Wheel 策略全图 — CSP → Assigned → CC → 卖出

日期: 2026-06-16 方向: Phase 2 / 期权 / Wheel 阶段: Phase 2: 策略实战 + AI 信号 标签: #Wheel #CSP #CoveredCall #ThetaHarvesting #SmallAccount #LowPriceStock

---

今日目标

---

一、Wheel 策略的本质：把「赌方向」改成「收租金」

Wheel 是期权领域里最被低估的策略之一——因为它不性感（没有 100x payoff）、不复杂（没有跨期蝶式）、不刺激（不靠择时）。但在 <$5k 小账户里，它几乎是结构上最稳健的可持续盈利来源。

1.1 一句话定义

Wheel = 在你愿意长期持有的标的上，循环卖出 OTM put 和 OTM call，靠 Theta 衰减赚 premium，被 assigned 时按预设计划接货或卖货。

它不是「策略」，更像一个状态机（State Machine）。每一步的输入是当前持仓状态 + 标的价格 + 到期日，输出是「卖什么、卖多少、什么 strike」。

1.2 与方向性交易的核心区别

关键认知：Wheel 是「用『接货的承诺』换 premium」的生意。你不是在赌它涨还是跌，你是在卖一份「保险」——卖给市场上那些怕跌的人——只要你愿意接货（CSP 阶段）或愿意卖货（CC 阶段），这份保险就能持续收钱。

1.3 这跟金融 PM 的日常工作其实是同构的

我做了 10 年金融零售，回头看 Wheel 的结构跟「月度采购合同 + 库存承受能力」几乎一模一样：

• CSP 阶段 = 「我承诺以约定价格买入 100 单位库存（如果对方要交货）」+ 对方先付定金（premium）
• Assigned = 库存按计划入库（不是失败，是合同执行）
• CC 阶段 = 「我承诺以约定价格卖出 100 单位库存（如果对方要买）」+ 对方先付定金
• Called away = 库存按计划出库

唯一不同的是：金融合同的对手方是具体的人（你能谈判），而 Wheel 的对手方是市场（你只能 take 或 leave 报价）。

---

二、四阶段详解：每一步的目标和决策

2.1 流程图

                  ┌─────────────────────────────────┐
                  │   START: 持有现金 $5k           │
                  └────────────────┬────────────────┘
                                   ▼
            ┌──────────────────────────────────────────┐
            │   Stage 1: 卖 CSP (Cash-Secured Put)     │
            │   - Strike: 你愿意接货的价格 (~Delta 0.30)│
            │   - DTE:   30-45 天                       │
            │   - 占款:  strike × 100                   │
            │   - 收入:  premium A                      │
            └────────────────┬─────────────────────────┘
                             ▼
                ┌────────── 到期 ──────────┐
                │                            │
            股价 > strike              股价 < strike
        (OTM, 过期作废)              (ITM, 被 assigned)
                │                            │
                ▼                            ▼
        ┌───────────────┐         ┌──────────────────────┐
        │ 保留 premium A│         │ Stage 2: Assigned    │
        │ → 回 Stage 1  │         │ - 以 strike 买入 100  │
        └───────────────┘         │   股                  │
                                  │ - 实际成本 =          │
                                  │   strike - premium A  │
                                  └──────────┬───────────┘
                                             ▼
                            ┌──────────────────────────────────┐
                            │ Stage 3: 卖 Covered Call         │
                            │ - Strike: ≥ 你的成本 (Delta 0.30) │
                            │ - DTE:    30-45 天                │
                            │ - 占款:   股票本身（不额外占款） │
                            │ - 收入:   premium B               │
                            └──────────────┬───────────────────┘
                                           ▼
                          ┌────────── 到期 ──────────┐
                          │                            │
                      股价 < strike              股价 > strike
                    (OTM, CC 过期作废)        (ITM, 被 called away)
                          │                            │
                          ▼                            ▼
                  ┌───────────────┐         ┌──────────────────────┐
                  │ 保留 premium B│         │ Stage 4: Called Away │
                  │ + 继续持股    │         │ - 以 strike 卖出 100 │
                  │ → 回 Stage 3  │         │   股                  │
                  │ (卖新 CC)     │         │ - 兑现盈利           │
                  └───────────────┘         │ - 回到现金状态       │
                                            └──────────┬───────────┘
                                                       │
                                                       └─→ 回 Stage 1

