证券研究报告·量化深度

CNE7模型在期权定价中的应用

核心观点

类期权产品定价的核心在于标的资产的波动率预测。波动率可通过时间序列模型、期权隐含波动率倒推、以及多因子模型来预测。实证结果显示，自研CNE7多因子模型的波动率预测效果更稳健和连续，更具有前瞻性，在期权定价中更有效。

主要结论

类期权产品

典型类期权产品的本质是挂钩标的资产，带敲出和敲入价格的看跌期权，机构买入该期权并支付期权费。除经典类期权产品结构（非保本型）外，还有减少投资者尾部风险和本金损失的保本型和限亏型类期权产品，也有对典型类期权产品的敲出方向、敲出界限等进行创新的反向类期权产品和逐渐下调类期权产品。

风险分解与波动率预测模型

标的波动率预测主要分为三种方式：1）时间序列模型ARCH/GARCH：基于每个交易日的日收益率数据计算t时刻的条件波动率。2）隐含波动率：通过BS公式反推期权的隐含波动率，0波动率当中包含了投资者的未来预期。3）多因子模型用一系列共同/风险因子来解释投资组合收益。

实证研究

我们分别利用CNE7 和 BS 模型对沪深 300 的波动率进行测算，CNE7模型的估计值更加连续、稳定，同时CNE7模型的波动率预测能力更强。我们利用CNE7模型对沪深300 的风险进行分析。其中市场因子风险贡献占比最高，约93.36%，行业与风格的风险占比相近，分别约5.61%和5.44%。沪深300 的协方差风险贡献为-5.72%,说明市场、行业、风格的风险存在分散效应。在 X-Sigma-Rho 模型下，每个因子的风险贡献包含了因子协方差效应，共同因子风险中不再包含协方差贡献，并且不同因子之间的风险贡献均可加。由于不同因子之间的风险分散效应，行业和风格的预测主动风险下降，分别约0.36%和0.90%。

风险提示：模型失效风险；基于历史数据回测，不代表未来投资建议；

多因子与ESG策略

鲁植宸

luzhichen@csc.com.cn

15611537505

SAC 执证编号：S1440522080005

研究助理：徐建华

xujianhua@csc.com.cn

研究助理：陈添奕

chentianyi@csc.com.cn

发布日期：2023年03月21日

市场表现

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

为您的创业、职场、商业、投资、亲子、网赚、艺术、健身、心理、个人成长…全面赋能！

关注公众号获取更多资料

添加微信：xxyg_wei

备注“入群"

立刻免费领取

200套知识地图+最新研报

致终身学习者社群

行业报告/思维导图/电子书/资讯情报

收钱文案、增长黑客、产品运营、品牌企划、营销战略、办公软件、会计财务、广告设计、摄影修图、视频剪辑、直播带货、电商运营、投资理财、汽车房产、餐饮烹饪、职场经验、演讲口才、风水命理、心理思维、恋爱情趣、美妆护肤、健身瘦身、格斗搏击、漫画手绘、声乐训练、自媒体打造、效率软件工具、游戏影音....

扫码先加好友，以备不时之需

一、类期权产品.
1.1典型期权.
1.1.1期权要素、功能和特点 .. 1
1.1.2典型期权定价模型—波动率建模 ..3
1.2 常见的类期权产品收益结构 ..4
1.2.1交易要素.. ...4
1.2.2 收益结构.. ...
1.2.3 类期权产品的基本投资策略 ...6
1.3 国内类期权产品期权概况. ...7
二、波动率预测模型. ..10
2.1 时间序列模型 ..10
2.2 隐含波动率. ..10
2.3多因子模型， ..12
三、风险分解与波动率预测！ ..13
3.1 独立波动率分解法. ..4
3.2 边际风险贡献法， ..14
3.3 X-Sigma-Rho 法... ...5
3.4 波动率预测与期权定价. ..15
四、实证研究.. ..15
五、风险提示.. .. 21
六、参考文献.. ..22

图表目录

图表1：到期日看涨期权和看跌期权买卖双方损益
图表2：股票期权月成交量（万手） ..2
图表3：典型类期权产品合约
图表4: 典型类期权产品合约的收益计算过程 ...5
图表5：国内结构化产品演变 ······························································· .7
图表6: 2003 年至2013年我国结构化产品重要事件，
图表7: 国内结构化产品发行形式及各机构关系图.. ····························································· ..9
图表8： CNE7和BS 模型的沪深 300 隐含波动率.
图表9：BS 模型隐含波动率和CNE7模型波动率检验结果. ··································· ..16
图表10：Granger 因果检验 P值 .. ··························································.· ..17
图表11：沪深 300 风险分解.. .18
图表12: 沪深 300 风险分解——X-Sigma-Rh... ··········································································.·
图表13：沪深300行业因子平均风险贡献占比， .. 20
图表14：部分行业因子风险贡献， .20
图表15：部分行业因子波动率.. ..21

量化深度报告

图表16：沪深300 部分行业暴露度， .21

2022年12月30日，中国证监会就《股票期权交易管理办法（征求意见稿)》向社会公开征求意见。证监会表示，2022年8月施行的《期货和衍生品法》全面系统规定了期货市场和衍生品市场的各项基础制度，为股票期权市场发展提供了坚强的法治保障。证监会严格贯彻落实《期货和衍生品法》的立法要求，在保持股票期权现行制度框架总体稳定的基础上，结合股票期权扩大试点以来的监管实践经验，在《期权办法》上进行适应性修订，并将名称修改为《股票期权交易管理办法》。

除名称之外，本次修订主要包括五大方面的内容：股票期权业务的一般性规定、经营机构业务范围和交易者分类的相关规定、股票期权风险管理制度、股票期权市场违法行为和其他表述上的修改。

自2015年证监会开展股票期权交易试点以来，中国股票期权市场规模稳步扩大，总体运行平稳有序，规则体系不断完善，监管经验逐步丰富。股票期权作为一种杠杆比较高的产品，相对于商品期权其金融属性更强，证监会《股票期权交易管理办法》的制定是完善对股票期权监管的一种重要举措，意味着股票期权试点较为成功，后期不再只是试点，而将在监管指导下长期稳健运行。本次修订后，股票期权市场的成熟度将得到进一步提升，要素资源更加完善，市场定价也将更为公允，有利于股票市场扩大流动性，辅助金融市场更好地服务实体经济。期权作为一种在国内较为新颖的投资品类，依托于逐步完善的规章制度和加速扩大的交易池，即将以积极的姿态走入投资者视野，其与股票的紧密联系将给予量化交易广阔的收益空间。

本研报详细介绍了期权的发展、在金融市场的作用以及期权定价模型，对期权定价中的重要参数波动率及风险分解模型的构建进行详细阐述，并通过实证检验进一步证明该定价的实践性与可投资性。

