——它不是 alpha，而是承担崩盘风险的对价（beta of disaster）。 长期看正期望，但路径极度不友好。

三个我怀疑过并排除/修正的点（对抗式自检）：

• ⚠️ 胜率 100% 的 bug（已修复）：第一版代码把”开新仓”写在”到期结算”之前，导致同一根 bar 上 pos 被新仓覆盖，旧仓的亏损结算被整段跳过——结果只记录了 1 笔交易、胜率 100%、Sharpe 2.67。这是典型的状态机重置顺序错误。修正为”先结算、后开仓”后，交易数恢复到 47 笔、胜率降到合理的 87.2%。任何胜率异常接近 100% 的回测都该第一时间怀疑漏结算。
• ✅ 隐含 vs 已实现口径混淆（已排除）：我确认建仓定价用的是隐含波动率 iv_series（卖方收到的权利金由 IV 决定），而到期盈亏由实际路径（RV 隐含在真实价格里）决定。这个口径差正是 VRP 的兑现通道——如果两处都用同一个 vol，策略的 alpha 会凭空消失。
• ✅ 有限亏损是否真的”有限”（保留警告）：铁鹰买了远腿做保护，理论最大亏损 = 价差宽度 − 收到的权利金。但这个”有限”是每笔单独有限，不代表组合安全——如果一次崩盘同时击穿多个滚动周期的头寸，或标的跳空穿透整个价差，累计亏损依然可能很大。有限亏损 ≠ 低风险。

适用边界：卖铁鹰/蝶式适合三类场景——① 你判断标的进入低波动震荡期（财报后、重大事件消化完）；② 你有严格的尾部风险管理纪律（提前止盈、跳空止损、仓位分散）；③ 你能承受”长期小赚、偶尔巨亏”的心理曲线。它绝不适合满仓 all-in、无止损纪律的散户——负偏度策略最擅长的就是在你放松警惕、加大仓位时，给你致命一击。

一句话总结：蝶式和铁鹰是”押注市场不动”的波动率交易，卖方赚的是隐含波动率长期高于已实现波动率的风险溢价。本例 87.2% 胜率、Sharpe 1.15 的漂亮数字背后，是”平静期捡钢镚、崩盘期被压路机碾过”的负偏度结构——高胜率不等于低风险，尾部管理才是这门生意的生死线。