轧空与 Gamma 正反馈环：逼空行情的自我强化机制

问题：你以为轧空是「空头踩踏」，其实它是个正反馈环#

标准叙事是这样的：

空头卖出借来的股票。价格涨到一定程度，券商强平或空头恐慌回补，买盘涌入推高价格，更多空头被迫平仓——自我强化的死亡螺旋。

听起来像多米诺骨牌：一张倒，全排塌。问题是这个叙事漏掉了另一个引擎：做市商的 Delta 对冲。

当大量看涨期权被买入（或被做市商卖出），做市商手里有负 Gamma 头寸——股价涨得越多，他们需要买的股票越多。这不是「恐慌」，这是风控纪律，每一条波动率曲线上都写好了。空头回补 + 做市商对冲 = 双引擎正反馈。

更关键的是：这个正反馈环有个增益参数 g。当 g → 1，系统到达临界点，任何微小扰动都会被无限放大。真实世界里 g 永远不会真的等于 1（因为有饱和效应），但「离临界点多远」是一个可测量、可建模的量。

这不是理论。 我用受控模拟构造了一个已知增益 g=0.5 的系统，注入一个 +12.6% 的外生冲击，测量它被放大到什么程度，然后逐条腿剥离，看看到底是谁在付钱。

方法：把「测量值」和「构造值」对账#

这里做的是受控模拟——不是回测，不是拟合历史数据。所有机制参数（反馈增益 g、Gamma 敞口、回补阈值）都是构造时设定的真值，模拟跑出来的数字要和这些真值对得上。

核心设定#

# 反馈增益 (ground truth by construction)
G_BASE = 0.50  # g = 0.50 < 1, 稳定但放大

# 空头回补机制
SHORT_RATIO = 0.35           # 35% 流通盘被做空
COVER_THRESHOLD = 0.06       # +6% 触发自愿回补
FORCE_THRESHOLD = 0.12       # +12% 触发强平
COVER_RATE = 0.20            # 触发后 20%/天回补
FORCE_RATE = 0.35            # 强平后 35%/天

# 做市商 Gamma 敞口
MM_CALLS = 25_000_000        # 做市商卖出 2500 万张看涨期权
CALL_STRIKE = 52.0           # 行权价 52（轻微虚值）
CALL_EXPIRY = 60             # 60 天到期
MM_HEDGE_RATIO = 0.90        # 90% 的 Gamma 被动态对冲

反馈环的数学结构#

股价变动的核心方程：

price_move = baseline_random × amplification + flow_impact

其中：

• baseline_random：外生随机扰动（散户/基本面资金流）
• amplification = 1 + g × (cover_flow + |hedge_flow|) / |baseline_flow|
• flow_impact：资金流直接冲击价格

当 g = 0，放大倍数 = 1，系统退化为无反馈基线。 这就是安慰剂对照。

当 g → 1，放大倍数趋于无穷（但实际会被饱和效应约束），系统接近临界点。

三项对抗式检验#

(a) 安慰剂对照：g = 0

把反馈增益关掉，测量「无反馈」基线。预期：放大倍数应精确为 1.0x。

(b) 关闭 Gamma 对冲

做市商不动态调 Delta，只剩空头回补引擎。测量 Gamma 贡献。

(c) 关闭空头回补

空头不被动回补，只剩 Gamma 引擎。测量回补贡献。

如果三条腿都关掉（Gamma=0, Shorts=0, g=0），系统应该退化为纯随机游走。 这是「真安慰剂」，用来校准基准线。

结果一：+12.6% 的冲击被放大到 +13.7%，增益来自哪里？#

在 t=0 注入一个相当于日成交量 30% 的外生买盘冲击：

峰值放大倍数 = 52.56% / 46.07% = 1.14x。

看起来不大？那是因为平均数掩盖了结构性。剥离两条腿后：

Gamma 对冲贡献了超过一半的收益。 这不是「空头踩踏」叙事能解释的——做市商在对冲期权头寸，他们的买入是机械的、可预测的，与「恐慌」无关。

结果二：逼近临界点 g=1，尾部非线性爆发#

扫描反馈增益 g：

平均收益只涨了 2 个百分点（12.6% → 14.8%），但收益标准差涨了 29 个点（49% → 77%），峰值 95% 分位涨了 57 个点（105% → 162%）。

这就是正反馈环的本质：它主要放大尾部，而不是均值。 当 g 接近 1，系统对初始条件极其敏感，少量路径会演化成极端轧空，大量路径则相对平静——平均数几乎看不出区别，但尾部已经完全不同。

这个结构意味着：任何试图用「平均涨幅」预测轧空强度的模型都是错的。 真正要建模的是尾部分布的形状变化，而不是均值的位移。

结果三：卖空比例每增加 10 点，收益涨 1 个点#

扫描卖空比例（固定 g=0.5）：

斜率：卖空比例每增加 10%，平均收益涨 ~0.9 个点。 这是线性关系，与正反馈环的非线性不同。

但注意一个细节：回补比例几乎不随卖空比例变化（都是 ~2.6%）。 这说明在这个参数设定下，卖空比例主要影响「触发频率」而不是「单次回补深度」——更多空头意味着更容易触发阈值，但一旦触发，每条路径的回补量是相似的。

结果四：真轧空 vs 普通上涨，回补量差 5 倍#

把 3000 条路径按峰值收益中位数分成两组：

高强度路径的回补量是低强度的 5.1 倍。 这提供了一个可观测的分辨指标：如果你事后看到大量回补（借券余额快速下降），那大概率是真轧空；如果回补很少，那更可能是普通上涨或流动性驱动的波动。

