零日期权 0DTE 对市场波动结构的冲击

问题：当一半的期权成交在当天到期#

2016 年，SPX 每周只有三个到期日。现在每个交易日都有当日到期的期权（0DTE，zero days to expiration），而且这类合约占 SPX 期权总成交量的比例已长期在 40%~50% 区间。

这不是简单的「换个到期日交易」。0DTE 改变了期权市场对现货市场的反馈结构，原因只有一个：

Gamma 在时间维度上的极端集中。

期权的 Gamma（delta 对标的价格的敏感度）随到期临近向平值处坍缩。一张一个月后到期的期权，Gamma 平摊在很宽的价格区间上；一张 4 小时后到期的期权，Gamma 是一根扎在行权价上的尖刺。做市商持有的每一张期权都需要 delta 对冲，Gamma 越尖，同样的价格变动逼出的对冲交易量越大。

0DTE 的流行等于把整个期权市场的对冲流从「温和的背景噪音」改造成「日内高频的机械洪流」。这篇文章用模拟把这套机制拆开：Gamma 集中到什么程度、对冲流如何改写日内波动结构、以及为什么同一天的市场可以既被压制又被引爆。

Gamma 的时间集中：5.8 倍只是开始#

先看最基础的事实。Black-Scholes 框架下 ATM 期权的 Gamma 近似正比于 $1/(S\sigma\sqrt{T})$——剩余期限 $T$ 进了分母的平方根。

from scipy.stats import norm
import numpy as np

def bs_gamma(S, K, T, sigma, r=0.0):
    d1 = (np.log(S/K) + (r + 0.5*sigma**2)*T) / (sigma*np.sqrt(T))
    return norm.pdf(d1) / (S * sigma * np.sqrt(T))

# 同一张 ATM 期权，不同剩余期限
for label, T in [("剩4小时", 4/6.5/252), ("1天", 1/252),
                 ("1周", 5/252), ("1月", 21/252)]:
    print(label, round(bs_gamma(100, 100, T, 0.20), 4))

模拟结果（σ=20%，S=K=100）：

注意两点。第一，5.8 倍只是「早盘还剩 4 小时」时的快照——Gamma 随 $\sqrt{T}\to 0$ 发散，到尾盘最后半小时，倍数还要再翻几倍。第二，Gamma 集中的同时宽度变窄：1 月期期权在 90~110 都有可观 Gamma，0DTE 的 Gamma 挤在 ±2 元以内。这意味着 0DTE 的对冲流是局部的、状态依赖的：价格在行权价附近时洪流汹涌，离开两块钱就迅速归零。

对冲流的方向：谁持有 Gamma 决定市场性格#

做市商的规则很机械：客户买期权，做市商就是卖方，持有负 Gamma；客户卖期权，做市商持有正 Gamma。然后 delta 对冲不看基本面，只看价格：

• 做市商正 Gamma：价格涨 → delta 变正 → 需要卖出标的。价格跌 → 需要买入。对冲流高抛低吸，像阻尼器一样压制波动；
• 做市商负 Gamma：价格涨 → 需要买入追涨，价格跌 → 需要卖出杀跌。对冲流顺势加压，像放大器。

我们用一个最小模型验证：78 根 5 分钟 bar，基本面冲击相同，对冲流对上一根 bar 的价格变动做滞后反应，价格冲击系数 λ=0.15、对冲强度 0.6，跑 800 条路径：

def simulate(gamma_sign, intensity):
    # gamma_sign=+1: 做市商正gamma(反向对冲) -1: 负gamma(顺向)
    prev_r = 0.0
    for i in range(n_steps):
        r_fund = shock[i]                          # 基本面冲击
        r_hedge = -gamma_sign * lam * intensity * prev_r  # 对冲流
        r = r_fund + r_hedge
        prev_r = r