类期权产品

1.1典型期权

1.1.1期权要素、功能和特点

期权是一种选择权，指的是一种能在未来某特定时间以特定价格买入或卖出一定数量的某种特定商品的权利。期权的构成要素主要包括标的物（股票、债券、股价指数、期货、外汇、商品等）、行权价格、到期日、期权价格、行权方式、交割方式等。选择可以被交易，以定价买入期权的一方是期权的持有者。在期权的到期日内，期权的持有者可以选择是否实施权利：如果实施权利，期权持有者按期权合约规定买入或卖出标的物；如果放弃权利，期权持有者不进行任何操作。期权的出卖者则只负有期权合约规定的义务。

期权双方的损益与期权持有者的交易方向、标的物的真实价格有关。期权具有“零和游戏”特性，即买卖双方损益相加为零。以标的物市价（S）变动为横轴，期权合约产生的损益（π）变化为纵轴，K表示执行价格，C表示买权权利金、P表示卖权权利金，期权交易的买卖双方损益可归纳为错误!未找到引用源。

图表1：到期日看涨期权和看跌期权买卖双方损益

Buy Call π个	π↑ Buy Put π个	Sell Call π个 P	Sell Put
K+C K 0 0 →S -C 45 -P	C K →S K-P 0 45	K K+C →S	K-P K 0 >S

数据来源：中信建投

指数隐含波动率已成为衡量股票市场情绪的重要指示性指标。在美国，芝加哥期权交易所波动率指数VIX是基于标准普尔500指数期权链价格的隐含30天远期波动率，用于预测美国股市在不久的将来可能高于和低于其当前水平的波动范围。当隐含波动率处于高水平时，VIX数值会相应地提高，可能值范围亦较为宽阔。当隐含波动率处于低水平时，则VIX数值会相应降低，可能值范围亦较为狭窄。在中国，上交所于2015年6月发布中国首只基于真实期权交易数据编制的波动率指数中国波指（iVIX）或50ETF 期权波动率，成为市场动荡或经济衰退时的表征性指数和前瞻性参考，有助于防范系统性金融风险，提高市场稳定性。

另一个基于期权计算的市场情绪指标为看跌期权的成交量之和与看涨期权成交量之和的比值(PCR)。该指标反映的是短期市场的多空状态，主要反映的是近期的买方市场动向。当PCR值大于1时，看跌期权更为活跃，市场行情偏向沽空市场；反之当PCR值小于1时，看涨期权更为活跃，市场行情偏向多头市场。

期权的风险对冲功能愈发受到投资者密切关注。2018年至2020 年是我国股票期权交易规模迅速扩张的时期，成交规模从4亿手不到扩张到10亿手以上；2022年底中证500ETF 期权、创业板ETF 期权、中证1000 股指期权、上证50 股指期权、深圳100ETF 期权接连上市，这些新期权品种或许是股票期权市场最需要的动力。以一年为周期，成交量在每年的3月、6月、10月和12月附近有明显的上升，这是由于我国期权规定的到期日一般包括合约当月、下两个月及随后三个季月，而大部分投资者决定在季月平仓。

图表2：股票期权月成交量(万手）

数据来源：Wind，中信建投
注：数据时间段为2015/01/01至2022/11/30

我国期权市场发展经历了2015年之前的空白期、2015年至2018年的初步增长期、2019年至2021年的快速增长期，在 2022 年迈入以丰富期权产品体系为驱动因素的活力时期。其中，股票期权可以增强标的股票、ETF、股指对投资者的吸引力，吸引增量资金注入标的，有利于提高市场股票的流动性，带动股票市场的良性运作；同时，股票期权给予投资者对冲成长风格的新工具，带来期权与标的物之间非线性的套利可能；期权还拥有发现功能，由期权计算而来的隐含波动率与波动率指数VIX可以有效预示股票的波动，防范系统性金融风险，提高定价效率，增强市场稳定性。期权产品体系的完备化除了进一步丰富风险管理工具外，在对外开放、服务实体等议题中也发挥着积极作用。

量化深度报告

1.1.2典型期权定价模型一波动率建模

BS 模型是由Black 和 Scholes 提出的一个欧式期权定价模型，该模型的提出为期权的发展奠定了基础，在理论和实践方面都有着重大的意义。BS模型中波动率的衡量是期权定价中很重要的部分。波动率指的是金融资产收益的波动程度，是对资产收益不确定性的度量，用来反映资产的整体风险情况。BS期权定价模型的核心思想是无套利定价，假设期权价格和股票价格同时受到不确定因素的影响，个人投资收益不确定。通过管理一定数量的基础期权和组合，可以覆盖风险，消除不确定性。

BS 模型建立在严格的假设基础上，其假设包括：

1.期权标的物的价格服从布朗几何运动，因此股票价格的收益率必须服从对数正态分布；

2.市场没有摩擦，没有税收，没有卖空限制；

3.无风险利率是恒定不变的；

4，期权不能在到期日之前行使，必须是欧式期权。

基于以上四个假设，BS 模型期权定价公式为：

其中，S为标的资产的现价，K为期权交割价格，r为连续复利的无风险利率，α为标的资产价格波动率，NO为正态分布变量的累计分布函数。T为期权有效期的相对数表示，即期权有效天数与一年365天的比值。

如果标的资产存在其他所得，如红利，则BS 模型修改为：

其中D为股票在期权有效期内某时刻t支付的红利。

标的资产价格波动率o是期权定价公式中的重要因素。波动率代表了标的资产的价格波动程度，是对资产收益率不确定性的衡量，用于反映金融资产的风险水平。通常情况下，波动率越大，标的资产上涨或下跌幅度增大的概率越大，标的资产价格上涨至看涨期权损益平衡点之上或下跌至看跌期权损益平衡点之下的可能性与幅度越大，买方获取较高收益的可能性随之增加。因此波动率越大，期权的理论价格越高；反之波动率越小，期权的理论价格越低。对波动率大小的判断决定了期权价格预测的方向。

1.2常见的类期权产品收益结构

1.2.1交易要素

类期权产品结构主要由关联标的、敲出/敲入机制、票息率、存续期限等要素组成，我们模拟了一个典型的类期权产品合约如下：

图表3：典型类期权产品合约

挂钩标的	中证500
存续期限	12个月
敲出观察频率	每月
敲入观察频率	每日
敲入界限	75%
敲出界限	105%
敲除票息率	25%
红利票息率	10%
投资本金	100万元
产品回报	敲出	本金+敲出票息*持有天数/存续天数
	无敲入敲出	本金*（1+红利票息率）^持续期限
	敲出	Min(期末价格,期初价格)

资料来源：中信建投
注，并非实际产品，仅为模拟合约

1.挂钩标的：包括指数、个股或多只股票组合等，还可能包含更多内容，例如利率、黄金、商品等，余地比较宽；目前市场上的类期权产品，大部分都是以中证500 指数为标的；

