IV Term Structure + Volatility Smile / Skew

日期: 2026-05-28 方向: 期权 / 波动率结构 阶段: Phase 1: 基础与工具链 标签: #VolatilityTermStructure #IVSmile #IVSkew #Contango #Backwardation #VolSurface #VIX

---

今日目标

---

一、先回顾：BS 假设和现实之间的裂缝

Day 16-18 我们用 Black-Scholes 算 IV，假设是「同一只股票的所有期权，σ 是常数」——一个数字描述整个 underlying。

但 1987 年 10 月 19 日「黑色星期一」之后，市场上发生了永久性的结构变化：交易员开始为「尾部风险」明码标价。从此 BS 模型反推出来的 IV 不再是常数，而是：

IV = f(strike, expiry)

这个二元函数画出来就是 volatility surface（波动率曲面）。它有两条主要切片：

把它们叠起来 → 完整的 surface。机构做市商每天维护这个 surface 给 chain 上每个期权报价；个人量化主要看几个关键切片就够用。

今天的核心 takeaway 提前剧透：

1. 你看到的 IV 永远是相对的——相对于 term structure 中的位置、相对于 skew 中的位置
2. 高 IV 不等于「贵」，要看在 surface 哪个位置
3. 卖期权赚钱的本质很多时候是赚 skew 上的结构性溢价，不是「赚波动」

---

二、IV Term Structure：时间维度的不确定性定价

2.1 定义与可视化

固定一个 strike（通常取 ATM，即等于当前 spot 的那个 strike），把不同 expiry 的 IV 连起来：

        IV
         ^
   30% - |                          .  .  .  .
         |                    .  .                    (contango, normal)
   20% - |              .
         |        .
   10% - |   .
         +-----+-----+-----+-----+-----+-----+----> DTE
              7    14    30    60    90   180

横轴 DTE（days to expiry），纵轴 IV。典型形状：右上倾斜，远月 IV > 近月 IV。

2.2 Contango vs Backwardation

借用期货术语：

2.3 历史上著名的 backwardation 时刻

直觉：contango → 市场认为「不会马上出事，但未来谁知道」。backwardation → 「现在就有事，先扛过这周再说」。

2.4 为什么 contango 是常态

三个互相加强的力量：

1. 不确定性随时间累积：未来越远，可能性树越宽，sqrt(T) 因子推高 IV
2. 持有期权要支付 theta：长期期权时间价值更厚，必须有更高 IV 才能让卖方有利润
3. 流动性溢价：远月期权流动性差，做市商要更宽 spread 才肯报价 → 推高隐含 IV

任何一个抵不过时，contango 就崩了。backwardation = 市场认为眼前的 jump risk 已经超越了上述三个力量。

2.5 VIX term structure：宏观风险温度计

CBOE 不只是发布 VIX（30 天预期波动率），还发布：

这五个连起来就是 VIX term structure。常态下右上倾斜（contango）。

简单宏观指标：

• VIX3M / VIX < 1 → backwardation → 市场恐慌中 → 谨慎加仓
• VIX3M / VIX > 1.15 → 深度 contango → 市场极度平静 → 警惕复杂性崩塌（最危险的时候往往看起来最安全）
• VIX3M / VIX ∈ [1.0, 1.15] → 正常区间

我个人会把这个 ratio 当作「不开新仓的开关」之一。

---

三、Volatility Smile：1987 之前不存在的曲线

3.1 历史背景：BS 出来之后的"乌托邦时代"

1973 年 Black-Scholes 发表，CBOE 同年开张。1973-1987 这十几年间，市场上的 IV 真的接近常数——不同 strike 的 IV 平坦。BS 模型几乎完美。

直到 1987 年 10 月 19 日，道琼斯单日跌 22.6%。

事后人们用 BS 算 1987 前的 OTM put：如果 IV 是 20%，OTM put 几乎一文不值。但这次崩盘把所有 OTM put 卖方扫地出门。

从此以后市场达成共识：BS 的对数正态假设低估了尾部。OTM put 不应该是「几乎免费的灾难保险」，它应该有显著溢价。这个溢价反推回 BS → OTM put 的 IV 高于 ATM 的 IV → smile 诞生。