关键读法：三组的基本面冲击分布完全相同，唯一区别是对冲流的符号。正 Gamma 日每一步价格变动都被部分「拉回」，产生负自相关，日频波动被压缩；负 Gamma 日每一步被「顺推」，产生正自相关，日频波动放大 15%。

对策略的直接含义：同一个市场，隔着做市商敞口的符号，动量策略和均值回归策略的适用性直接互换。正 Gamma 日做日内动量是在跟对冲洪流对着干；负 Gamma 日做均值回归是在接飞刀。

日内结构：尾盘的波动翘尾被 0DTE 改陡#

0DTE 有一个多日期权没有的特征：它的 Gamma 在一天之内完成从平缓到发散的全过程。早盘剩 6 小时，Gamma 还算温和；尾盘剩 30 分钟，ATM Gamma 爆表。这意味着 0DTE 的对冲流强度有一个内生的日内爬坡。

把经典的日内波动 U 形（开盘高、午盘低、尾盘翘）作为基线，叠加随 Gamma 剖面增强的 0DTE 对冲贡献（假设当日为负 Gamma 敞口）：

这与美股市场近年被反复讨论的现象一致：尾盘半小时的成交与波动占比上升，且大幅日内反转（或加速）更频繁地发生在 14:00 之后——那正是 0DTE Gamma 开始发散、做市商对冲误差容忍度归零的时段。

尾部：负 Gamma 日的大波动概率翻倍#

对风险管理者，最重要的输出是日收益分布的形状。用同一套基本面冲击跑 4000 个交易日，只切换敞口符号：

同样的信息流，负 Gamma 日出现 2% 以上大波动的概率是正 Gamma 日的 2.2 倍。这就是「0DTE 加剧市场脆弱性」的准确表述——它不是每天都在放大波动，而是在客户净买入 0DTE、做市商被迫负 Gamma 的日子里，把本来 1.5% 的下跌加速成 2.5% 的下跌。2024 年 8 月 5 日的日元套息交易平仓日、以及多次 CPI 发布日的 V 形反转，都被广泛归因于这类对冲流的临界放大。

反过来，在平静期客户以卖出 0DTE 收权利金为主，做市商正 Gamma，指数呈现「阴跌不动、波动极低」的钉住状态——这也是 2023-2024 年 VIX 长期低位的结构性解释之一。

怎么用：监测而非预测#

对量化交易者，0DTE 的正确打开方式是把做市商 Gamma 敞口当作 regime 变量：

1. 估计净敞口方向：从期权成交与持仓数据聚合 GEX（Gamma Exposure）剖面，定位 Gamma 翻转点。价格在翻转点上方按正 Gamma 环境处理，下方按负 Gamma 处理；
2. 日内策略切换：正 Gamma 环境下均值回归胜率提升，负 Gamma 环境下动量与突破策略占优、且需放宽止损（波动被放大是结构性的，不是噪声）；
3. 尾盘风控：0DTE 占比高的日子，避免在最后 30 分钟挂大额市价单——你的对手盘里有一台不看价格、只算 delta 的对冲机器；
4. 波动交易：负 Gamma 日的已实现波动系统性高于隐含定价时，买入日内跨式的期望改善；正 Gamma 日反之。

诚实边界#

方向不可直接观测。 GEX 计算依赖「客户买 call 卖 put」之类的符号惯例，散户爆买 call 的日子（meme 股、事件日）惯例整体算反。0DTE 恰恰是散户参与度最高的品种，符号误判风险最大。

OI 快照滞后。 0DTE 的持仓在日内从零建立、到收盘归零，隔夜 OI 数据完全失效，日内成交流推断有噪声。

放大是条件性的。 本文模拟中对冲强度、价格冲击系数都是外生常数；真实市场中做市商会调整对冲频率、用期权对冲期权，反馈强度在危机中非线性跳升、在平静期远低于模型。把 0DTE 当作「每天都在制造崩盘」是对机制的误读——它是干柴，不是火柴。