跳至主要內容
分析仓位方法說明价格
登入
← 所有選擇權指南
相關性曝險閱讀約11分鐘2026年8月26日

隱含相關性與分散交易詳解

說明指數變異數如何結合成分股波動率與相關性、分散交易試圖分離什麼,以及權重與壓力狀態為何重要

由 Mark 撰寫 · 官方資料列於文末

本指南內容

  1. 指數變異數包含相關性
  2. 隱含相關性從價格反推
  3. 分散交易拆分共同與個別走勢
  4. 權重決定真正交易
  5. 財報不必伴隨相關性下跌也能擴大分散
  6. 下跌時相關性可能急升
  7. 應衡量損益而非只看指數

直接解答

隱含相關性是指數與成分股選擇權價格所反映的平均共同走勢。分散交易比較兩類變異數市場,但損益也取決於權重、偏斜、跳躍、股息、執行條件、市場流動性與實現相關性的完整路徑

指數變異數包含相關性

指數是加權投資組合。其變異數取決於各成分股變異數與每一對股票的共變異數,並不是個股波動率的簡單平均

簡化而言,指數變異數等於加權成分股變異數加上加權相關項。在分散投資組合中,這些交叉項可能占主導

股票獨立波動時,部分漲跌互相抵銷;共同波動時,分散效果減弱,指數變異數相對成分股變異數上升

隱含相關性從價格反推

指數與成分股選擇權分別提供隱含變異數。選定的投資組合模型可以求出讓兩者一致的平均相關性

該數值是風險中立的,也依賴模型。成分涵蓋、權重、期間、履約價、股息、利率與波動率插值都會影響結果

因此它是相對價值價格,不是調查預測,也不保證未來每對股票的實現相關性都等於一個數

分散交易拆分共同與個別走勢

典型多頭分散交易按風險調整買入成分股波動率並賣出指數波動率。成分股越獨立,通常越有利

反向部位買入指數波動率並賣出成分股波動率。共同走勢強於市場定價時,通常更有利

實際工具可以是變異數交換、選擇權或Delta避險跨式。它們的曝險不同,不能按契約數量比較

權重決定真正交易

指數權重在變異數中大致以平方作用,而各股票選擇權的Vega、乘數、價格與流動性都不同

投資組合最初Vega中性仍會保留Gamma、偏斜、Volga、Theta、股息與再平衡風險。一項敏感度中性不等於損益中性

必須記錄指數方法、所選股票、遺漏殘差、期間配對、避險比例與再平衡規則,才能評估相關性純度

財報不必伴隨相關性下跌也能擴大分散

個股財報為成分股加入特有變異數。指數的分散效果可以削弱其中大部分事件變異數

不同事件日程會在相關性不變時推動成分股與指數差異。簡單估計可能吸收事件假設與涵蓋誤差

應盡量分離已知事件變異數,並測試延期、提前揭露或產業共同事件

下跌時相關性可能急升

廣泛壓力下,總體消息、流動性需求與系統性去槓桿會蓋過公司特有資訊,讓股票同步下跌

這種狀態可能傷害多頭分散:賣出的指數波動率急升,成分股避險變貴,相關性向上收斂

偏斜與跳躍讓損失非線性。最大風險不只是小幅估計誤差,而是伴隨流動性惡化的同步劇烈走勢

應衡量損益而非只看指數

應以相同成分、權重、日期與抽樣規則比較隱含和其後實現的共變異數,不能混用不同範圍的相關指標

把損益分為指數變異數、成分變異數、相關性、偏斜、避險、事件、成本與殘差。單一價差會隱藏互相抵銷的誤差

同時測試相關性、波動率水準、曲面形狀、缺口、股息與買賣價差擴大。分散交易是投資組合,不是一個數字

常見問題

什麼是隱含相關性?

它是讓指數選擇權變異數與指定成分股投資組合的選擇權變異數一致的平均風險中立共同走勢水準

什麼是多頭分散交易?

簡化而言,它買入成分股波動率並賣出調整數量的指數波動率,尋求共同走勢較低時的相對收益

多頭分散一定是純粹賣出相關性嗎?

通常帶有賣出相關性曝險,但事件、權重、偏斜、跳躍、希臘值、再平衡與執行讓它並不純粹

為何市場急跌時分散交易可能虧損?

指數波動率與股票相關性可能同時上升,流動性惡化,而賣出的指數部分對同步走勢呈凸性反應

資料來源與延伸閱讀

  • [1]Cboe Implied Correlation and Dispersion
  • [2]Cboe Volatility Index Mathematics and Variance Swap Replication
  • [3]Cboe VIX Decomposition

重點整理

  1. 指數變異數結合成分股變異數與加權共變異數項
  2. 隱含相關性是依賴模型的風險中立價格,不保證未來實現值
  3. 分散損益取決於結構、事件、偏斜、避險、流動性與相關狀態

從正在考慮的合約開始

選擇期權和目標,分開查看結果背後的股價、時間和波幅條件

分析我的期權 →

相關指南

比較到期損益 →
期權策略甚麼是備兌認購期權?期權策略甚麼是保護性認沽期權?期權策略甚麼是現金擔保認沽期權?
聯絡我們
選擇權實用指南選擇權收益計算器NVDA 財報波動區間服務條款隱私權政策© 2026 Mark