3.2 Smile 的形状

                IV (固定 expiry)
                 ^
            40% -|.                                    .
                 | .                                  .
            30% -|  .                                .
                 |   .                              .
            20% -|     .                          .         <- ATM 最低点
                 |        .                    .
            10% -|              .  .  .  .  .
                 +------+------+------+------+------+----> Strike
                   80%   90%   100%   110%   120%        (% of spot)
                   OTM put         ATM         OTM call

两边翘起来，中间最低，像一个"微笑"。

3.3 经济解释（三股力量同时作用）

3.4 不同标的的 smile 形状完全不同

关键认识：Smile/skew 不是市场异常，是市场理性 + 资金流动结构的均衡。模型（BS）错了，市场对了。

---

四、Volatility Skew：股指期权的常态

对 SPY / SPX，完整对称的 smile 反而少见，更常见的是「向左倾斜的偏斜（put skew）」：

                IV (SPX 30 DTE)
                 ^
            35% -|.
                 | .
            25% -|   .
                 |     .
            18% -|        .
                 |             .  .  .  .  .  .  .  .
            15% -|                                .
                 +------+------+------+------+------+----> Strike
                   90%   95%   100%   105%   110%
                   OTM put         ATM         OTM call

OTM put IV > ATM IV > OTM call IV。

4.1 为什么 SPY 有 put skew 而不是对称 smile

• 长仓机构（养老金/共同基金/家族办公室）必须对冲下跌，规模化买 put → 推高 put IV
• 同样这些机构卖 OTM covered call 收 income → 压低 call IV
• 散户买彩票（OTM call）的量级远小于机构买 put
• 杠杆效应也是单向的：下跌时 vol 飙升、上涨时 vol 平静

4.2 25-delta risk reversal：标准 skew 度量

RR_25 = IV(25Δ OTM call) - IV(25Δ OTM put)

(25-delta 是约定俗成的远值，对应 spot ± 1σ 附近的 strike)

观察 RR_25 的变化方向比绝对值更有意义。SPY 的 RR_25 从 -3% 突然变到 -6% → 比 VIX 上涨更早期的恐慌信号。

4.3 Term skew：skew 自己也有期限结构

近月期权 skew 更陡（risk reversal 更负），远月期权 skew 更平。直觉：远期任何事情都有可能（包括上涨），市场不愿意单边定价；近期下跌恐慌更具体可感。

这也意味着 7DTE 期权的 skew 经常失真——流动性差 + gamma 极端 → IV 数字不稳定。

---

五、Vol Surface：把两个维度合起来

        IV
         ↑
         |                      ████████
         |                  ████████████
         |             ████████   ████████
         |        ███████     ████████████
         |   ███████      ████████████████
         | ████      ███████████████████
         |_____________________________________ → Strike
        /
       /
      ↓ Expiry

3D 曲面：strike × expiry × IV。

5.1 机构怎么用 surface

做市商不是为每个 strike 独立报价，而是：

1. 维护一个参数化的 surface 模型（SABR、SVI、Heston 都是经典选择）
2. 实时校准模型参数（用最活跃的几个 strike 的市场价反推）
3. 用模型外推/内插给整个 chain 报价
4. 单点报价偏离 surface 太多 → 套利机会（或数据错误）

5.2 个人量化怎么用 surface

我们不需要 fit 整个 surface，但要会：

• 检查报价是否合理：某个 strike 的 IV 显著偏离邻居 → 可能流动性差，慎入
• 比较 term structure 上下：卖 weekly vs 卖 monthly，看 theta/vega 的 trade-off
• 比较 skew 高低：选 OTM put strike 时，IV 越高 = 收的 premium 越多（在做卖方时）

---

六、实操：抓 SPY 期权链画 IV smile

我们用 ib_insync 拿当前 SPY 离当前最近的 monthly expiry 全部 strike，画 IV vs strike，看出 skew 的形状。

# tr_day19_iv_smile.py
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from ib_insync import IB, Stock, Option, util

util.startLoop()  # remove if running as a standalone script

ib = IB()
ib.connect('127.0.0.1', 7497, clientId=19)  # Paper port

# 1) Get SPY spot
spy = Stock('SPY', 'SMART', 'USD')
ib.qualifyContracts(spy)
[ticker] = ib.reqTickers(spy)
spot = ticker.marketPrice()
print(f"SPY spot: {spot:.2f}")