2.2 四阶段决策表

2.3 关键认知：Stage 2 和 Stage 4 不是失败

新手最大的心理障碍是「我被 assigned 了，是不是策略错了？」

不是。 在 Wheel 的设计里，Stage 2 和 Stage 4 是预期内的事件：

• Stage 2（被接货）：你早就说过「strike 这个价我愿意买」。市场把价格送到了，你买了，这是 plan 内的事。
• Stage 4（被卖出）：你早就说过「strike 这个价我愿意卖」。市场把价格送到了，你卖了，盈利兑现。

真正的失败只有一种：你卖的 CSP 标的，你根本不想长期持有。这才是错。

---

三、为什么 Wheel 特别适合小资金（<$5k）

3.1 三个结构性优势

1. Risk-defined（最大风险有上界）

单轮 Wheel 最大亏损 = (strike × 100) - 已收 premium 之和 - 现价 × 100
                    = 你的接货成本 - 当前市值

举个具体的例子：F (Ford) 现价 $11，你卖 $10 strike 的 CSP，收 $0.20 premium。

• 最坏情况：F 跌到 $0（破产），你被 assigned，损失 = $10×100 - $20 = $980（用了 $1000 保证金，留下来 $20 premium）
• 可见性：你 sell put 那一刻就知道最大亏损是多少

对比纯股票：买 $5k 的 SPY，最大亏损理论上 $5k，没有任何 premium 缓冲。

2. 不需要预测方向

小账户最大的敌人是「过度交易」——每天看盘，每个新闻都想动，最后被滑点和情绪杀死。

Wheel 强制你：

• 30-45 天才动一次（卖完 CSP 就只能等到期）
• 没有「stop loss」概念（你早就计划好接货了）
• 不需要看图、不需要看新闻、不需要预测涨跌

对于「白天有正职」的金融 PM 来说，这种低带宽要求的策略是结构性匹配。

3. 即使「输」也是按计划接货

传统交易里「输」意味着账户缩水。Wheel 里「输」意味着「持股了一只你本来就想长期持有的股票，且接货成本比当时市价低（因为收过 premium）」。

这种心理框架对小账户极度重要——避免「亏损厌恶」导致的过早止损和过晚止盈。

3.2 资金量门槛对比

<$5k 的标的池：必须现价 < $50（最好 < $25），否则单张 CSP 就把账户占满，无法分散。

---

四、<$5k 的 Wheel 标的怎么选

4.1 五条筛选规则

4.2 候选标的清单（2026 年视角，仅示例）

4.3 组合配置示例（$5,000 账户）

┌────────────────────────────────────────────────┐
│  $5,000 Wheel Portfolio                        │
├────────────────────────────────────────────────┤
│  F     ($1k) — 周期性、dividend 缓冲          │
│  SOFI  ($1k) — 成长 + 高 IV                    │
│  T     ($1.2k) — 防御 + dividend              │
│  HOOD  ($0.85k) — 高 beta（用半张 CSP 保证金） │
│  Cash  ($0.95k) — 应急 + 月底 roll 用          │
├────────────────────────────────────────────────┤
│  分散度: 4 个 sector（汽车/科技/电信/券商）    │
│  IV 暴露: 高 IV + 低 IV 混合                    │
│  Theta 月度: 估计 $50-80                       │
└────────────────────────────────────────────────┘

避免：所有 4 个标的都是科技股 / 都是中概股 / 都是同一个 ETF 成分。Single-sector event 会让你全部卡仓。

---

五、年化收益估算：数学模型

5.1 单轮 CSP 收益率公式

单轮收益率 = premium / (strike × 100)
年化       = 单轮收益率 × (365 / DTE)

举例：F 现价 $11，卖 30 DTE / Delta 0.30 / strike $10 CSP，premium $0.20。

单轮收益率 = 0.20 / 10 = 2.0%
年化       = 2.0% × (365/30) = 24.3%

5.2 完整 Wheel 年化（考虑 4 笔 premium）

理想情景（CSP 过期作废 → 再 CSP → ...）：

• 月度 2% × 12 = 24% 年化

中性情景（CSP 过期一半，被 assigned 一半 → 进入 CC → CC 过期作废 → 再 CC）：

• CSP 阶段 4 个月（2 个过期 + 2 个被 assigned）
• CC 阶段 4 个月（卖出 covered call，再到期）
• 8 笔 premium ≈ 12% × 1.5 倍杠杆 ≈ 18-25% 年化

悲观情景（连续被 assigned 后股价下跌 30%）：

• 收 4 笔 premium ≈ 8% 现金流
• 股价下跌 30%
• 净 mark-to-market -22%

5.3 年化收益的现实分布

期望值：约 15-20% 年化，远高于 SPY（~10%）+ T-Bill（~4%）的简单加权。但波动率也更高，max drawdown 可能达到 -40%（如果踩到 Stage 2 后标的继续暴跌且 CC 卖不出有意义的 premium）。