2.敲出机制：敲出观察是指观察标的价格在观察日是否超过敲出界限，如果超过界限，则投资者获得敲出票息，产品计算收益的区间提前结束，按敲除票息率计算收益，价格一般为期初价格的110%附近;

3.敲入机制：敲入观察则是指观察挂钩标的价格在观察日是否低于敲入界限，如果低于敲入界限，则产品收益转为标的实际涨跌，一般来说，即使已经触及敲入界限，未来依然会观察敲出的状态。若标的资产始终在区间内波动，则以红利票息率和产品存续时间计算收益，其中敲入价格一般为期初价格的70%附近；

4.收益率：与市场波动率有关。不同时点、不同敲出、敲入价格、不同期限的类期权产品结构产品报价不同。根据投资者需求不同可加杠杆，以双倍类期权产品结构为例，名义本金=投资本金×2，则年化收益及亏损都被放大2倍。

总的来看，类期权产品结构预期收益高于一般纯固收产品。当且仅当关联标的在投资期间仅敲入未敲出，到期价较初始价下跌时投资者承担损失。

1.2.2 收益结构

从收益结构的角度观察，类期权产品更适合大幅上涨和下跌概率都较低的震荡市场环境。从下跌的角度看，只要标的资产不在极端情况下大幅下跌，投资者本金发生损失的概率较小。标的下跌会增加类期权产品敲入的风险，但一般情况下敲入价格大幅低于当前标的价格，相当于为类期权产品投资者提供资产保护。从上涨的角度看，当标的资产的价格触发到敲出线，则会自动敲出，锁定收益。虽然快速上涨的行情虽然能帮助投资者直接敲出锁定票息，但在这种情况下，投资人实际持有的时间较短，获得的绝对收益有限。所以，当标的资产出现持续上涨的趋势时，类期权产品由于止盈属性，会锁定上行空间。

我们下面的流程图模拟了类期权产品的收益结构的三种情形，总体来看收益结构与敲出时点、票息率、标的资产价格路径所决定：

1）不触发敲入也不触发敲出：如存续期内标的资产既没有触发敲入也没有触发敲出，换言之，标的价格始终位于75-100 之间，1年到期后，投资收益为100万元*10%=10万元。

2）触发敲入，未触发敲出：如果存续期内标的资产跌破75元，则触发了敲入，收益率转为指数亏损程度，假设到期后价格为95元，投资亏损100-95=5万元；若到期后价格为104元，则保留本金。

3）触发敲出：如果持有3个月后标的资产价格突破敲出界限（105元）达110元，则投资收益为100*25%*3/12=6.25万元。即使该标的资产曾触发过敲入状态，即价格曾低于75%，仍获得18.75万元收益。可以发现，过早敲出也会减少类期权产品的最终收益。

图表4：典型类期权产品合约的收益计算过程

资料来源：中信建投
注，并非实际产品，仅为模拟合约

除经典类期权产品结构（非保本型）外，还有大幅减少投资者尾部风险和本金损失的保本型和限亏型类期权产品，年化收益率会低于非保本型类期权产品：

1) 保本类期权产品通常是指在买入期权合约后，挂钩标的出现大幅下跌，即便跌破保证金水平也不需要追加保证金；合约终止后，出现超额(超出保证金部分)亏损也不需要承担。保底类期权产品遵循了经典类期权产品的基本合约条款，与其区别就在于追保类型，最大亏损和收益的不同。在杠杆和名义本金同样的情况下，保底类期权产品则降低了票息收益的预期，转而实现不追保和限亏的目标。部分保本型类期权产品不设有敲入价格、敲入观察日、敲入事件等敲入相关条款，仅在敲出观察日观察标的的收盘价是否高于敲出价格，若触发了敲出事件，则产品提前结束；如果在产品存续期的敲出观察日

量化深度报告

中，标的收盘价格均未高出敲出价格，未触发敲出事件，则无法获得敲出票息，收益率为0%。

2) 限亏型类期权产品限定了投资者本金潜在损失的上限，是风险相对更低的类期权产品，但敲出票息通常也低于非保本型类期权产品。如果是典型类期权产品投资者需要承担20%的本金损失；但如果是设置了15%下跌保护的限亏型型类期权产品，则投资者最多只需要承担15%的本金损失；

目前市场上也流行对典型类期权产品的敲出方向、敲出界限等进行创新的反向类期权产品和逐渐下调类期权产品：

1) 反向类期权产品为一种向下敲出的产品，其本质是投资者向做市商卖出带有触发条件的看涨期权，其敲出方向、收益方向与典型类期权产品结构恰恰相反。反向类期权产品期权适应的场景更为广泛，在微熊、微牛以及大跌的行情下，反向类期权产品都会给客户创造收益。

2）逐渐下调(step-down)类期权产品是指则在第一个敲出观察日开始，逐月下调敲出价格，例如每月下调0.2%，相比典型的类期权产品，其敲出条件更易触发、敲出试点更靠前。

1.2.3类期权产品的基本投资策略

投资机构看多标的资产的波动率，如果实际波动率高于类期权产品发行时定价的隐含波动率，机构就会盈利，实践中利用“高抛低吸"等期权Delta交易策略，攫取高于期权费的收入，并给予投资者期权费，实现机构和投资者的双赢。客户达成类期权产品结构期权交易后，证券公司以自有资金在二级市场交易挂钩标的进行风险对冲，规避挂钩标的价格变动产生的方向性风险，证券公司将基于专业的量化模型计算风险敞口，通过动态对冲的方式始终保持风险中性。在期初类期权产品结构期权交易达成时，证券公司将根据量化模型给出的风险敞口，建仓买入相当于名义本金规模一部分的挂钩标的资产。若标的资产价格不断上涨，证券公司将逐步卖出所持有的标的资产、降低仓位；当产品敲出时，证券公司将清仓所持有的标的资产。若挂钩标的资产价格不断下跌，在发生敲入事件之前，证券公司将逐步买入标的资产、增加仓位；发生敲入事件后，证券公司已将全部产品资金买入标的资产，持有100%的标的资产仓位。证券公司在上涨周期中不断卖出挂钩标的资产、在下跌周期中不断买入标的资产，通过低买高卖，证券公司将赚取标的资产价格波动收益。证券公司在对冲活动中赚取的价格波动收益减去证券公司约定支付的票息收益，差额部分（若有）即为证券公司的最终对冲收益。证券公司在对冲类期权产品结构期权时呈现低买高卖特征、高对冲持仓比例和低换手率的行为特征。

类期权产品结构的对冲操作核心是以正向Gamma提供收益来源。类期权产品结构处于Gamma显著的标的价格区间，是主要的对冲收益来源。由于类期权产品结构发行后大部分时间标的价格处于敲出价附近的一段区间。假设使用IC合约进行Delta 对冲，大部分时间的对冲操作是在市场下跌时，Delta 绝对值增加，这时原有IC 头寸产生了更少的下跌损失，之后动态调整IC合约成新的头寸，继续保持Delta风险中性；若市场再度上涨，Gamma使得Delta绝对值再次减少，同样原有的IC头寸产生了更多的上涨收益，而后再将IC减仓至新的Delta头寸。