# 2) Discover option params
chains = ib.reqSecDefOptParams(spy.symbol, '', spy.secType, spy.conId)
chain = next(c for c in chains if c.tradingClass == 'SPY' and c.exchange == 'SMART')

# 3) Pick the closest monthly expiry > 21 DTE (avoid super-near distortion)
from datetime import datetime, date
today = date.today()
expirations = sorted(chain.expirations)
target_expiry = None
for exp in expirations:
    exp_date = datetime.strptime(exp, '%Y%m%d').date()
    dte = (exp_date - today).days
    if 21 <= dte <= 45:
        target_expiry = exp
        break
print(f"Target expiry: {target_expiry}")

# 4) Build strike grid: ±15% around spot
all_strikes = sorted(chain.strikes)
strikes = [s for s in all_strikes if 0.85*spot <= s <= 1.15*spot]

# 5) Build contract list (both puts and calls)
contracts = []
for s in strikes:
    contracts.append(Option('SPY', target_expiry, s, 'P', 'SMART', tradingClass='SPY'))
    contracts.append(Option('SPY', target_expiry, s, 'C', 'SMART', tradingClass='SPY'))
ib.qualifyContracts(*contracts)

# 6) Pull IV via reqMktData with modelGreeks
tickers = ib.reqTickers(*contracts)

rows = []
for t in tickers:
    iv = t.modelGreeks.impliedVol if t.modelGreeks else None
    rows.append({
        'strike': t.contract.strike,
        'right': t.contract.right,
        'iv': iv,
        'mid': (t.bid + t.ask) / 2 if t.bid and t.ask else None,
    })
df = pd.DataFrame(rows).dropna(subset=['iv'])

# 7) Plot smile/skew
fig, ax = plt.subplots(figsize=(10, 5))
puts = df[df.right == 'P']
calls = df[df.right == 'C']
ax.plot(puts.strike, puts.iv * 100, 'o-', label='Put IV', color='crimson')
ax.plot(calls.strike, calls.iv * 100, 's-', label='Call IV', color='steelblue')
ax.axvline(spot, color='gray', linestyle='--', label=f'Spot ({spot:.2f})')
ax.set_xlabel('Strike')
ax.set_ylabel('IV (%)')
ax.set_title(f'SPY IV Skew — Expiry {target_expiry}')
ax.legend()
ax.grid(alpha=0.3)
plt.tight_layout()
plt.savefig('spy_skew.png', dpi=120)
plt.show()

# 8) Quick numeric skew check
atm_iv = df[(abs(df.strike - spot) < 1)].iv.mean()
otm_put_25d = df[(df.right == 'P') & (df.strike < 0.95*spot)].iv.mean()
otm_call_25d = df[(df.right == 'C') & (df.strike > 1.05*spot)].iv.mean()
print(f"ATM IV ~ {atm_iv*100:.2f}%")
print(f"OTM put IV ~ {otm_put_25d*100:.2f}%")
print(f"OTM call IV ~ {otm_call_25d*100:.2f}%")
print(f"RR proxy (call - put) = {(otm_call_25d - otm_put_25d)*100:+.2f}%")

ib.disconnect()

6.1 预期输出

正常市场下应该看到：

• ATM IV 在 14-18% 之间（SPY 在低 VIX 环境）
• OTM put IV 高于 ATM 3-6 个点
• OTM call IV 低于 ATM 1-3 个点
• RR proxy 显著为负（-3% 到 -6%）

如果今天 VIX 高（>22），整条曲线整体往上平移；如果 backwardation 严重，可能近月 ATM 反超 60 天 ATM。

6.2 简单画 term structure

把上面代码拆出三个 expiry（一个 weekly、一个 monthly、一个 quarterly），固定 strike = spot（ATM），把三个 IV 点画出来连线就是 term structure。

---

七、VIX term structure 经典 trade

VIX 自己不能交易（只是个指数），但可交易的工具有：

7.1 经典 contango 收割（"短 VIX"）

逻辑：

1. VIX 期货 80% 时间在 contango
2. VXX 每天 roll：卖近月（便宜）+ 买远月（贵）→ 持续亏损 → VXX 长期下跌
3. 长期做空 VXX（或买 SVXY）→ 收 contango 衰减 → 类似收 carry

