领口策略 collar 与成本锁定：用一份免费的保险把下跌焊死 • halo 的技术博客

买保险这件事，最扎心的不是保费贵，而是大多数时候你交了钱什么也没发生。持有一只股票，想给它买份下跌保险——最直接的做法是买保护性看跌（protective put）：跌破某个价位，看跌期权把损失垫住。逻辑无懈可击，但你会在每个平静的季度眼睁睁看着权利金一点点蒸发，就像给一辆从没出过事故的车年年续全险。长期算下来，这份保险的累计成本可能吃掉你收益的一大截。

结论先放这：领口策略（collar）用「卖掉一部分上涨空间」来支付「买入下跌保护」的账单，让这份保险接近零成本，甚至倒收你一笔权利金。 它的做法是同时持有三样东西——股票、买入的虚值看跌（下方地板）、卖出的虚值看涨（上方天花板）。在自洽合成数据上，季度滚动的 collar 把最大回撤从买入持有的 −43.6% 压到 −11.6%，Sharpe 从 0.39 升到 0.51，而年化收益只从 6.2% 降到 5.7%——用 0.5 个百分点的收益让渡，换来回撤减半还多。 代价是：一旦股票暴涨突破天花板，你只能拿到封顶那部分。附完整 Python 与五类真实陷阱（中阶）。

一、为什么保护性看跌「对但贵」#

先理解痛点，才知道 collar 解决了什么。

保护性看跌的损益是这样的：你持有 100 元的股票，花 3 元买一份行权价 95 的看跌期权。

如果股价涨到 120，看跌作废，你赚 20 − 3 = 17；
如果股价跌到 80，看跌帮你在 95 卖出，你的损失被锁在 95 − 100 − 3 = −8，而不是 −20。

保护是真实的。问题是那 3 元权利金——它是确定性支出，无论行不行权都拿不回来。如果一年滚动 4 次，每次 3 元，那就是 12 元的年度拖累，相当于给一只年化预期 8% 的股票凭空扣掉一大块。波动率越高的股票，看跌越贵，这份保险越咬人。

于是自然的问题冒出来：能不能让别人来付这份保费？

二、领口的结构：卖掉「你反正也吃不到」的涨幅#

collar 的核心洞察：大多数长期持有者对「无限上涨」的执念，其实远大于他们真正需要的。如果你能接受”这只股票一个季度最多让我赚 5%，再多我就不要了”，那么上方那 5% 以外的涨幅，你可以卖给别人换钱。

具体三条腿：

持有股票（现价 100）——底仓不动；
买入虚值看跌（行权价 95，付权利金）——这是你的地板，跌破 95 由它兜底；
卖出虚值看涨（行权价 105，收权利金）——这是你的天花板，涨过 105 的部分归买方。

看跌的支出被看涨的收入抵消。如果两条腿权利金相当，就是零成本领口（zero-cost collar）；如果卖出的看涨更值钱（波动率微笑常导致这一点），你甚至净收一笔权利金。

领口策略到期损益：下有地板、上有天花板

上图把三种情形叠在一起。灰线是纯持股，蓝线是加了 collar 之后：

股价跌破 95（绿色区），collar 曲线明显高于纯持股——看跌的地板在起作用；
股价涨过 105（红色区），collar 曲线被压平——你让渡了这部分涨幅；
中间 95~105 区间，两条线几乎重合，只差一点点净权利金。

这就是 collar 的本质：把一条无限延伸的斜线，掐头（有限）去尾（保护），换成一段有天有地的区间。

三、用 Python 复现季度滚动领口#

期权是有到期日的，所以 collar 必须滚动——每个季度到期后重新建仓。下面用 Black-Scholes 给期权定价，季度（63 个交易日）滚动一次，看跌行权价定在标的的 95%、看涨定在 105%。

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):
    """Black-Scholes 欧式期权定价"""
    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, iv, roll = 0.03, 0.25, 63   # 无风险利率 / 隐含波动率 / 季度滚动

def run_collar(S, put_pct=0.95, call_pct=1.05):
    """S: 标的价格序列(pd.Series)。返回组合净值曲线与每次滚动的净权利金。"""
    N = len(S)
    cash = 0.0
    eq = []
    premiums = []
    reset_i = list(range(0, N, roll))

    # 初始建仓
    put_K  = S.iloc[0] * put_pct
    call_K = S.iloc[0] * call_pct
    net_prem = bs(S.iloc[0], put_K,  roll/252, r, iv, "p") \
             - bs(S.iloc[0], call_K, roll/252, r, iv, "c")
    cash -= net_prem   # 支出为正、净收权利金则为负(现金增加)

    for i in range(N):
        Si = S.iloc[i]
        # 到期日：结算旧腿 + 滚动新腿
        if i in reset_i[1:]:
            cash += max(0, put_K - Si)      # 看跌行权收益
            cash -= max(0, Si - call_K)     # 看涨被指派损失
            put_K, call_K = Si*put_pct, Si*call_pct
            net_prem = bs(Si, put_K,  roll/252, r, iv, "p") \
                     - bs(Si, call_K, roll/252, r, iv, "c")
            cash -= net_prem
            premiums.append(net_prem)
        # 当日组合价值 = 股票 + 现金 + 当前持仓期权的内在价值
        opt_intrinsic = max(0, put_K - Si) - max(0, Si - call_K)
        eq.append(Si + cash + opt_intrinsic)