1.3 国内类期权产品期权概况

21世纪初，结构化产品进入国内。光大银行在2002年9月推出外币结构性存款业务，尽管该业务严格意义上并不属于结构化产品，但这类存款的设计思路已经使其具备早期结构化产品的雏形。

图表5：国内结构化产品演变

时间	当期事件	代表性结构
2016年之前	国内结构化产品以结构性存款为主，固收类资产收益较高	利用固收资产利息配置部分期权多头
2018-2020年	资产新规出台，净值化转型，固收类资产收益率下降	鲨鱼鳍等看涨敲出类期权
2020年至今	新冠疫情、俄乌冲突叠加市场波动增大，权益市场投资比重增加，投资者追求风险收益平衡，结构化产品快速发展	自动敲入敲出、指数增强等结构

数据来源：中信建投

2004年3月，《金融机构衍生品交易业务管理暂行办法》的正式实施，标志着衍生产品在我国合法地位的确立。结构化产品最初以外汇结构化存款的形式存在，当月“工农中建”四大国有银行分别推出“汇聚宝”、“汇得盈”、“汇利通”和“汇利丰”等结构化理财产品。2005年以后，国内银行结构化产品逐渐增多，挂钩标的从原先的外汇，逐渐扩展到利率、股票、股票指数、商品等多种标的。挂钩标的的数量也从单一资产向多种类资产转变。2010年股指期货上市之前，国内结构化产品市场几乎是外资商业银行主导，标的资产通常是境外标的物，很少有以A股市场为标的物的。2011年开始，券商资管以集合资产管理计划的形式发行结构化产品，为希望参与期权交易的投资者提供了一个风险可控、形式灵活的衍生品投资渠道。2012年证监会发布政策允许银行和证券公司发行风险中性产品。境内机构稳步推进产品优化，产品发行频率加快，投资者结构以风险厌恶型为主，产品投资诉求以本金保护为主。

图表6：2003年至2013年我国结构化产品重要事件

时间重要事件
2003年10月	中国银行在中资银行中首家推出了具有结构化产品风险收益特征的外汇理财产品- “汇聚宝”
2005年8月	中国民生银行获得银监会对于发行人民币结构理财资格的批准，发行了第一只以人民币为投资币种的结构化理财产品
2009年	中国银监会发布《关于进一步规范商业银行个人理财业务投资管理有关问题的通知》
2011年	光大证券资管子公司发行了光大阳光系列挂钩股指的结构化产品，挂钩标的主要有上证50、沪深 300 等主流指数
2012年12月	农银汇理基金公司推出了《农银汇理沪深300 指数挂钩1号资产管理计划》是业内公认的首只基金公司发行的结构化专户产品
2013年1月14日	海通证券正式发布5款柜台交易产品（OTC产品)，成为业内首家柜台交易业务上线的券商

数据来源：中信建投

2019年以来，自动赎回型结构在国内市场初现端倪，并冠以“类期权产品”的结构名称。由于固定收益类产品实际收益率下降，同时A股在2019 年至2021年走出一波牛市，期间中证500 指数涨幅 75%。产品投资者享受到快速敲出并复购带来的收益，自此类期权产品风靡市场。据粗略估计，2021年5月高峰时期类期权产品存量近1500 亿元。2021年下半年在各项政策引导下，类期权产品发行增速放缓，行业工作重心转向投资者教育工作，实际上起到了厘清产品形象，夯实投资者认知的作用，为类期权产品乃至结构化产品的长期发展铺平道路。在类期权产品之外，从业机构也在积极推进产品优化，例如华夏资本推出“指数区间增强”、“非对称指数增强”等结构，为不同投资需求提供投资工具，也获得了市场认可。

类期权产品结构产品已成为目前市场上较为流行的结构化产品。近年来随着银行理财收益的持续下降，类期权产品成为市场上非常流行的金融产品。零售端的类期权产品多为利用场外衍生品作为主要资产，私募发行的资管计划等资管产品。产品的主要持仓为奇异期权，由券商和资产管理机构以场外期权（或收益凭证）的形式订立场外衍生品协议。“类期权产品”是在敲入敲出价格间不断“滚类期权产品式”获得票息的形象描述。类期权产品合同一般会限制衍生品持仓的头寸，本身不具有投资杠杆。由于较高的票息收益和仅承担尾部风险的特征，类期权产品在近两年得到了市场的广泛关注。类期权产品是典型的结构化产品，底层收益由券商以场外合约的形式提供。除了经典类期权产品之外，市场上还存在多种类期权产品结构变种，例如保本类期权产品、有限损失类期权产品、有锁定期类期权产品、阶梯型类期权产品、蝶变型类期权产品、看涨类期权产品等。

总体上，类期权产品规模有增长趋势但仍然有限，市场集中度较高。2019年之后估算得到的类期权产品规模呈现出一定的增长趋势，但其绝对规模不高，敲入对市场冲击有限。以类期权产品为代表的场外期权业务有较高市场集中度，根据证券业协会公布的最新数据，申万宏源、华泰证券、中信证券、国泰君安、海通证券场外期权发行规模位于市场前列。2020年与2021年，类期权产品迎来快速发展阶段，目前类期权产品暂无官方统计的产品规模，我们借助场外市场规模数据对类期权产品规模进行估计。根据中国证券业协会和中证报价的文章报道，截至2022年2月末，类期权产品存续规模约为1500亿元，其中挂钩中证 500 指数的产品规模约为1100亿元。我们假设挂钩中证500 的类期权产品规模为1100 亿元，2021年以来中证500 期货和指数现货每日成交额平均分别为782亿和1792亿元，敲入时类期权产品需要卖出的规模占两者的比重分别为16.9%和7.4%，占比相对较低。此外，市场下跌时，未发生敲入的类期权产品依然按照低买高卖的原则进行对冲，券商在实际操作中会将所有的对冲头寸进行合并处理，因此两者抵消之后敲入对市场的影响会更低。

随着衍生品市场的不断发展和完善，以类期权产品结构为代表的结构化产品也越来越受到国内市场的关注。结构化产品凭借其灵活的结构设计和收益特征成为财富配置工具的重要补充，相比于海外的成熟市场，结构化产品在我国仍然具备较大的发展空间。类期权产品在国内流行，暗示了我国金融创新从“绕监管”的低级形态逐渐进入发展金融工程的高级形态。类期权产品的发展，可能带来资产管理行业和场外衍生品市场的新变化。