但灾难场景：2018 年 2 月 5 日「Volmageddon」，VIX 单日从 17 跳到 37，XIV（-1× VIX 的 ETN，SVXY 同族）单日跌 96%，被强制清盘。短 vol 策略累积多年的利润可以被一次黑天鹅全部抹去。

教训：

• 短 vol carry 是「钓鱼竿赚硬币、压路机来碾压」
• 必须有硬止损或 OTM call 对冲
• 仓位永远不能超过净资产的小比例（5-10% max）

7.2 Backwardation 时反向 trade

当 VIX3M/VIX < 1（backwardation）：

• 这时长 VIX 没有 roll cost（甚至 roll yield 为正）
• 可以小仓位买 VXX 或 UVXY
• 但必须有清晰退出条件（如 ratio 回到 1.0 即出）
• 不能 ride 太久，因为 backwardation 平均只持续几周

对我个人：90 天计划里我不打算交易 VIX 产品（复杂度高、ETN 衰减坑多），但用 VIX term structure 当宏观开关——backwardation 期间不卖 put，contango 极深期间警惕。

---

八、Skew 在策略选择中的实用应用

把 skew 知识转换成具体可执行的策略选择规则：

8.1 卖 OTM put：吃 put skew 溢价

• SPY 30 DTE OTM put IV 通常比 ATM 高 3-5 个点
• 等于市场每个月都在为「下跌保险」额外付费
• 卖方就是吃这个保险费
• 这是 cash-secured put（CSP）和 wheel 策略的本质收益来源
• 没有这个 structural skew，CSP 的胜率不可能这么高

8.2 卖 covered call：在 OTM call 偏低 IV 上面妥协

• OTM call IV 通常比 ATM 低
• 卖 CC 收的 premium 相对单纯卖 strangle 的 call 腿少一些
• 但好处是有股票背书，不怕大涨
• 实战中我会选 delta ≈ 0.20-0.25 的 OTM call（约 1σ 外），既收 premium 又不容易被 assign

8.3 Iron Condor：同时吃两边 IV 溢价

• 卖 OTM put + 买更 OTM put（保险） + 卖 OTM call + 买更 OTM call（保险）
• 同时利用 put skew 和 OTM call 还是比 ATM 高一点的事实
• 适合预期 underlying 横盘的区间

8.4 警惕反指标：skew 太平 / 反转

• 如果 SPY 25Δ RR 从 -3% 飙到 +1%（罕见）→ 市场情绪结构性变化
• 通常出现在大型上涨末期，机构开始担心错过暴涨多过担心下跌
• 这时不要继续卖 OTM call（IV 会被刺杀）
• 反过来如果 RR 跌到 -6% 以下 → 极度恐慌 → CSP 反而是好机会（但要小仓位）

---

九、常见坑（亲测）

9.1 Strike 离 ATM 太远，IV 不稳定

• 5Δ 以外的期权（深度 OTM）流动性极差
• bid-ask spread 可能比 mid 还宽
• 反推的 IV 可能是个无意义的数字（或 None）
• 画 skew 时通常只用 ±15% strike 范围内

9.2 Expiry 太近（<7DTE）skew 失真

• gamma 爆炸 + theta 急速衰减 → IV 数字波动剧烈
• 一只蝴蝶煽动翅膀就能让 0DTE 的 IV 跳 20%
• 画结构性 skew 选 21-45 DTE 最稳定

9.3 不同股票的 skew 形状完全不同

• 别拿 SPY 的 skew 直觉套 NVDA 或 TSLA
• 单股财报前 IV 会形成「双峰」结构（财报日附近 IV 飙高）
• 商品 ETF（USO/UNG）skew 经常右偏
• 每个新交易标的，先看一眼 skew 形状再设计策略

9.4 模型 IV vs 自己反推 IV

• IBKR 的 modelGreeks.impliedVol 用的是自家模型（接近 BS）
• 你用 BS + bid 反推 vs 用 mid 反推 vs 用 ask 反推，会得到不同结果
• 报告 IV 时永远说清楚是哪个价格反推的

