分散度交易：指数波动率、个股波动率与相关性

仅供教育参考，不构成投资建议

直接答案

分散度交易在股票指数与按权重构建的成分股篮子之间持有方向相反的波动率头寸。典型的做多分散度是卖出指数波动率、买入成分股波动率；反向则是做空分散度。它试图提取指数方差与个股方差之间、受成分股共同运动程度显著影响的部分差异。

它不是简单比较报价隐波，也不是无风险套利。实际组合可能包含数十只期权和反复的 Delta 对冲，并继续承受波动率水平、相关性、偏斜、跳空、指数权重变化、流动性、结算和模型风险。

方差与隐含相关性

若指数收益近似为成分股收益的加权和，则

σ_指数² ≈ Σ(w_i²σ_i²) + 2Σ(i<j)(w_iw_jσ_iσ_jρ_ij)

第一项是加权个股方差，第二项包含两两协方差。在权重和个股波动率不变时，相关性越高，指数方差通常越高。因此可用指数与成分股期权隐波估算平均隐含相关性，但这个数字依赖模型，并把完整相关性矩阵压缩成一个值。

Cboe 将做多分散度描述为卖出平值 SPX 跨式，同时买入按权重配置的成分股平值跨式。专业实现也可能使用期权条带或方差敞口。只按股票权重或合约张数配对并不够，因为乘数、名义本金、Vega、Gamma、期限和方差敏感度不同；价格、希腊字母和指数成分变化后，初始中性也会漂移。

个股波动率不变时的相关性变化

假设十只股票等权，每只年化波动率均为 30%，并使用统一的两两相关系数：

σ_指数² = 0.1×0.30² + 0.9×0.30²×ρ。

相关性为 0.20 时，指数波动率约为 15.9%；相关性升至 0.80 时约为 27.2%。个股波动率没有变化，仅共同运动增强就显著提高了指数波动率。

假设市场价格隐含相关性约 0.58，管理者预计为 0.35，于是买入个股方差并卖出指数方差。若几家公司因互不相关的财报分别跳动 7%、9%、6%，方向又在指数内互相抵消，个股腿可能占优。但整体仍可能亏损：个股期权买价可能高于实现方差，指数下行偏斜可能变贵，对冲与执行成本也可能吞噬差异。

压力事件中，成分股可能同步下跌，相关性接近一。此时卖出的指数波动率会快速亏损，而个股多头 Gamma 因权重、曲面、交易时点和流动性无法完美匹配，不一定能够抵消。

风险检查清单

将每一腿换算到一致的方差、Vega、Gamma、乘数、期限和货币口径。
使用最新指数权重，并模拟调入调出、再平衡、拆股、并购和特别股息。
比较完整波动率曲面，而不只看平值隐波；指数 Put 偏斜可能含有高额崩跌保护溢价。
建立财报、诉讼、并购、停牌和退市事件日历，避免单只股票主导组合。
压测相关性为 0.20、0.90 和接近一，以及单股和全市场跳空。
将损益拆分为指数方差、个股方差、协方差、Delta 对冲、曲面变化和成本。
计入数十条买卖价差、冲击成本、佣金、融券、融资和无法同步成交的风险。
核对现金结算指数期权与实物交割个股期权的最后交易时间和行权规则。
把精简成分股篮子视为跟踪误差，而不是完整复制。

常见误区

“分散度是纯相关性交易。”相关性是核心，但波动率水平、偏斜、跳空、权重和成本仍存在。
“指数股票权重就是期权张数。”还必须标准化期权敏感度和合约条款。
“隐含相关性低就一定回升。”历史均值不能决定未来制度或可执行价值。
“做多分散度在崩跌中有保护。”相关性与指数偏斜可能同时急升。
“初始 Vega 中性会一直保持。”标的、时间、隐波和成分权重不断改变对冲。
“组合盈利就证明相关性预测正确。”归因后可能发现收益实际来自 Gamma、Vega 或执行。