图表7：国内结构化产品发行形式及各机构关系图

数据来源：中信建投

二、波动率预测模型

波动率预测主要分为三种方式：1)时间序列模型ARCH/GARCH：基于每个交易日的日收益率数据利用时间序列建模计算t时刻的条件波动率。2）隐含波动率：利用标的资产相应的期权通过BS公式反推期权的隐含波动率。隐含波动率特点就是由于期权是投资者根据未来预期投资的产品，隐含波动率当中包含了投资者的未来预期，具有一定预见性。3）通过多因子模型对投资组合的波动率进行预测。

2.1时间序列模型

利用时间序列模型预测波动率可以反映历史波动率特征，用GARCH类时序模型、SV模型（马尔科夫链蒙特卡洛方法）等随机波动率模型结合可以减小预测误差。

第一个为波动率建模提供系统框架的是 Engle于1982 年提出的 ARCH模型。其基本思想是资产收益率的扰动εt是序列不相关的；εt并不是独立的，不独立性可以用其递延值的简单二次函数来描述。具体来说ARCH模型假定：

其中εt是均值为0方差为1的独立同分布随机变量序列。

ARCH模型可以反映实际股票市场中波动率聚集的现象,并且波动率分布有着尖峰厚尾的特征，更接近于股票市场实际情况。

EWMA方法即指数移动平均方法。EWMA根据历史数据距当前时刻的远近，分别赋予不同的权重，距离现在越近，赋予的权重越大，因为越远的历史信息所起的作用越小。

GARCH(1,1)模型方差如下：

EWMA 是GARCH(1,1)一个特殊情况，而GARCH(1,1)是EWMA 的一般形式。

当我们取a=0,（b+c)=1时，上式被简化为：

这与EWMA的表达式相同：

2.2 隐含波动率

隐含波动率是将市场上的期权交易价格代入期权理论价格模型，反推出来的波动率数值。从理论上讲，要获得隐含波动率的大小并不困难。由于期权定价 BS 模型给出了期权价格与五个基本要素（标的股价、执行价格、利率、到期时间、波动率）之间的定量关系，只要将其中前4个基本参数及期权的实际市场价格作为已知量代入定价公式，就可以从中解出唯一的未知量，即隐含波动率。

影响隐含波动率的因素有：标的资产的历史波动率以及期权的供求关系。

一般来说，期权的隐含波动率普遍比历史波动率要高，两者具有正相关关系。特别是在期权发行时，发行人会把期权的历史波动率作为依据之一来确定其隐含波动率，从而确定期权价格。此外，供求关系也会影响隐含波动率，隐含波动率在某种程度上是期权供求关系的一个反映。当投资者对某只期权需求旺盛，使得其价格虚高，引申波幅达到了较高的水平，甚至远高于期权的实际波幅。

由于BS 模型有严格的前提，实证检验中存在一些偏差。根据BS 模型的常数波动率假设，同种标定资产的期权应有相同的隐含波动率，但实证研究表明，同种标定资产、相同到期日的期权，协定价偏离现货价越多，隐含波动率往往越大。因其形似一个人微笑时两端上翘的嘴唇，被称为“波动率微笑”。股票期权的隐含波动率曲线可能出现歪斜，被称为“假笑”。

隐含波动率本质上是期权价格的另一种表达方法，“波动率微笑”表示BS模型有低估深实值和深虚值期权的倾向。对BS模型的考察发现，资产价格过程特征和市场机制都会影响到期权定价的准确性。期权的市场价值取决于现实市场中△套期保值的成本。如果资产价格过程特征和市场机制对深实值和深虚值期权的△套期保值影响更大，使其构造成本高于BS模型价格更多，深实值和深虚值期权的隐含波动率就会更大。

即使资产价格过程特征和市场机制因子对期权价值的影响相同，因BS模型中的期权价格是资产波动率的单调递增函数，可得隐含波动率对看涨期权价格的导数为:

其中S是标定资产的当前价格，T一t是期权距到期的时间，N(·)是标准正态分布的密度函数，d是红利率。式(3)表示期权价格发生微小变动，隐含波动率会出现较大变化。而且，期权越处于深实值或深虚值状态，|d|越大，N(di)越接近于0，(dσ／δC)越大，相同的期权价格变动造成的隐含波动率变动越大。标定资产存在交易成本时，连续△套期保值的总成本在理论上趋于无穷大，现实中的期权空方必须实行离散调整策略，在此过程中将引发额外风险和保值成本。

波动率期限结构是衡量期权隐含波动率水平的另一个重要指标，反映了期权合约在不同到期时间的隐含波动率水平以及远期波动率与近期波动率的关系。由于期限结构斜率变化反映了市场近期与远期之间波动率水平差异。一般情况下，波动率期限结构倾向于上偏斜，即近月的隐含波动率要小于远月，但随着时间增长隐含波动率的变化幅度会衰减。然而当行情出现大幅的波动时，可能会引起近月隐含波动率高于远月，观察到波动率期限结构向下偏斜。根据隐含波动率近期与远期价差大小或者波动率曲面结构的特征分布，可以衍生出一系列波动率交易策略。

上文提到，芝加哥期权交易所波动率指数VIX是衡量标准普尔500指数期权的隐含波动率。VIX指数每日计算，代表市场对未来30天的市场波动率的预期。VIX表达了期权投资者对未来股票市场波动性的预期，当指数越高时，显示投资者预期未来股价指数的波动性越剧烈；当VIX指数越低时，代表投资者认为未来的股价波

量化深度报告

动将趋于缓和。由于该指数可反应投资者对未来股价波动的预期，并且可以观察期权参与者的心理表现，也被称为“投资者情绪指标”。

$$\tag{1}$$

其中，E(ht+)表示在风险中性(Q)测度下通过Heston-Nandi-GARCH模型所预测第t+k天的隐含波动率在第t天的条件期望。

VIX推出后，成为全球投资者评估美国股票市场风险的主要依据之一，2004年CBOE推出全球第一个波动性期货VIXFutures后，受到全球投资者的追捧，特别是2005年以来，全球金融资产波动性急剧增加以后，VIX的交易量更是屡创新高。

在期权进入交易后，投资者就可以利用隐含波动率为自已的投资做指导，使用方法主要包括：

买卖波动率。期权的投资者除了可以利用预期标的股价的变化方向来买卖期权外，还可以从股价的波动幅度的变化中获利。一般来说，波动率并不是可以无限上涨或下跌，而是在一个区间内来回震荡。投资者可以采取在隐含波动率较低时买入而在较高时卖出期权的方法来获利。

2．与历史波动率做比较，确定买卖时机。若投资者已经决定了买卖方向，可以将历史波动率与隐含波动率做比较，在隐含波动率低（高）于历史波动率的时候买进（卖出）期权。

3．另外，投资者还可以通过隐含波动率比较同一标的资产不同剩余时间的期权，隐含波动率越小，该期权越便宜，从而可以为选择期权的种类提供指导。

2.3多因子模型

多因子模型可以理解为对于风险与收益关系的定量表达，不同因子代表了不同风险类型的解释变量。多因子模型定量刻画了资产的预期收益率与该资产在每个因子上的因子暴露度，以及因子收益率之间的线性关系。由于股票的预期收益是对投资者所承担风险的报酬，多因子模型正是对于风险一收益关系的定量表达，不同因子代表不同风险类型的解释变量。多因子模型定量刻画了股票预期收益率与股票在每个因子上的因子暴露度，以及每个因子每单位因子暴露度的因子收益率之间的线性关系。

