Week 11 复习 — 衍生品定价整合 + DeFi 期权产品分析

日期: 2026-07-14 方向: 量化 / 衍生品定价 阶段: Phase 2 - 量化数学与衍生品定价 (Day 61-74) 标签: #量化 #衍生品 #DeFi期权 #产品分析 #整合

---

今日目标

---

一、Phase 2 知识图谱回顾

Day 61 概率统计 ─→ Day 62 SDE/Itô ─→ Day 63 BS PDE/封闭解
                                        ↓
        ┌──────── Day 64 Greeks ←─────┘
        ↓
   Day 65 IV smile ─→ Day 66 SABR ─→ Day 67 整合 v0.1
        ↓
   Day 68 美式期权 ─→ Day 69 异类期权 ─→ Day 70 利率/固收
        ↓
   Day 71 Deribit ─→ Day 72 DeFi期权 ─→ Day 73 永续合约
                                        ↓
                                   Day 74 整合 + 产品分析

核心方法论：

1. 数学层：连续时间 + 风险中性测度 + Itô 引理
2. 模型层：BS、SABR、jump-diffusion、Heston
3. 数值层：closed-form、二叉树、FD、MC
4. 市场层：CEX (Deribit) vs DEX (Lyra/Aevo)
5. 产品层：vanilla、exotic、power perp、perpetual

---

二、产品深度分析：Lyra V2 (Derive)

作者注：选择 Lyra V2 是因为它是 DeFi 期权协议中架构最复杂、最接近机构级的代表，能完整覆盖我们 14 天学的所有概念。

2.1 协议概述

Lyra V2 (rebrand 为 Derive, 2024-Q4) 是 DeFi 期权协议的"机构化"代表。从 V1 (Optimism, 2022) 的 AMM-only 模型演化为：

• V1 (2022): 完全 AMM, LP 是单一对手方
• V2 (2024): Hybrid 模型（off-chain matching + on-chain settle），引入 portfolio margin 和 MMP

2.2 数学层：从 BS 到 Lyra IV 表面

2.2.1 价格生成

Lyra V2 不直接用 BS。每个合约 mark price 由 oracle + 内部 IV 表面计算：

$$ \text{Mark Price} = \text{BS}(S, K, r, \sigma_{\text{Lyra}}(K, T), T) $$

其中 $\sigma_{\text{Lyra}}(K, T)$ 是 Lyra 自有 SVI-like 表面，每秒更新。

2.2.2 Liquidity 报价

LP vault 的报价基于 BS 价 + 内部 spread：

$$ \text{Bid} = \text{Mark} - \delta_{\text{spread}}, \quad \text{Ask} = \text{Mark} + \delta_{\text{spread}} $$

$\delta_{\text{spread}}$ 由 vault 的当前 risk exposure 决定（Day 64 的 portfolio Greeks）。

2.2.3 Vault Risk Engine

Vault 维持的 net exposure：

$$ \Delta_{\text{vault}} = \sum_i n_i \cdot \Delta_i, \quad \Gamma_{\text{vault}} = \sum_i n_i \cdot \Gamma_i, \quad \mathcal{V}_{\text{vault}} = \sum_i n_i \cdot \mathcal{V}_i $$

当 $|\Delta_{\text{vault}}| > $ threshold 时触发外部对冲（去 Synthetix perp 卖空 BTC）。

2.3 协议机制层

2.3.1 Order Flow

1. Trader 发送订单到 off-chain matcher
2. 多 MM 竞价（Wintermute, GSR 等）
3. 最优 MM 报价 win
4. 链上 atomic swap：trader cash ↔ MM option position
5. 若 MM 不接，订单 fallback 到 LP vault

2.3.2 Portfolio Margin (PRM)

不像 V1 的 isolated margin，V2 用 portfolio margin：

• 计算所有头寸的 worst-case loss across IV moves（±20%）+ price moves（±15%）
• Margin = max worst-case loss
• 大幅减少机构资金占用（10x 提升）

2.3.3 MMP (Market Maker Protection)

MM 设置阈值：5 秒内成交超过 $X notional 时自动 cancel 所有 quote。防止 toxic flow（如 oracle hack 引发的 sniping）。

2.4 LP 经济模型

2.4.1 LP 的角色

• 存 USDC 进 vault
• Vault 是"insurance backstop" + "primary LP"
• 收益：MM spread share + tail risk premium
• 风险：极端 vol 时 vault 可能净亏

2.4.2 LP 收益分解

$$ \text{LP Return} = \text{Spread Income} + \text{IV Mispricing} - \text{Hedging Cost} - \text{Tail Loss} $$

实证（2024-2025）：

• Annual gross spread income ~15%
• Hedging cost ~3-5%
• Net to LP ~10-12% (好月份)
• 但 2024-08-05 BTC 闪崩，vault 单日 -8%