---

六、状态机代码：自动追踪和决策

6.1 设计思路

Wheel 本质是状态机，每个标的有一个独立状态。我们需要：

1. 跟踪当前阶段（CSP / Holding / CC）
2. 输入当前价格 + 期权链 + 现有持仓
3. 输出「下一步动作」建议

6.2 wheel_state_machine.py 骨架

# wheel_state_machine.py
"""
Wheel strategy state machine.
Inputs: ticker, current position, option chain, target_delta, target_dte
Outputs: action recommendation (sell_csp / wait / sell_cc / called_away_reset)
"""
from dataclasses import dataclass
from enum import Enum
from datetime import datetime, timedelta
from typing import Optional


class WheelStage(Enum):
    CASH = "cash"                  # Stage 1: 现金，准备卖 CSP
    CSP_OPEN = "csp_open"          # 已卖出 CSP，等待到期
    HOLDING = "holding"            # Stage 2/3: 被 assigned 持股
    CC_OPEN = "cc_open"            # 已卖出 CC，等待到期
    CALLED_AWAY = "called_away"    # Stage 4: 刚被 called，准备回 Stage 1


@dataclass
class Position:
    ticker: str
    stage: WheelStage
    shares: int = 0                 # 持股数量（0 或 100 的整数倍）
    cost_basis: float = 0.0         # 持股成本（含扣除 premium）
    open_option_strike: Optional[float] = None
    open_option_expiry: Optional[datetime] = None
    open_option_type: Optional[str] = None  # 'PUT' / 'CALL'
    premiums_collected: float = 0.0  # 累计收到的 premium


@dataclass
class ActionRecommendation:
    action: str                    # 'SELL_CSP' / 'SELL_CC' / 'WAIT' / 'RESET'
    strike: Optional[float] = None
    expiry: Optional[datetime] = None
    expected_premium: Optional[float] = None
    rationale: str = ""


class WheelStateMachine:
    def __init__(self, target_delta: float = 0.30, target_dte: int = 35):
        self.target_delta = target_delta
        self.target_dte = target_dte

    def next_action(
        self,
        position: Position,
        current_price: float,
        option_chain: dict,  # {strike: {'delta': float, 'mid': float, 'expiry': dt}}
        now: datetime = None,
    ) -> ActionRecommendation:
        now = now or datetime.now()

        # Stage 1: cash, look for CSP
        if position.stage == WheelStage.CASH:
            target = self._find_strike(
                option_chain, side='PUT', target_delta=-self.target_delta
            )
            if target is None:
                return ActionRecommendation(
                    action='WAIT',
                    rationale='No suitable PUT strike found near target delta'
                )
            return ActionRecommendation(
                action='SELL_CSP',
                strike=target['strike'],
                expiry=target['expiry'],
                expected_premium=target['mid'],
                rationale=f'Sell {target["strike"]} PUT @ ~${target["mid"]:.2f}, '
                          f'delta {target["delta"]:.2f}'
            )

        # CSP open: monitor; close if 21 DTE rule
        if position.stage == WheelStage.CSP_OPEN:
            dte_left = (position.open_option_expiry - now).days
            if dte_left <= 21 and current_price > position.open_option_strike * 1.05:
                # 21 DTE rule + comfortably OTM → roll or wait
                return ActionRecommendation(
                    action='WAIT',
                    rationale=f'CSP {dte_left}d to expiry, well OTM, let it decay'
                )
            return ActionRecommendation(
                action='WAIT',
                rationale=f'CSP {dte_left}d to expiry, monitor'
            )

        # Holding shares: look for CC
        if position.stage == WheelStage.HOLDING:
            # CC strike must be ≥ cost basis to avoid locking in a loss
            min_strike = position.cost_basis
            target = self._find_strike(
                option_chain,
                side='CALL',
                target_delta=self.target_delta,
                min_strike=min_strike,
            )
            if target is None:
                return ActionRecommendation(
                    action='WAIT',
                    rationale=f'No CALL strike above cost basis ${min_strike:.2f}. '
                              f'Wait for price to recover.'
                )
            return ActionRecommendation(
                action='SELL_CC',
                strike=target['strike'],
                expiry=target['expiry'],
                expected_premium=target['mid'],
                rationale=f'Sell {target["strike"]} CALL @ ~${target["mid"]:.2f}'
            )

        # CC open: monitor
        if position.stage == WheelStage.CC_OPEN:
            dte_left = (position.open_option_expiry - now).days
            return ActionRecommendation(
                action='WAIT',
                rationale=f'CC {dte_left}d to expiry, monitor'
            )