多因子模型的本质是降维分析。在收益计算上，多因子模型把股票收益表示为一组共同因子的收益和一个仅与该股票有关的特异性收益的组合：

其中，

rn表示股票n的收益率，

Xnk表示股票n在因子k上的暴露度，

f表示因子k的收益，

μ表示股票n的特异性收益率。

量化深度报告

模型的假设是共同因子收益率与股票特异性收益率不相关，不同股票的特异性收益率之间亦不相关。特异性收益风险代表无法被共同因子解释的收益波动，如某些突发性事件驱动的股价变化、未知的Alpha因子等。

在风险计算上，多因子模型将对于股票收益协方差矩阵的估计转换为对于因子收益协方差矩阵和特异性收益方差矩阵的估计：

其中，

Var(r)表示股票收益率方差矩阵，

X表示股票的因子暴露度矩阵，

F表示因子收益率之间的协方差矩阵，

Var(u)表示股票特异性收益方差矩阵。

我们在5月12日发布的研报《CNE7经典版多因子模型一一因子表现与模型解释力度分析》中提到，选择恰当、有效的共同因子是搭建高质量风险模型的基础。首先，因子必须能够稳定、有效地解释股票收益率，保证统计上显著且时间序列上稳定。其次，因子之间不应存在过度的共线性。再者，在涵盖优质因子的基础下，模型需要尽可能精简因子数目，以减少风险预测的工作量并提高风险预测的准确度。多因子模型通过将对于高维股票的收益风险预测转换为低维基本面因子的收益风险预测，大大减少计算量的同时，还有效提高了风险预测的准确度。为此我们针对中国A股市场构建了CNE7经典版股票基本面多因子模型。模型选用10个风格因子、34个行业因子和1个市场因子作为解释股票收益的风险因子，具体因子构建请参考研报《CNE7经典版多因子模型——因子表现与模型解释力度分析》。

多因子模型用一系列共同/风险因子来解释投资组合收益，可以将组合的风险拆解到每一个因子，即风险来源上，并下钻到因子暴露度、因子自身波动率以及该因子与投资组合相关性上。本研报第三部分将针对该方法做进一步阐述。

三、风险分解与波动率预测

组合分解分析的目的是解释主动投资对组合的风险和收益的影响。一般来说，组合收益分解的公式为：

其中m是投资组合在收益来源m上的风险口，9m是该来源自身的收益率。在风险预测时，xm在分析期初时便是已知或确定的，且收益分布也必须在期初进行预测。因此，对于投资经理来说，最重要的是预测风险来源的收益gm，从而确定每个风险来源上的口xm，实现收益与风险的平衡。

量化深度报告

3.1 独立波动率分解法

风险分解/分解的一种简单方式为独立（stand-alone）波动率分析，该方法将不同风险来源的波动性看作是互相独立的，不存在相关性，即：

独立波动率分解法的重要缺陷在于忽略了收益来源的相关性。显然，一个与投资组合高度正相关的收益来源要比一个不相关或负相关的收益来源的风险大得多。在前一种情况下，该收益来源往往与整个投资组合的表现同向变动，因此提供的风险分散程度很低。相比之下，负相关的收益来源实际上降低了组合的风险，因为它对投资组合的其他部分起到了对冲作用。此外，这种独立波动率分解法下，各收益来源的波动率加总后与组合波动率并不相等，使部分风险无法被拆解，带来一定不透明性。

3.2边际风险贡献法

另一种风险分解的方式是基于边际风险贡献MCR(MarginalContribution ofRisk),它的定义为偏导数：

MCR的含义是，对于收益来源m，当小幅增加组合在该来源上的风险暴露△αm，组合层面的风险将变动MCRm△xm。重要的是，投资经理可以通过增加在MCR为负数的收益来源上的暴露，来降低整个投资组合的风险。

MCR的重要意义在于：

1）风险分解，MCR能够准确地表达组合风险与收益来源之间的关系。

MCR能够检验投资组合实际表现是否与投资经理观点一致。上文提到，风险分解的重要一环是在期初预测收益来源m的收益率，即gm，亦称为隐含收益率。隐含收益率gm与边际风险贡献MCR成正比，正相关系数为该组合的信息比率IR。

边际风险贡献法的优势在于计算每一风险来源的隐含收益率，但其劣势在于无法获得每一风险来源的波动率，会带来一定不透明性。

量化深度报告

3.3 X-Sigma-Rho 法

本研报提出了一种将独立波动率法与边际风险贡献法相结合的风险分解方法，该方法定义了驱动组合风险的三个方面：收益来源暴露度x、收益来源波动率σ以及该来源与组合的相关性p，因此我们将该方法称为“X-Sigma-Rho法”。通过简单地将x、σ和p进行不同的组合，可以得到上述两种风险分解方法的特殊情况，具体来说，独立波动率法即为(xσ)，边际贡献法则由(σp)得到。因此，X-Sigma-Rho 公式可视为上述两种方法的结合。

X-Sigma-Rho法下，风险分解公式为：σ(R)=∑𝑚σ(gm)p(gm,R),m

其中xm是投资组合在收益来源m上的暴露度，这是由投资经理来决定的，g(gm)是收益来源m的波动率，p(gm,R)是m与组合的相关性。

3.4 波动率预测与期权定价

上文介绍了基于多因子模型CNE7构建的风险分解方法X-Sigma-Rho，通过该方法对投资组合波动率在期初进行预测，为股票期权定价提供了新思路。将X-Sigma-Rho计算的波动率代入期权定价BS模型中可得到相应期权价格。

在经典的 Markowitz均值方差模型中，投资组合的风险计算方法为计算投资组合内部个股之间的协方差矩阵。这个方法在实际操作中存在计算效率问题：在有N只股票的投资组合中，需要进行N的乘方级次计算才能得到个股之间的协方差矩阵，若N为1000，即对于中证1000 指数期权而言，一次风险确定就要涉及上亿次计算。本文多因子模型将计算次数下降到了因子数量的乘方级次，而因子数量相对股票数量较小，其计算次数在可控范围内，因此在实际的投资组合风险确定过程中更具备可行性。

四、实证研究

在上文我们阐述了类期权产品等期权产品本质上还是预测标的资产的波动率幅度，并比较了BS 模型和CNE7模型等前沿方法的模型假设和计算方法。

BS 模型考虑了当前资产价格、期权行权价格、到期时间和无风险利率等因素，计算出标的隐含波动率（ImpliedVolatility)，该IV满足使期权的理论价格等于市场价格的波动率水平这一条件，进而识别基于隐含波动率和基础资产历史波动率之间差异的潜在交易机会。高隐含波动率表示市场预期基础资产未来将出现显着价格波动，而低隐含波动率表示市场预期基础资产价格相对稳定。