2.4.3 LP 风险量化

模拟 LP 一年回报分布（基于历史 IV/RV 比值）：

• 期望: +10%
• 5%-VaR: -25%
• Sharpe: ~0.8

不是稳赚——LP 实质上是"long expected vol, short tail vol"。

2.5 与传统对比

2.6 产品 PM 视角

2.6.1 用户分层

• Whales: $10M+ trades，主要去 Deribit (深度 + RFQ)
• DeFi Native: KYC-averse，5-100K trades，去 Lyra
• Yield Farmers: 寻找 yield enhancement，把 USDC 存 LP vault
• MMs: GSR, Wintermute, Galaxy 同时做市 Lyra 和 Deribit

2.6.2 增长策略

• L2 Gas 优化：从 OP 扩展到 Arbitrum，再到自有 app-chain
• AI / niche assets：list ETH-staking variants, AI sector tokens
• 与 perp DEX 整合：与 Synthetix/GMX 集成对冲

2.7 数据案例（2026-07-14 实测）

Lyra 系统性高 1-2%，反映 LP risk premium。机构常 long Lyra IV / short Deribit IV "vol arb"，但流动性限制单笔 $1M 内。

2.8 SWOT

---

三、整合 options_lib v0.2

在 v0.1 基础上加入：

"""options_lib v0.2 新增模块"""

# 1. 美式期权 (Day 68)
from options_lib.american import CRRBinomialTree, AmericanFD

# 2. 异类期权 (Day 69)
from options_lib.exotic import BarrierOption, AsianOption, LookbackOption

# 3. 利率工具 (Day 70)
from options_lib.curve import bootstrap_curve, NelsonSiegel, Bond

# 4. 加密专用 (Day 71-73)
from options_lib.crypto import (
    DeribitInverseOption,
    SqueethPowerPerp,
    PerpetualSwap,
    FundingRateAnalyzer,
)


# 完整使用示例
def full_workflow_example():
    """
    机构 PM 决策流程: 抓数据 -> 估 IV -> 校准 SABR -> 定价 -> 对冲 -> 监控
    """
    # 1. 抓 Deribit IV 数据
    from options_lib.crypto import fetch_deribit_iv_surface
    surface = fetch_deribit_iv_surface("BTC")

    # 2. 校准 SABR per expiry
    from options_lib.smile import SABR
    sabrs = {}
    for expiry in surface.expiries:
        slice_data = surface.get_slice(expiry)
        sabr = SABR(beta=1.0).calibrate(
            F=slice_data.forward,
            T=slice_data.ttm,
            strikes=slice_data.strikes,
            market_ivs=slice_data.ivs
        )
        sabrs[expiry] = sabr

    # 3. 定价新合约 (interpolated SABR-IV)
    from options_lib.core import EuropeanOption
    target_K = 72500
    target_expiry = "25JUL26"
    iv = sabrs[target_expiry].iv(target_K)
    opt = EuropeanOption(S=65000, K=target_K, r=0.05, sigma=iv,
                         tau=11/365, kind="call")
    print(f"Price: ${opt.price():.2f}, IV: {iv*100:.2f}%")

    # 4. 计算 portfolio Greeks (假设组合)
    portfolio = [
        (10, EuropeanOption(S=65000, K=65000, r=0.05, sigma=0.55, tau=30/365, kind="call")),
        (-5, EuropeanOption(S=65000, K=70000, r=0.05, sigma=0.58, tau=30/365, kind="call")),
    ]
    total_delta = sum(n * opt.delta() for n, opt in portfolio)
    total_vega = sum(n * opt.vega() for n, opt in portfolio)
    print(f"Net Delta: {total_delta:+.4f}, Net Vega: ${total_vega:+.2f}/1%IV")

    # 5. 监控 funding rate (cash-and-carry candidates)
    from options_lib.crypto import FundingRateAnalyzer
    analyzer = FundingRateAnalyzer(["BTCUSDT", "ETHUSDT"])
    for sym, stats in analyzer.get_stats().items():
        if stats["annualized_apy"] > 0.20:  # 20% threshold
            print(f"Cash-carry candidate: {sym} @ {stats['annualized_apy']*100:.1f}%")

---

四、统一的代码包结构

options_lib/
├── __init__.py
├── core.py                  # BS + Greeks (Day 63-64)
├── implied.py               # IV solver (Day 65)
├── smile.py                 # SVI + SABR (Day 65-66)
├── greeks.py                # 二阶 Greeks (Day 64)
├── stochastic.py            # GBM/SDE 模拟 (Day 62)
├── stats.py                 # 矩估计 (Day 61)
├── american.py              # 美式 + CRR (Day 68)
├── exotic.py                # Barrier/Asian/Lookback (Day 69)
├── curve.py                 # Yield curve (Day 70)
├── crypto/
│   ├── deribit.py           # Deribit API + Inverse Greeks (Day 71)
│   ├── powerperp.py         # Squeeth (Day 71)
│   ├── defi_options.py      # Lyra/Premia/Aevo (Day 72)
│   └── perpetual.py         # Funding rate tools (Day 73)
└── tests/                   # pytest 全套

---

五、面试题精选（综合版）

Q1 (混合): 在加密市场，对一个 BTC long-vol 头寸（long ATM straddle 30d），如何用 SABR 模型评估"vol regime change"风险？