但有一个致命问题：误判率高达 43%。

定义「误判」：峰值 > 30%，但回补 < 5%。这意味着涨幅很大，但没有触发系统性回补——可能是基本面买家、短覆盖、或者其他我们没建模的机制。43% 的路径符合这个条件。

这个数字说明：回补量是一个必要条件（高强度必有大量回补），但不是充分条件（大量回补不一定高强度）。 用它来事后归因，会漏掉一大半真轧空。

对抗式检验：关掉一条腿，收益如何塌陷？#

(a) 安慰剂对照 (g=0)

• 平均收益：+12.61%（vs 基准 +13.66%）
• 峰值收益：+46.1%（vs 基准 +52.6%）
• 放大倍数：1.14x（峰值）——这是测出来的，不是假设的

增益 g=0.5 的设定被实验验证：系统确实放大了初始冲击，幅度与理论预测一致。

(b) 关闭 Gamma 对冲

• 平均收益：+6.46%（vs 基准 +13.66%）
• 峰值收益：+25.8%（vs 基准 +52.6%）
• Gamma 贡献：+7.20%（52.7% of baseline）

这一条腿贡献了一半以上的收益。关掉后，峰值腰斩。

(c) 关闭空头回补

• 平均收益：+10.43%（vs 基准 +13.66%）
• 峰值收益：+50.4%（vs 基准 +52.6%）
• 回补贡献：+3.24%（23.7% of baseline）

这一条腿贡献了约四分之一的收益。关掉后，峰值几乎不变，但平均收益明显下降——说明回补主要影响「收益分布」，而不是「极端情况」。

(d) 真安慰剂（两条腿都关）

• 平均收益：+4.81%
• 峰值收益：+24.4%

这是纯随机游走 + 外生冲击的结果。基准 +13.66% vs 真安慰剂 +4.81%，差了 8.85 个点。 这就是整个正反馈机制的价值。

实操含义与边界#

A. 实现细节#

• 反馈增益 g=0.5 是构造时设定的真值，不是从数据中拟合的。模拟测出来的放大倍数（峰值 1.14x）是对这个真值的验证。
• 外生冲击在 t=0 注入，大小为日成交量 30%。这是一个「触发事件」，模拟的是「某个基本面消息或散户热潮点燃导火索」。
• 回补机制采用阈值触发：+6% 开始自愿回补，+12% 触发强平。这是真实券商风控规则的简化版本。
• 做市商 Gamma 敞口来自期权头寸：卖出 2500 万张看涨期权，行权价 52（轻微虚值），60 天到期。股价越接近行权价，Gamma 越大，对冲越激进。
• 价格冲击采用线性模型：资金流占比日成交量 X%，价格冲击 X × 0.15%。这是一个可调参数，决定了「流动性约束」的强度。

B. 已知偏差#

• 常数增益 g：真实世界里 g 是时变的。当股价涨到一定程度，Gamma 会衰减（期权变深度实值），空头也会逐渐耗尽，g 会下降。本模拟的 g 固定为 0.5，高估了后期的反馈强度。
• 忽略期权微笑：真实期权有波动率微笑——股价涨时，隐波通常也会涨，这会进一步放大 Gamma。本模拟用固定隐波，低估了 Gamma 敞口的波动。
• 无借券费率反馈：真实世界里，轧空时借券费会飙升（有时超过 100% 年化），这会加速回补。本模拟假设固定借券环境，低估了回补压力。
• 单一标的目的：真实轧空往往伴随基本面利多（业绩超预期、行业拐点等），本模拟的外生冲击是纯随机的，低估了「聪明钱」的预判能力。
• 无做空限制：真实市场有「禁空令」、「T+2 规则」等，本模拟假设空头可以无限加仓，高估了空头的韧性。

C. 结果解读#

第一，Gamma 对冲不是噪音，是主引擎。 它贡献了 52.7% 的收益，超过空头回补的两倍。这意味着：如果你在观察轧空行情，期权市场比现货市场更重要。看期权的 Gamma 敞口、看行权价分布、看隐波变化，比盯着「空头会不会踩踏」更有效。

第二，逼近临界点 g=1 时，尾部风险非线性爆发。 平均收益只涨 2 个点，但收益标准差涨 29 个点，峰值 95% 分位涨 57 个点。这不是「平均涨得更多」的世界，是「极端情况变得极端得多」的世界。 任何基于均值回归的模型在这里都会失效。

第三，回补量是必要条件，但误判率高达 43%。 真轧空必有大量回补（高强度路径的回补量是低强度的 5.1 倍），但大量回补不一定意味着高强度——43% 的路径涨幅超 30% 却回补不足 5%。这意味着：事后归因永远有噪音，你永远无法确信「这次涨是因为轧空还是因为基本面」。

第四，卖空比例的影响是线性的，不是指数的。 每增加 10% 卖空，平均收益涨 ~0.9 个点。这打破了「卖空比例越高，轧空越容易爆炸」的直觉。 真正让系统爆炸的是反馈增益 g，不是卖空比例——g 接近 1 时，即使卖空比例很低，系统也会极端放大。

第五，什么时候这个框架有用？ 三个条件：

1. 你有期权的 Gamma 敞口数据（可以看到做市商需要买多少）
2. 你能估计当前的反馈增益 g（可以判断离临界点多远）
3. 你接受「永远有 43% 误判率」的现实（不自欺欺人地声称「这次肯定不一样」）

如果只满足 1 和 2，你有一个风险模型（知道尾部分布会怎么变）；如果三个都满足，你有一个交易模型（可以下注）。但在所有情况下，诚实地面对不确定性比假装精确更有价值。

附录：关键数字速查#

以下是模拟跑出来的硬数字，可直接引用：