本站的波动率预测、评分和仓位建议背后的中国 ETF 期权研究，另有一篇文献综述作为背景。最新的排在最前面。每一页先给结论，再给证据和局限。多数研究页最后附上可运行的脚本，用公开数据复现主要数字；文献综述最后列出参考文献。
持有到期；到期日长短不影响预期结果。我们取本站评分选出的卖出权利金交易（评分 66 及以上），标的为四只上交所 ETF，时间 2016–2026 年，研究两个关于“怎么持有”的问题。退出规则：50 % 止盈、剩 21 天平仓、两者结合、以及在交易标明的最坏情形处止损，在 2016–2023 年和 2024–2026 年两段里，每单位风险的收益都低于持有到期（例如 50 % 止盈：2024–2026 年每单位压力亏损 −0.10，区间 −0.15 至 −0.03）。止盈能稍微削减亏损尾部，但对盈利的封顶损失更多；止损会把本来能恢复的亏损交易平掉。到期日：在相同风险下，卖 2 周期权并不比卖 2 个月期权赚得多。更长的到期日让盈利和亏损都变大，而不是更常盈利；每个到期区间的平均值都包含零。本站不作任何改动。所有规则都在计算任何结果之前提交。
阅读全文直接使用时不能。微调之后，有一个模型通过了我们的标准，它现在正在实盘检验中。我们检验了时间序列基础模型（time-series foundation model）Kronos、TimesFM 2.5 和 Chronos-2，能否预测期权 ETF 到下一个到期日是涨是跌，并且在扣除交易成本后胜过简单规则。在样本外测试中（2024 年 8 月至 2026 年 8 月的 101 个周度日期，六只 ETF 加中证 1000），没有一条简单规则、也没有一个直接使用的模型胜过“永远看涨”（在这段上涨行情里 58.5 % 的时候是对的）；去掉动量、反转和估值之后，也没有一个保留任何预测能力。随后我们用 515 个 A 股指数对四个模型做了微调（fine-tuning）。其中三个仍然没有预测能力。Chronos-2 从训练 1,000 步起通过了事先设定的标准：在 2,000 步时它的正确率为 66.1 %，跟随它做的价差在扣除成本后也带来了价值。看到这个结果之后再做的检验结论不一：去掉任何一个半年它都站得住，但只看最新数据和用更严格的打乱检验时处在边缘，而且它的全部能力都来自约 25 个月里对整个市场涨跌的判断。所以它没有进入本站的评分；一个冻结的版本每晚在模型检验页面上给出预测，由这份战绩来定论。每个模型的规则都在计算它的结果之前提交；但后三个模型的训练，是在第一个微调模型失败之后额外加上的一轮，原计划并没有安排。
阅读全文不能。本站的评分只用期权数据给交易打分。我们检验了两类外部数据，看它们能否作为第二层，在评分已经认为不错的交易中再做选择：指数估值和事先排定的事件。两者都没有给出可用的信号，所以评分和推荐都没有加入任何东西。当指数处在估值极低区间时，随后 21 个交易日出现大幅上涨的频率是其他时候的 1.36 倍（97.5 % 区间 0.62 至 2.44）：低于事先定好的门槛，而且主要来自一次急涨（2024-09）。把期限从 21 天拉长到三个月，这个倍数升到 1.84（98.75 % 区间 0.54 至 4.10），但只有 13 次独立行情，而且主要还是来自那次急涨：只算“有迹象”，不是规则。在 11 类事先排定的事件上（美联储议息决议、政治局会议、PMI、LPR、美国非农、到期日等），经过 84 项检验，没有发现事件前隐含波动率上升、事件后回落，也没有发现在事件之后不久到期的卖出期权亏得更多。唯一一个大的亏损，即在 2024-09-27 之后不久到期的跨式，是一次冲击，不是规律。两项研究的规则都在计算任何结果之前写下并提交。
