リスク管理と実戦ケース

オプションは高レバレッジ商品です——一晩で富裕になれる一方、一瞬でゼロになることもあります。リスク管理は取引戦略よりも重要です。

🔥 Vibe Prompt

「オプションリスク管理システムを構築：ケリー基準のポジションサイズ計算、シナリオ分析とストレステスト、グリークスヘッジ戦略、3つの実市場ケース（TSLA決算、VIXパニック、暴落ヘッジ）。」

リスク管理の原則

| 原則 | 説明 | |------|------| | 1%ルール | 1回の取引リスクは資金の1%以下 | | 最大レバレッジ | オプションレバレッジは5倍以下 | | 満期分散 | すべてのポジションが同時に満期になるのを避ける | | デルタヘッジ | ポートフォリオのデルタをニュートラルに維持 | | ストップロス | 各取引に最大損失を設定 |

ケリー基準 (Kelly Criterion)

最適なベットサイズを計算：

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

def kelly_criterion(win_prob, win_loss_ratio):
    b = win_loss_ratio
    p = win_prob
    q = 1 - p
    f_star = (b * p - q) / b
    half_kelly = f_star * 0.5
    return {
        'full_kelly': max(0, f_star),
        'half_kelly': max(0, half_kelly),
    }

# 例
result = kelly_criterion(0.6, 2.0)
print(f"完全ケリー: {result['full_kelly']:.1%}")
print(f"ハーフケリー: {result['half_kelly']:.1%}")

デルタヘッジ実戦

def delta_hedge(S, K, T, r, sigma, opt_type, quantity):
    d1 = (math.log(S / K) + (r + 0.5 * sigma ** 2) * T) / (sigma * math.sqrt(T))
    delta = norm.cdf(d1) if opt_type == 'call' else norm.cdf(d1) - 1
    option_delta = delta * quantity * 100
    hedge_shares = -option_delta
    action = '売却' if hedge_shares > 0 else '購入'
    return {'delta': delta, 'hedge_shares': abs(int(hedge_shares)), 'action': action}

hedge = delta_hedge(100, 105, 0.5, 0.05, 0.2, 'call', 1)
print(f"推奨: {hedge['action']} {hedge['hedge_shares']}株")

実戦ケース

ケース1：TSLA決算

状況：決算前、IVが80%+に高騰
戦略：Iron Condorを売り、高いボラティリティプレミアムを獲得
結果：決算後IVが急落、Iron Condorが大勝利
教訓：高ボラティリティ環境では売り手が有利

ケース2：VIXパニック

状況：VIXが15から40へ急騰
戦略：VIX CallまたはVIX先物を購入
結果：パニック中にオプション価格が爆上がり
教訓：ブラックスワンでは買い手が有利

ケース3：暴落ヘッジ

状況：2020年3月COVID-19暴落
戦略：OTM Putをプロテクティブプットとして購入
結果：株の損失をPutの値上がりで相殺
教訓：オプションは最良の保険商品

まとめ

| リスク管理ツール | 用途 | |----------------|------| | ケリー基準 | 最適ポジションサイズ計算 | | シナリオ分析 | 異なる市場状況の損益評価 | | ストレステスト | 極端シナリオのリスク評価 | | デルタヘッジ | 方向性リスクの除去 | | ストップロス | 最大損失の制御 |

実践練習

💡 Vibe Coding 練習：AIに「オプションリスク管理ダッシュボード」を作成してもらいましょう：

ケリー基準ポジションサイズ計算機

マルチシナリオ損益シミュレーション

デルタヘッジ推奨生成

ポートフォリオGreeks概要

VaR（リスク価値）計算

オプション価格の可視化

import matplotlib.pyplot as plt
import numpy as np

stock_prices = np.linspace(50, 150, 100)
prices = [black_scholes(S, 100, 0.5, 0.05, 0.2, 'call') for S in stock_prices]
plt.plot(stock_prices, prices)
plt.title('コールオプション価格 vs 株価')
plt.xlabel('株価')
plt.ylabel('オプション価格')
plt.grid(True, alpha=0.3)
plt.show()