CNE7考虑了来源于多类风格因子和行业因子的协方差，基于因子暴露可以计算和预测任意组合的波动率，适用范围更广，另外在涉及大量标的资产计算量级上更为轻捷，不必直接估计N只标的协方差矩阵。

以沪深300 指数为例，我们分别利用 BS 和CNE7模型，基于300ETF 期权、中金所沪深300 股指期权的期权价格计算其2020年至2022年末的隐含波动率。总体上看，BS和CNE7模型的波动率走势几乎一致，暗含沪深300的波动率呈现周期性趋势，但CNE7模型估计的隐含波动率变化更加连续、稳定，较少出现像BS模型2020年3月、7月和2022年3月的跳跃估计点。

图表8：CNE7和BS模型的沪深300 隐含波动率

数据来源：Wind，中信建投

我们利用Granger 因果检验的方法，比较上述两者对于沪深 300 波动率预测的有效性和准确性。Granger考虑两个时间序列之间的因果性，这里的因果性指的是时间顺序上的相关性的“显著程度”。如果Xt,Xt-1对于Yt有额外的预测作用，则认为Xt是Yt的Granger原因。实践中，通过Yt对{Xt}进行回归判断系数是否显著，来验证Xt对Yt的预测能力。

我们的实证结果显示CNE7方法预测能力更强。图表9展示了两者Granger 因果检验的结果，图表10 展示了P值的统计阐述表，系数的P值愈小，意味着回归系数愈显著，该模型的预测能力越强。我们发现CNE7方法的波动率即使在滞后37天后预测能力依然可靠，在滞后 41天时P值仍小于0.10，而BS 模型的隐含波动率仅在滞后7-31天的范围内P值小于0.05，但显著程度也基本低于CNE7方法。

图表9：BS模型隐含波动率和CNE7模型波动率检验结果

数据来源：Wind，中信建投

图表10：Granger因果检验P值

	p值区间	显著水平
	0.05<p<0.1	10%的水平上显著
	0.01<p<0.05	5%的水平上显著
	p<0.01	1%的水平上显著

数据来源：Wind，中信建投
注：原假设为隐含波动率不是沪深300实际波动率的Granger原因，P值越小，代表隐含波动率预测能力越强。

上文我们介绍到风险拆解可以分析各个投资策略对主动风险的影响。2022年12月31日沪深300 的预测总风险为17.05%，其中主动风险/超额风险由共同因子风险和个股选择风险构成。如图表11所示，我们以无风险收益率（现金收益率）为基准，对沪深300 的绝对风险进行拆解。其中能被共同因子解释的风险有16.94%，风险贡献高达98.68%；不能被共同因子解释的，即股票选择方面带来的风险有1.96%，风险贡献占比仅1.32%，

共同因子风险中，市场因子风险16.47%，该部分风险来源于全市场波动，且风险贡献占比最高，约93.36%。行业与风格的风险占比相近，分别约5.61%和5.44%，其中行业与风格的波动率分别约15.26%和7.89%，行业波动相对更高。值得注意的是，协方差矩阵反映了不用因子大类之间的协方差，若协方差为负，说明共同因子大类的风险之间有分散效果存在。沪深 300 的协方差风险贡献为-5.72%，说明市场、行业、风格的风险存在分散效应。

图表11：沪深300风险分解

数据来源：Wind，中信建投；数据日期：2022年12月31日

在 X-Sigma-Rho 模型下（图表12)，每个因子的风险贡献包含了因子协方差效应，因此共同因子风险中不再包含协方差贡献，并且不同因子之间的风险贡献均可加。由于不同因子之间的风险分散效应，行业和风格的预测主动风险下降，分别约0.36%和0.90%。

图表12：沪深300风险分解—X-Sigma-Rho

数据来源：Wind，中信建投；数据日期：2022年12月31日

我们进一步分析自2020年2月3日至 2022年12月30日（以下简称“分析期间"）内各行业因子对沪深300 风险贡献。白酒、电力设备、电子、银行和非银的平均风险贡献较高，分别为1.91%/0.46%/0.32%/0.84%/1.03%。如图表12所示，白酒行业风险贡献在2021年底达到近5%的高点，随后回落至2%附近。电力设备风险贡献于2021年底陡增，电子行业、非银行业与银行行业整体风险贡献走势较为平稳。风险贡献占比较低的行业有商贸零售、建筑材料、环保、石油石化、社会服务和纺织服饰。

图表13：沪深300行业因子平均风险贡献占比

数据来源：Wind，中信建投

图表14：部分行业因子风险贡献

数据来源：Wind，中信建投

行业因子风险贡献等于该行业因子暴露度的平方与该行业因子自身波动率的乘积，图表13和14展示了部分风险贡献较高的行业因子的波动率与暴露度，其中行业因子暴露度反映了沪深300在该行业的市值占比。白酒行业的波动率由2020 年初的1.50%逐步上升至2021年10月的接近4%，随后回落至2022年末的2.50%，其市值占比自2020 年初至2021年2月小幅上升，随后在10.00%附近波动。自2021年底开始，电力设备的波动率与市值占比均呈现上升趋势，对沪深300 的风险贡献大幅攀升。非银波动率2020年6月陡增至接近3.50%后

整体呈现下降趋势，市值占比亦逐渐下降。

图表15：部分行业因子波动率

数据来源：Wind，中信建投

图表16：沪深300部分行业暴露度

数据来源：Wind，中信建投

五、风险提示

请参阅最后一页的重要声明

研究均基于历史数据，对未来投资不构成任何建议：风险拆解与波动率预测模型的结论是在合理假设的前提下，以历史数据为基准进行计算。根据历史规律总结的经验法则未来存在失效的可能性。策略表现是历史回测数据，并不代表实盘业绩，也不代表策略未来表现；市场发生特殊事件时，，诸如地缘政治、政策变化等对外部不确定性，会对模型的样本外预测造成较大干扰。

存在数据统计偏误和模型风险：模型以线性假设为前提，但真实的金融市场错综复杂，线性关系难以完全拟合；另外数据源通常存在极少量的缺失值，会弱微增加模型的统计偏误。

六、参考文献

[1]Granger, C.W. J. (1969). Investigating Causal Relations by Econometric Models and Cross-spectral Methods. Econometrica, 37(3), 424-438.

[2]Toda,H. Y.，& Yamamoto,T.(1995). Statistical inference in vector autoregressions with possibly integrated processes. Journal of Econometrics, 66(1-2),225-250.

[3]Lutkepohl, H. (20o5). New introduction to multiple time series analysis. Springer Science & Business Media.