        # Called away: reset to cash
        if position.stage == WheelStage.CALLED_AWAY:
            return ActionRecommendation(
                action='RESET',
                rationale='Position closed at call strike, return to CASH stage'
            )

    @staticmethod
    def _find_strike(
        option_chain: dict,
        side: str,
        target_delta: float,
        min_strike: float = 0.0,
    ) -> Optional[dict]:
        """Find the strike closest to target_delta meeting min_strike constraint."""
        candidates = [
            {'strike': k, **v} for k, v in option_chain.items()
            if v.get('type') == side and k >= min_strike
        ]
        if not candidates:
            return None
        candidates.sort(key=lambda x: abs(x['delta'] - target_delta))
        return candidates[0]

6.3 使用示例

sm = WheelStateMachine(target_delta=0.30, target_dte=35)

# 假设我们刚开账户，5k 现金，准备对 F 起手
pos = Position(ticker='F', stage=WheelStage.CASH)

# 从 ib_insync 拉到的期权链（简化）
chain = {
    9.5: {'type': 'PUT', 'delta': -0.20, 'mid': 0.10, 'expiry': datetime(2026, 7, 18)},
    10.0: {'type': 'PUT', 'delta': -0.30, 'mid': 0.20, 'expiry': datetime(2026, 7, 18)},
    10.5: {'type': 'PUT', 'delta': -0.42, 'mid': 0.32, 'expiry': datetime(2026, 7, 18)},
}

rec = sm.next_action(pos, current_price=11.0, option_chain=chain)
print(rec)
# ActionRecommendation(action='SELL_CSP', strike=10.0,
#   expected_premium=0.20,
#   rationale='Sell 10.0 PUT @ ~$0.20, delta -0.30')

6.4 完整闭环（生产版需要补的）

• 连 IBKR 拉真实期权链（Day 22 已写过）
• 持仓状态持久化（SQLite 或 JSON）
• 自动下单（要先有 Read-Only 护栏，再去掉）
• Roll 逻辑（21 DTE rule 触发时自动平仓 + 开新仓）
• 通知（Telegram bot / 邮件）
• 回测模式（喂历史数据验证）

Day 39 会用历史 CC 数据回测，Day 40 会写完整的端到端流程。

---

七、Wheel 的最大坑：价格断崖与卡仓

7.1 什么是「卡仓」（Stuck Position）

理想 Wheel 假设标的在 ±20% 范围内震荡。但现实中：

卡仓场景：
1. 卖 $10 strike CSP 收 $0.20
2. 财报暴雷，股价跌到 $6
3. 被 assigned @ $10，实际成本 $9.80（扣 premium）
4. 现在要卖 CC，但 $10 strike 的 call 已经几乎没人买（深 OTM）
5. 你只能卖 $7 strike CC，但 strike < cost basis $9.80
   → 如果被 called，锁定亏损
6. 你的选择：
   a) 卖深 OTM CC，premium 小（年化 1-2%），等回涨
   b) 卖近月 ATM CC 接受亏损
   c) 死等，不卖 CC（资金完全卡死）

这就是卡仓：资金被锁在一个亏损标的上，无法获得有意义的 premium，也不愿意止损。这是 Wheel 最大的失败模式。

7.2 真实案例：META 2022

2022 年 Q4，META 从 $250 跌到 $90。任何在 $200 strike 卖 CSP 的人都被深度 ITM assigned，然后发现 $200 strike 的 CC premium 几乎为 0（深 OTM），$100 附近的 CC strike 又锁定 -50% 亏损。

最终：

• 死等的人在 2023 年 META 涨回 $300 后解套（一年时间，年化机会成本巨大）
• 接受 -30% 卖 CC 的人，至少把资金循环起来
• 不动产的人最惨——既没接货也没卖 CC，纯粹被动持有

7.3 卡仓防御手册

7.4 「分散」具体怎么做

对 $5k 账户，理想是：

$5,000 / 5 个标的 = $1,000 each
→ 只能选单价 < $10 的标的
→ 候选: F / SOFI / NIO / NU / HOOD (1/2 张)

每月组合 premium 估计:
F:    $0.15 × 5 = $0.75 / 月
SOFI: $0.20 × 5 = $1.00 / 月（IV 更高）
NIO:  $0.10 × 5 = $0.50 / 月
NU:   $0.15 × 5 = $0.75 / 月
HOOD: $0.30 × 5 / 2 = $0.75 / 月（半张）
─────────────────────────────────────
合计: ~$3.75 / month × 100 = $375 / 月