    return pd.Series(eq, index=S.index), premiums

python

关键实现细节，逐条说清楚（对应回复里的 A 段实现口径）：

信号与执行时点：collar 是纯机械的日历策略，没有择时信号，每 63 个交易日无条件滚动一次，避免任何 look-ahead；
期权用 mark-to-intrinsic 计价：日度组合价值里，持仓期权按内在价值计入（max(0, put_K−Si) − max(0, Si−call_K)），而不是每天重算 BS 市值。这是保守近似——它低估了时间价值，但保证净值曲线不会因为 BS 隐含波动率假设的抖动而失真；
净权利金口径：net_prem = 看跌买价 − 看涨卖价，为正表示净支出，为负表示净收入。本例在 iv=0.25 的对称假设下，看跌（离价 5%）和看涨（离价 5%）价格接近，实际算出来净权利金常年为负（每次滚动净收约 0.73），即这是一个净收权利金的 collar；
结算语义：到期日先结算上一季度看跌的行权收益、看涨被指派的损失，再用当日价格重设行权价、滚动下一季度。

四、回测结果：回撤减半，收益几乎不动#

在一段 4 年、注入了两次快速回撤的自洽合成路径上跑下来：

指标	领口策略 collar	买入持有
年化收益	5.7%	6.2%
夏普比率	0.51	0.39
最大回撤	−11.6%	−43.6%
年化权利金净收	+2.9%	—

领口策略 vs 买入持有：削峰填谷的净值曲线

净值曲线一眼就能看出 collar 的性格：平静期贴着买入持有走，崩盘期明显抗跌，暴涨期略微落后。 它不是一个”跑赢”策略，而是一个”波动更小、睡得更香”的策略——用年化 0.5 个百分点的收益让渡，换来夏普从 0.39 到 0.51 的提升。

真正的价值在回撤图上：

回撤对比：领口把最深回撤显著压平

蓝色（collar）的回撤深度被死死摁在 −12% 以内，而红线（买入持有）在两次崩盘里分别探到 −40% 附近。看跌期权的地板在崩盘时把损失截断了，这就是那份”免费保险”真正兑现的时刻。

五、已知偏差（B 段：这份回测哪里不能全信）#

上行让渡是结构性代价，不是 bug。本例两次注入的都是回撤，所以 collar 看起来占尽便宜。但如果这四年里发生一次单季 +30% 的暴涨，collar 会因为卖出的看涨被指派而只能拿到 +5% 的封顶收益，大幅跑输买入持有。collar 的适用前提是”你愿意用上涨潜力换下跌保护”，牛市里它一定吃亏。
恒定隐含波动率是重大简化。代码里 iv=0.25 全程不变，但真实市场存在波动率微笑/偏斜：虚值看跌通常比虚值看涨贵（下行保护需求大）。这意味着现实中”零成本 collar”往往需要把看涨行权价压得更低（让渡更多上涨），或把看跌行权价放得更远（保护更弱）。本例净收权利金的结论在真实偏斜下会打折扣。
季度滚动存在跳空风险。到期日之间的价格跳空（比如财报暴雷跳空 −20%）会让看跌以到期结算价而非连续价格保护，日线粒度无法还原盘中触发顺序。滚动频率越低（季度 vs 月度），单次跳空的暴露越大。

六、结果解读与三个必须警惕的陷阱（C 段）#

收益归因：collar 的超额夏普完全来自分母（波动率）的下降，而非分子（收益）的提升。它的年化收益略低于买入持有，但把两次崩盘的深坑填平后，收益的波动性大幅收敛。这是典型的”风险调整后改善”，不是”绝对收益改善”——如果你的目标是最大化终值，collar 不是答案；如果你的目标是”拿得住、不被崩盘吓到割肉”，它非常合适。

交易频次与摩擦：4 年 15 次滚动，每次涉及买看跌 + 卖看涨两条腿的开平仓，共约 60 笔期权交易。本例没有建模买卖价差与佣金——期权的 bid-ask spread 通常远宽于股票，虚值期权尤甚。真实世界里，频繁滚动的摩擦成本会侵蚀掉一部分净权利金收入，季度滚动比月度滚动在这点上更友好。

三个我怀疑过并排除/保留的点（对抗式自检）：

⚠️ 行权指派风险（保留）：卖出的看涨在美式期权下可能被提前指派，尤其在标的除息前。本例用欧式 BS 定价、只在到期日结算，回避了这个问题——但真实持有美股期权时，深度实值的看涨被提前指派会打乱滚动节奏，需要额外处理。
✅ 税务摩擦（已排除出净值但需提示）：collar 在部分税制下会触发”constructive sale”或影响持股期限认定，导致长期资本利得被重新归类为短期。本回测是税前口径，实盘落地必须叠加税务考量——这不是回测 bug，但会实质改变净收益。
✅ 零成本是不是”免费的午餐”（已排除）：我一度怀疑净收权利金意味着”白赚”，但复查后确认——net credit 的对价是让渡了 105 以上的全部涨幅。天下没有免费保险，collar 的保费是用”上涨期权”支付的，只是这笔支付不体现在现金流里，而体现在机会成本里。

适用边界：collar 最适合三类场景——① 持有大额低成本底仓、想避税又想避险（不愿卖出触发资本利得）；② 判断标的进入震荡/下行、但不想彻底清仓；③ 组合层面用指数期权做尾部对冲。它不适合你依然看好大涨的标的——那种情况下，裸持或保护性看跌更合理。

一句话总结：领口策略是”给股票买一份用上涨空间支付的保险”。它不追求跑赢，而追求把最深的坑填平——在本例里，用 0.5 个百分点的年化收益让渡，换来最大回撤从 −43.6% 到 −11.6% 的减半。适合”拿得住比赚得多更重要”的持有者。