[4]Breitung,J. (2Oo5).A parametric approach to the estimation of cointegration vectors in panel data. Econometric Reviews,24(2), 151-173.

[5]Sims, C.A.，& Zha, T. (2006). Does monetary policy generate recessions?. Macroeconomic Dynamics, 10(Supplement 1), 231-272.

分析师介绍

鲁植宸，多因子与ESG策略组分析师，中国科学院硕士，曾在头部券商自营从事量化投研和实盘管理工作，在人工智能、机器学习算法的量化应用方面有从学术研究到策略设计、实盘落地及策略管理的全周期经验，研究方向覆盖机器学习算法、多因子模型-策略设计、建模训练过程优化、样本特征处理技术、ESG 策略和指数编制等。

徐建华，总监，多因子与ESG 策略组负责人，先后就职于MSCIBarra公司和标普研究助理公司等专业研究机构，具有十多年金融市场研究、统计建模等专业经验。为多家银行、基金和保险等资管客户提供因子模型、投资组合优化管理、基金评价、指数研究以及风险管理等咨询。

陈添奕，多因子与 ESG 策略组研究员，美国杜克大学经济学硕士，FRM，曾任研究助理 MSCIBarra及美国贝莱德集团等，主要负责多资产量化模型和策略研究、指数，基金研究和FOF策略、ESG、气候风险，资产组合管理系统等投资研究服务。

评级说明

投资评级标准		评级	说明
报告中投资建议涉及的评级标准为报告发布日后6个月内的相对市场表现，也即报告发布日后的6个月内公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅作为基准。A股市场以沪深300 指数作为基准;新三板市场以三板成指为基准;香港市场以恒生指数作为基准;美国市场以标普 500指数为基准。	股票评级	买入	相对涨幅15%以上
		增持	相对涨幅5%-15%
		中性	相对涨幅-5%-5%之间
		减持	相对跌幅5%-15%
		卖出	相对跌幅15%以上
	行业评级	强于大市	相对涨幅10%以上
		中性	相对涨幅-10-10%之间
		弱于大市	相对跌幅10%以上

分析师声明

本报告署名分析师在此声明：（i）以勤勉的职业态度、专业审慎的研究方法，使用合法合规的信息，独立、客观地出具本报告，结论不受任何第三方的授意或影响。（ii）本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。

法律主体说明

本报告由中信建投证券股份有限公司及/或其附属机构（以下合称“中信建投"）制作，由中信建投证券股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门、台湾）提供。中信建投证券股份有限公司具有中国证监会许可的投资咨询业务资格，本报告署名分析师所持中国证券业协会授予的证券投资咨询执业资格证书编号已披露在报告首页。

在遵守适用的法律法规情况下，本报告亦可能由中信建投（国际）证券有限公司在香港提供。本报告作者所持香港证监会牌照的中央编号已披露在报告首页。

一般性声明

本报告由中信建投制作。发送本报告不构成任何合同或承诺的基础，不因接收者收到本报告而视其为中信建投客户。

本报告的信息均来源于中信建投认为可靠的公开资料，但中信建投对这些信息的准确性及完整性不作任何保证。本报告所载观点、评估和预测仅反映本报告出具日该分析师的判断，该等观点、评估和预测可能在不发出通知的情况下有所变更，亦有可能因使用不同假设和标准或者采用不同分析方法而与中信建投其他部门、人员口头或书面表达的意见不同或相反。本报告所引证券或其他金融工具的过往业绩不代表其未来表现。报告中所含任何具有预测性质的内容皆基于相应的假设条件，而任何假设条件都可能随时发生变化并影响实际投资收益。中信建投不承诺、不保证本报告所含具有预测性质的内容必然得以实现。

本报告内容的全部或部分均不构成投资建议。本报告所包含的观点、建议并未考虑报告接收人在财务状况、投资目的、风险偏好等方面的具体情况，报告接收者应当独立评估本报告所含信息，基于自身投资目标、需求、市场机会、风险及其他因素自主做出决策并自行承担投资风险。中信建投建议所有投资者应就任何潜在投资向其税务、会计或法律顾问咨询。不论报告接收者是否根据本报告做出投资决策，中信建投都不对该等投资决策提供任何形式的担保，亦不以任何形式分享投资收益或者分担投资损失。中信建投不对使用本报告所产生的任何直接或间接损失承担责任。

在法律法规及监管规定允许的范围内，中信建投可能持有并交易本报告中所提公司的股份或其他财产权益，也可能在过去12个月、目前或者将来为本报告中所提公司提供或者争取为其提供投资银行、做市交易、财务顾问或其他金融服务。本报告内容真实、准确、完整地反映了署名分析师的观点，分析师的薪酬无论过去、现在或未来都不会直接或间接与其所撰写报告中的具体观点相联系，分析师亦不会因撰写本报告而获取不当利益。

中信建投证券研究发展部

中信建投（国际）

北京

上海

深圳

香港

东城区朝内大街2号凯恒中心B

上海浦东新区浦东南路528 号

福田区益田路6003号荣超商务

中环交易广场2期18 楼

座12层

南塔2106室

中心B座22层

电话：（8610）8513-0588

电话：（8621）6882-1600

电话：（86755）8252-1369

电话：（852）3465-5600

联系人：李祉瑶

联系人：翁起帆

联系人：曹莹

联系人：刘泓麟

邮箱：lizhiyao@csc.com.cn

邮箱：wengqifan@csc.com.cn

邮箱：caoying@csc.com.cn

邮箱：charleneliu@csci.hk

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

为您的创业、职场、商业、投资、亲子、网赚、艺术、健身、心理、个人成长…全面赋能！

关注公众号获取更多资料

添加微信：xxyg_wei

备注“入群"

立刻免费领取

200套知识地图+最新研报

致终身学习者社群

行业报告/思维导图/电子书/资讯情报

CNE7模型在期权定价中的应用

核心观点

主要结论

类期权产品

风险分解与波动率预测模型

实证研究

多因子与ESG策略

鲁植宸

市场表现

相关研究报告

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

致终身学习者社群

目录

图表目录

类期权产品

1.1典型期权

1.1.1期权要素、功能和特点

1.1.2典型期权定价模型一波动率建模

1.2常见的类期权产品收益结构

1.2.1交易要素

1.2.2 收益结构

1.2.3类期权产品的基本投资策略

1.3 国内类期权产品期权概况

二、波动率预测模型

2.1时间序列模型

2.2 隐含波动率

2.3多因子模型

三、风险分解与波动率预测

3.1 独立波动率分解法

3.2边际风险贡献法

3.3 X-Sigma-Rho 法

3.4 波动率预测与期权定价

四、实证研究

五、风险提示

六、参考文献

分析师介绍

评级说明

分析师声明

法律主体说明

一般性声明

中信建投证券研究发展部

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

致终身学习者社群

多因子与ESG策略：CNE7模型在期权定价中的应用-20230321-中信建投-27页