思路：

1. 校准当前 SABR：得 $\alpha, \rho, \nu$
2. 模拟参数 shock：$\alpha \to \alpha (1 + 30%)$, $\nu \to \nu (1 + 50%)$
3. 计算每种情形下 ATM IV 变化和 portfolio P&L
4. 与 Vega + Volga 二阶展开对比，验证一致性

关键洞察：SABR backbone 让 $\alpha$ 和 spot 联动，"vol regime change"不只是 IV shift，还有 forward shift。

Q2 (微观结构): Deribit 上 BTC 30d ATM IV = 60%，Lyra V2 同合约 IV = 62%。这个 2% 价差能套利吗？

直接 long Deribit + short Lyra 不行——KYC、collateral、流动性差异巨大。机构做法：通过同时做市两边，捕获 spread。但单笔 large size 难，因为 Lyra 流动性 $50K 即吃完 spread。结论：理论 arb 存在，但执行成本约 1.5-2%，净 alpha 极薄。

Q3 (产品): 你是 Lyra V2 PM，今年要打败 Aevo（流动性 4x），策略是什么？

三大方向：

1. Composability：把 Lyra 期权 NFT 标准化，让 Aave 接受作 collateral；这是 Aevo 不能做的（CEX-like 架构）
2. AI / Long-tail assets：早期 list AI sector token 期权；Aevo 已经做但 slow
3. Yield vault aggregator：把 LP 收益简化为 1-click，与 Pendle PT 结合

Q4 (数学): 给 Squeeth funding 0.04%/8h，对应 implied vol 是多少？

Annualized funding = 0.04% × 3 × 365 = 43.8%。Squeeth: $f \approx \sigma^2$，所以 $\sigma = \sqrt{0.438} = 66.2%$。这是 ETH 的 implied vol（per Squeeth pricing）。注意：这与 Deribit 30d IV 不直接可比（Squeeth 是 perpetual，含 forward vol）。

Q5 (策略): 如果你预期 BTC 未来 30 天 IV 会从 55% 升到 70%（vol regime change），怎么交易？

方案：

• 简单：long ATM straddle (high Vega)
• 中级：long Vega-spread（long ATM long-tenor，short ATM short-tenor）
• 高阶：long Volga（$\partial^2 V/\partial \sigma^2 > 0$ at OTM），通过 long OTM strangle (双翼)
• 风险：vega-time decay；如果 IV 升但 spot stable，gamma scalping 反而亏

Q6 (DeFi): GMX V2 perp 的 funding 与 Binance perp funding 有什么本质区别？

Binance funding 是"long pay short" zero-sum；GMX V2 funding 部分流向 LP（GLP holders）。所以 GMX trader 总体是输给 LP 的（house edge ~5-15% APY）。这是 GMX LP 高收益的来源，但也是 trader 长期亏损的原因。

Q7 (面试官最爱): 推导 Black-Scholes PDE 的过程中用了哪些金融假设，每个假设违反时应该怎么修正？

---

六、Phase 2 收获总结

6.1 新增能力

• ✅ 推导 BS PDE 与封闭解（任何深度都可以白板写出）
• ✅ 实现 BS / IV / SABR / SVI 完整代码库
• ✅ 二叉树/MC/FD 数值方法
• ✅ 异类期权定价（Barrier/Asian/Lookback）
• ✅ Deribit / Lyra / Aevo / GMX 链上链下数据抓取与分析
• ✅ Funding rate cash-and-carry 套利策略

6.2 仍需 Phase 3+ 深化

• ❌ Heston / SLV 等更复杂模型（Phase 3）
• ❌ 高频 vol arbitrage（Phase 3）
• ❌ XVA / counter-party risk（Phase 4）
• ❌ Carbon credits / ESG derivatives（Phase 4）

6.3 求职定位

完成 Phase 1+2 后能投递的方向：

• Galaxy Digital Trading: Crypto Options Quant Trader
• Wintermute: Options Market Maker (junior quant)
• Jump Crypto: Vol Arbitrage Researcher
• GSR: OTC Options Sales / Structuring
• DeFi Protocol PM: Lyra V2, Aevo, Premia 产品 PM

---

七、Phase 3 预告

Phase 3 (Day 75-110): 高频与做市策略

下一阶段进入更前沿的领域：

• 高频限价单簿 (LOB) 建模
• 做市 Avellaneda-Stoikov 模型
• Optimal execution (TWAP/VWAP/Almgren-Chriss)
• ML-based vol forecasting (LSTM/Transformer)
• Regime switching models
• Multi-asset portfolio optimization
• Slippage and impact models
• Backtesting framework with realistic frictions

完成 Phase 1+2+3 后，理论上能直接 apply Wintermute / Jump Crypto 的 Junior Quant Researcher 岗位（不仅是 PM）。

---

八、关键速查（Phase 2 全套）

---

九、明日预告

Day 75: 限价单簿 (LOB) 建模 — 进入 Phase 3 高频与做市世界。LOB 微观结构、Order Flow、market impact、做市商最优 quoting。这是从"PM/分析师"向"Quant Trader"过渡的关键章节。

期待与 Phase 3 重新见面。