Разработка AI-трейдинг-бота для опционного рынка
Опционы — нелинейные инструменты с уникальными свойствами. Greeks (delta, gamma, vega, theta) создают multi-dimensional risk space. ML в опционной торговле работает с предсказанием волатильности и неэффективностями в опционном pricing.
Специфика опционного рынка для ML
Volatility Surface Modeling
Опционы торгуются по implied volatility (IV) — скрытая волатильность, которую рынок "встроил" в цену. IV surface — 2D функция: strike × expiry. ML задачи:
- Аппроксимация и интерполяция IV surface по наблюдаемым котировкам
- Предсказание изменения IV surface (volatility forecasting)
- Детекция mispricing: отдельные точки выбились из общей поверхности
Нейронные сети (DNN) превосходят SVI (Stochastic Volatility Inspired) для интерполяции на сложных рыночных условиях.
Realized vs. Implied Volatility
IV обычно выше Realized Volatility (RV) — "volatility risk premium". Это систематическая неэффективность. Стратегия: short vol когда IV >> RV prediction. ML предсказывает RV → сравнивает с IV → сигнал для vol selling/buying.
Volatility Forecasting Models
- GARCH/EGARCH для RV предсказания (классика)
- HAR-RV (Heterogeneous Autoregressive model): realized vol на разных горизонтах как признаки
- LSTM на intraday realized vol
- ML на option order flow данных: информационный контент опционного потока
Стратегии с ML компонентом
Delta-Neutral Strategies
Продажа завышенной IV с нейтрализацией directional риска через delta hedging:
- Short Straddle / Strangle
- Iron Condor
- Calendar Spreads
ML определяет: когда IV достаточно высока, чтобы стратегия была выгодна после транзакционных издержек. Dynamic hedge rebalancing — ML-оптимизированная частота.
Earnings Volatility Trading
Перед отчётностью компании опционы дорожают (earnings IV jump). После отчёта — IV collapse (post-earnings IV crush). ML предсказывает: насколько большим будет actual earnings move vs. implied by options. Если рынок переоценивает неопределённость → straddle sell.
Skew Trading
Put-call skew: puts обычно дороже calls (demand from hedgers). Skew меняется: в стрессе растёт, в спокойные периоды — снижается. ML предсказывает skew dynamics → позиционирование в skew продуктах.
Технические особенности реализации
Греки в реальном времени
Постоянный пересчёт delta для hedging, gamma для rebalancing frequency decision:
from scipy.stats import norm
import numpy as np
def black_scholes_greeks(S, K, T, r, sigma, option_type='call'):
d1 = (np.log(S/K) + (r + 0.5*sigma**2)*T) / (sigma*np.sqrt(T))
d2 = d1 - sigma*np.sqrt(T)
if option_type == 'call':
delta = norm.cdf(d1)
price = S * norm.cdf(d1) - K * np.exp(-r*T) * norm.cdf(d2)
else:
delta = norm.cdf(d1) - 1
price = K * np.exp(-r*T) * norm.cdf(-d2) - S * norm.cdf(-d1)
gamma = norm.pdf(d1) / (S * sigma * np.sqrt(T))
vega = S * norm.pdf(d1) * np.sqrt(T)
theta = -S * norm.pdf(d1) * sigma / (2*np.sqrt(T)) - r*K*np.exp(-r*T)*norm.cdf(d2)
return {'price': price, 'delta': delta, 'gamma': gamma, 'vega': vega, 'theta': theta}
Execution в опционах
Опционы менее ликвидны акций: wide bid-ask spreads, часть страйков неликвидна. Market making модели для optimal execution. Избегание неликвидных страйков.
Data sources
CBOE LiveVol, OptionMetrics (исторические), Polygon.io Options, IBKR TWS для real-time Greeks и chains. Vols surface конструирование из market quotes — отдельная задача.
Риски: короткая гамма → неограниченный риск при gap moves. Position sizing через VaR/expected shortfall на Greeks-adjusted basis.