但你只有 $5k 占用约 80% 保证金，所以这个数字有水分。
实际期望: $30-60 / 月，月度 ~0.6-1.2%

---

八、Greeks 视角解构 Wheel

理解 Wheel 必须看 Greeks，不然你不知道钱从哪来、险从哪来。

8.1 收益来源（按贡献度）

8.2 风险来源（按危险度）

8.3 关键 Greeks 数字

对一张 30 DTE / Delta 0.30 / 卖 PUT 的典型仓位：

Theta ≈ +$0.01-0.02 / 天 / 张 (单张 100 股的合约)
  → 月度 +$0.30-0.60 / 张

Delta ≈ -0.30 / 张
  → 标的涨 $1，你赚 $30 (CSP 价值跌)
  → 标的跌 $1，你亏 $30 (CSP 价值涨)

Gamma ≈ 0.05-0.10 / 张
  → 标的接近 strike 时 delta 加速变化
  → ATM 时 gamma 最大，"很容易翻车"

Vega ≈ +$0.02-0.04 / 张 / vol%
  → IV 涨 1%，你的 short put MTM 亏 $2-4 / 张

实战 takeaway：

1. 远离财报日卖 CSP（避免 Vega 爆炸）
2. ATM 附近不要重仓（Gamma 风险高）
3. Theta 是慢工，急不来——每天才 $0.01-0.02

---

九、PM 视角：Wheel 与「订阅型收入 + 库存承受能力」结构同构

回到金融 PM 的本职——Wheel 在产品设计上其实和我们做的「采购合同 / 月度订阅产品」是同一类生意：

9.1 三个对照

9.2 三个迁移性洞察

1. 「我愿意接货」是合同的核心，不是 fine print

零售 PM 都知道：签了月度采购合同就要做好「即使最差情况也要接货」的准备。Wheel 是一样的——卖 CSP 的瞬间，你必须已经接受最坏情况。如果你的策略依赖「我相信它不会跌」，那这不是 Wheel，是赌博。

2. 现金流（premium）≠ 利润

零售合同的定金是风险补偿，不是利润。如果你接货后市价跌了，定金不能完全 cover 亏损。Wheel 也一样——年化 20% 的 premium 看起来诱人，但 max drawdown -40% 才是真实风险。

3. 库存承受能力决定规模

零售合同能签多大，取决于你的库存承受能力（仓库 / 现金 / 周转）。Wheel 能开多大仓位，取决于你的持股承受能力（账户 / 心理 / 不需要钱的时间长度）。

对 <$5k 账户的启示：你的「库存承受能力」非常有限，所以只能玩低价标的 + 多标的分散 + 严格不重仓。这跟一家小零售店「不能一次性进 1000 件库存」是一样的道理。

---

十、Day 38 实际执行 Checklist

• (0) 读了一遍这篇笔记
• (1) 候选标的清单：把 F / SOFI / T / HOOD / PLTR 等加到 watchlist
• (2) 期权链探查：用 Day 22 的脚本拉这 5 个标的的 30 DTE 期权链
• (3) IVR 检查：每个标的当前 IVR 是多少？> 30 才考虑
• (4) 写 wheel_state_machine.py：把第 6 节代码骨架敲一遍
• (5) Paper 测试 1：用 F 在 Paper 账户卖一张虚拟 CSP，观察 1 周
• (6) Theta 跟踪表：开始记录每天的 premium MTM 变化
• (7) 更新 TR_PROGRESS.md
• (8) 记录踩坑：本笔记最后加「实际执行记录」段

---

十一、明日预告

Day 39: Covered Call 历史回测 — 用 5 年数据验证年化收益

• 拉 SPY / F / AAPL 五年期权链历史数据
• 模拟「每月卖 30 DTE / Delta 0.30 CC」的策略
• 对比 buy-and-hold 的 Sharpe / max drawdown
• 验证「CC 在牛市跑输，在震荡市跑赢」的传统认知
• 量化「Theta 收益」vs「上涨被截顶」的取舍
• 写 cc_backtest.py：Day 38 代码的回测版

---

实际执行记录

启动一项填一项，时间戳 + 卡点。

• [hh:mm] 候选标的清单 — ...
• [hh:mm] 期权链探查（F） — ...
• [hh:mm] 期权链探查（SOFI） — ...
• [hh:mm] IVR 数据收集 — ...
• [hh:mm] wheel_state_machine.py 跑通 — ...
• [hh:mm] Paper 卖 F 虚拟 CSP — ...
• 卡点 / 学到的：

---

总字数：约 7,200 字 今日完成度：理论 ✓ / 代码骨架 ✓ / 实操（你自己执行）/ 笔记 ✓