阅读全文在今天的中国市场，不会。在四只上交所 ETF 上（2024-01 至 2026-09 的每个交易日），Delta 对冲后的卖出期权在平值赚到约 +2 个波动率点（近月 +2.0，95 % 区间 −0.3 至 +4.1）；虚值认沽赚得更少（25 Delta 认沽比平值低 1.2 点），认购略多。其他市场指数期权上的认沽偏斜溢价，在这里并不存在。认购一翼在事先定好的检验中只有 8 格中的 1 格通过，而按每元压力亏损计算它不如平值。偏斜改变的是溢价的水平，而不是哪个行权价赚得最多。按行权价分别设定的预测在样本外输给 0.95 × IV，所以本站保留 0.95 × IV。每天卖出 25 Delta 认沽，每笔赚到现货价格的 +0.51 %，但其中 81 % 来自上涨行情的方向。价差组合让出 19–51 % 的权利金收入，但按每元压力亏损计算，牛市认沽价差和铁鹰式留下的比裸卖更多。
阅读全文只有事后看才是。在六只 ETF 的 11 次隐含波动率极端行情（2015–2026 年）中，在峰值当天卖出，随后 30 天赚到 +13.1 个波动率点；20 个交易日后再卖只有 +4.0。但当天没有人知道那就是峰值。如果用卖方当时就能知道的极端线来判断，当天卖出的优势就消失了（5 次行情，最大亏损 −38 点正出现在当天）；而隐含波动率处于高位且仍在创新高的日子，平均为 −1.3 点。在隐含波动率停止上涨约两周后卖出表现最好，但优势不足以证明。亏损后把仓位加倍（1 倍、2 倍、4 倍，共为第一轮资金的 7 倍）在这些行情里赢了，但在更大范围的测试中，6 % 的起点突破了这个预算，最差的一个需要第一轮保证金的 13.2 倍。高隐含波动率能多赚波动率点，却不能明确地多赚“单位风险的收益”。预测方面，样本外检验中“已实现波动率 ≈ 0.95 × 平值隐含波动率”胜过“隐含波动率减一个常数”，本站将采用它。
阅读全文溢价是真实存在的，但并不处处相同。研究表明，期权卖方收取的溢价更像隐含波动率的一个固定比例，而不是固定几个波动率点；它在近月合约中最大，并随行权价而变（在中国，较贵的一翼随散户情绪在认购和认沽之间切换），而且主要在隔夜累积。IV 的高低或 IV rank 并不能告诉你何时卖出；期限结构倒挂和波动率刚刚飙升，却能告诉你何时不该卖。本文汇总这些证据、它们的局限，以及本站接下来要检验的内容。
阅读综述不会。在六只 ETF 共 387 个互不重叠的 30 天窗口上（2015–2026），预测下个月 realised volatility（已实现波动率）最好的方法，是用市场的 implied volatility（隐含波动率）减去一个小而稳定的溢价：在平值 IV 上约 1 个 vol point。用过去一到三个月的已实现波动率取平均反而更差，“IV 高于近期波动就卖出”的信号也没有判断力。本研究之后 App 的波动率预测是 ATM IV − 1 点；自 2026 年 10 月起改为 0.95 × ATM IV，即溢价随 IV 增大（见关于 IV 时机的后续研究）。
阅读全文不能。在同样的 30 天窗口、六只 ETF、2015–2026 年的数据上，把八个标准 time-series model（时间序列模型：EWMA、四种 GARCH、三种 HAR）和“隐含波动率减长期溢价”比较。没有一个单独使用时能胜过它；与它组合最多改善 1–2 %；波动率飙升之后，这些模型的误差最多翻倍。预训练的 foundation model（基础模型）也没有改变结论：Google 的 TimesFM 最接近（误差低 7 %，不显著）。预测整个区间时，以 IV − 溢价为中心、用它自身实测误差决定宽度的对数正态区间是诚实的：2024 年 7 月以来，它的 80 % 区间接住了 76–83 % 的结果。
阅读全文以前计算 Kelly 仓位时，把波动率预测当成到期前的实现波动率已经确定。现在改为对实现波动率实际可能落入的区间取平均：预测值上下约 ±25 %，偏高一侧略重。在 2026-09-30 收盘的数据上，大多数卖权利金的交易仓位变小（铁鹰式约减三分之一，一个深度虚值价差降到零），买波动率的交易略微变大。每笔 5 % 的上限让合约数与以前相差不大。
阅读全文