9.5 Dividend 与 ex-div date

• SPY 季度分红会让 call 表面 IV 偏低、put 表面 IV 偏高
• 跨过 ex-div date 的 expiry 不能直接和不跨的比
• 严肃分析需要把 dividend 调整加进 BS

9.6 利率变化的影响

• BS 里 risk-free rate r 影响 call/put 平价
• 2024-2026 SOFR 大变化时期，旧版代码默认 r=0% 会给出错误 IV
• 始终用当前 SOFR 或 3-month T-bill rate

---

十、PM 视角：今天学到的迁移性思考

1. 「平均值」是骗子，必须看分布

   • BS 用一个 σ 描述整只股票，是「平均化」的傲慢
   • 市场用 surface 告诉你：尾部、中间、上涨、下跌 各自的不确定性不一样
   • PM 看 KPI 时也一样：DAU 平均值是骗子，看 P50/P90/P99 留存才真实
   • 销售额平均值是骗子，看不同客户分层、不同 cohort 留存才真实
   • 一句话：任何一维数字描述多维世界，都在隐藏信息

2. 结构性溢价的本质是「持续不对称的需求」

   • SPY put skew 永远存在是因为长仓机构对冲是结构性买盘
   • 在金融产品设计里，识别结构性需求 → 找到 sustainable monetization
   • 反过来，做卖方就是站在结构性需求的对面，收「保险费」
   • 类比到 PM：SaaS 续费率高的产品本质是「客户离开你比续费更贵」的结构性不对称

3. 市场不是均衡，是均衡 + 流动

   • Smile 不是「定价错误」，是流动性、需求、风险偏好不对称的均衡产物
   • 任何系统的「异常」往往不是 bug，是约束条件造成的局部最优
   • PM 看到的「用户行为异常」常常也不是 bug，是产品架构的局部最优
   • 想改它，要改约束条件，不是直接改行为

4. 历史改变模型 ≠ 模型错了，是输入分布变了

   • 1987 之后市场永久性给尾部加价 → BS 假设的对数正态分布不再成立
   • 不是 BS 错了，是 BS 假设的输入（normal distribution）和现实有差距
   • PM 处理用户行为模型也一样：COVID 之后用户预期变了，远程办公变了，老的留存模型必须重新校准
   • 永远问：今天的世界还满足模型当初的假设吗？

5. 隐含 vs 实现的永恒博弈

   • IV 是市场预期的未来波动
   • RV 是历史真实发生的波动
   • 短 vol 策略本质是赌「IV 系统性高估 RV」
   • PM 视角：用户「调研时说的偏好」是 IV，「实际行为」是 RV，两者差值常年存在，做产品就是去捕捉这个差

---

十一、明日预告

Day 20: IBKR 期权操作 + 第一笔 Cash-Secured Put

• 在 TWS / IB Gateway 上下期权单的完整流程
• Limit / Market / 中间价 + IBKR 智能路由对期权的影响
• Cash-Secured Put 选 strike / 选 expiry 的实战清单
• 第一笔 Paper CSP：选 SPY 30 DTE 25Δ put，下单 → 持仓 → 等收割
• 第一笔 CSP 后的复盘表：premium / theta / 余下天数 / 假设被 assign 的总成本
• Wheel 策略的下一步设计（assign → CC → 再 assign → CSP 循环）

---

实际执行记录

启动一项填一项，时间戳 + 卡点。

• [hh:mm] 阅读 IV term structure 部分 + VIX 期限结构观察当日 ratio
• [hh:mm] 阅读 smile/skew 部分 + 复习 1987 历史
• [hh:mm] 跑 tr_day19_iv_smile.py → 拿 SPY 当前 expiry 的 IV smile 图
• [hh:mm] 检查当日 RR_25 值，对比历史均值（约 -3%），判断当前市场风险情绪
• [hh:mm] 跑 term structure 版本（多个 expiry 的 ATM IV）
• [hh:mm] 整理 SPY skew 与 NVDA/TSLA skew 的对比观察
• [hh:mm] 更新 TR_PROGRESS.md Week 3 Day 19 标 ✅
• 卡点 / 学到的：

---

总字数：约 6,200 字 今日完成度：理论 ✓ / 实操（你自己跑代码画 skew 图）/ 笔记 ✓