風險管理與實戰案例

選擇權是高槓桿工具——可以讓你一夜致富，也可以讓你一夕歸零。風險管理比交易策略更重要。

🔥 Vibe Prompt

「建立一個選擇權風險管理系統：包含凱利公式部位規模計算、情境分析與壓力測試、希臘字母避險策略、以及三個真實市場案例（特斯拉財報、VIX 恐慌、股災避險）。」

風險管理原則

| 原則 | 說明 | |------|------| | 1% 規則 | 單筆交易風險不超過資金的 1% | | 最大槓桿 | 選擇權槓桿不超過 5 倍 | | 分散到期 | 不要所有部位同一時間到期 | | Delta 避險 | 維持投資組合 Delta 中性 | | 止損紀律 | 每筆交易設定最大損失 |

凱利公式 (Kelly Criterion)

凱利公式幫助你計算最適下注比例：

$$f^* = \frac{bp - q}{b}$$

$f^*$：最適資金比例
$b$：賠率（潛在獲利 / 潛在損失）
$p$：獲勝機率
$q$：失敗機率（$1-p$）

def kelly_criterion(win_prob, win_loss_ratio):
    """
    凱利公式計算最適部位規模
    
    win_prob: 獲勝機率 (0~1)
    win_loss_ratio: 獲利/損失比
    """
    b = win_loss_ratio
    p = win_prob
    q = 1 - p
    
    f_star = (b * p - q) / b
    
    # 建議使用半凱利（更保守）
    half_kelly = f_star * 0.5
    
    return {
        'full_kelly': max(0, f_star),
        'half_kelly': max(0, half_kelly),
        '說明': '建議使用半凱利以降低風險'
    }

# 範例
result = kelly_criterion(win_prob=0.6, win_loss_ratio=2.0)
print(f"完整凱利: {result['full_kelly']:.1%}")
print(f"半凱利: {result['half_kelly']:.1%}")

情境分析與壓力測試

def scenario_analysis(base_params, scenarios):
    """
    情境分析：在不同市場情境下評估投資組合
    
    base_params: 基本參數 {S, K, T, r, sigma}
    scenarios: 情境列表 [{name, S_change, sigma_change}, ...]
    """
    results = []
    for scenario in scenarios:
        S = base_params['S'] * (1 + scenario['S_change'])
        sigma = base_params['sigma'] * (1 + scenario['sigma_change'])
        
        call_price = black_scholes(S, base_params['K'], base_params['T'],
                                    base_params['r'], sigma, 'call')
        put_price = black_scholes(S, base_params['K'], base_params['T'],
                                   base_params['r'], sigma, 'put')
        
        results.append({
            'scenario': scenario['name'],
            'S': S,
            'sigma': sigma,
            'call_price': call_price,
            'put_price': put_price
        })
    return results

# 測試情境
scenarios = [
    {'name': '📈 牛市 (+20%)', 'S_change': 0.20, 'sigma_change': -0.1},
    {'name': '📉 熊市 (-20%)', 'S_change': -0.20, 'sigma_change': 0.2},
    {'name': '😱 崩盤 (-40%)', 'S_change': -0.40, 'sigma_change': 0.5},
    {'name': '📊 盤整 (+5%)', 'S_change': 0.05, 'sigma_change': -0.2},
    {'name': '⚡ 黑天鵝 (-15%, +Vol)', 'S_change': -0.15, 'sigma_change': 0.8},
]

base = {'S': 100, 'K': 100, 'T': 0.5, 'r': 0.05, 'sigma': 0.2}

print(f"{'情境':<25} {'股價':>8} {'波動率':>8} {'Call':>8} {'Put':>8}")
print("-" * 60)
for r in scenario_analysis(base, scenarios):
    print(f"{r['scenario']:<25} {r['S']:>8.1f} {r['sigma']:>8.3f} {r['call_price']:>8.2f} {r['put_price']:>8.2f}")

Delta 避險實戰

def delta_hedge(S, K, T, r, sigma, option_type, quantity):
    """
    Delta 中性避險策略
    回傳：需要買入/賣出的標的股票數量
    """
    d1 = (math.log(S / K) + (r + 0.5 * sigma ** 2) * T) / (sigma * math.sqrt(T))
    
    if option_type == 'call':
        delta = norm.cdf(d1)
    else:
        delta = norm.cdf(d1) - 1
    
    # 選擇權 Delta × 數量 × 100（一張 = 100股）
    option_delta = delta * quantity * 100
    
    # 要達到 Delta 中性，需要相反的部位
    hedge_shares = -option_delta
    
    return {
        'option_delta': delta,
        'total_option_delta': option_delta,
        'hedge_shares': hedge_shares,
        'action': '賣出' if hedge_shares > 0 else '買入',
        'shares': abs(int(hedge_shares))
    }

# 持有一口 Call 選擇權，需要多少股票避險？
hedge = delta_hedge(100, 105, 0.5, 0.05, 0.2, 'call', 1)
print(f"選擇權 Delta: {hedge['option_delta']:.4f}")
print(f"建議 {hedge['action']} {hedge['shares']} 股")

真實案例

案例 1：特斯拉財報

情境：TSLA 財報前，隱含波動率飆升到 80%+
策略：賣出 Iron Condor，賺取高額波動率溢價
結果：財報後波動率回歸，選擇權價格暴跌，Iron Condor 獲利
教訓：高波動率時賣方有利

案例 2：VIX 恐慌

情境：VIX 指數從 15 飆升到 40
策略：買入 VIX Call 或 VIX 期貨
結果：恐慌期間選擇權價格暴漲
教訓：黑天鵝事件時買方最有利

案例 3：股災避險

情境：2020 年 3 月 COVID-19 股災
策略：買入價外 Put 作為保護性賣權（Protective Put）
結果：雖然持有股票大跌，但 Put 暴漲抵消了損失
教訓：選擇權是最好的保險工具

總結

| 風險管理工具 | 用途 | |-------------|------| | 凱利公式 | 計算最適部位規模 | | 情境分析 | 評估不同市場狀況下的損益 | | 壓力測試 | 極端情境下的風險評估 | | Delta 避險 | 消除方向性風險 | | 止損單 | 控制最大損失 |

實戰練習

💡 Vibe Coding 練習：請 AI 建立一個「選擇權風險管理儀表板」：

凱利公式部位規模計算器

多情境損益模擬（牛市/熊市/崩盤/黑天鵝）

Delta 避險建議產生器

投資組合 Greeks 總覽

VaR（風險價值）計算

止損與預警系統