Прибыль из воздуха: как профессионалы зарабатывают на опционных неэффективностях
Опционный рынок — это уникальное место с невероятными возможностями.
И одна из самых интересных ниш — неэффективность в оценке текущей стоимости опциона по конкретной цене базового актива.
Звучит сложно? Давайте разберу на примерах.
# Что такое опционная неэффективность
У каждого опциона есть теоретическая стоимость. Это цена, которую рассчитывают математические модели (Блэк-Шоулз и его модификации) с учётом:
- Текущей цены базового актива
- Волатильности
- Времени до экспирации
- Процентных ставок
В идеальном мире опцион должен торговаться по теоретической стоимости или выше.
В реальном мире иногда происходит странное: опцион торгуется ниже теоретической стоимости.
Это и есть неэффективность.
Для новичков:
Представьте, что вы видите золотую монету, которая стоит 100 рублей, но её продают за 70. Вы покупаете за 70, продаёте за 100 — прибыль 30 рублей «из воздуха».
На опционном рынке такое происходит каждый день.
# Почему это происходит
Рынок не идеален. Неэффективности возникают по нескольким причинам:
1. Паника розничных трейдеров
Когда цена резко падает, розница массово продаёт опционы «по любой цене». Стакан переполняется ордерами на продажу — цена падает ниже теоретической.
2. Ошибки маркет-мейкеров
Иногда маркет-мейкеры неправильно оценивают риск и выставляют опционы слишком дёшево. Это длится минуты, но этого достаточно.
3. Временные дисбалансы ликвидности
В определённые часы (например, обеденный перерыв в Азии) ликвидность падает. Спреды расширяются, цены «гуляют».
4. Принудительное закрытие позиций
Когда фонд получает маржин-колл, он вынужден продавать активы быстро — независимо от цены.
# Как этим пользуются профессионалы
Я называю это динамическими портфелями.
Это не среднесрочные позиции на недели. Это тактические уровни для эксплуатации краткосрочных рыночных неэффективностей.
Что делает профессионал:
Шаг 1: Мониторинг
Он отслеживает огромное количество опционных досок и стаканов одновременно. Десятки страйков, несколько экспираций, разные активы.
Шаг 2: Идентификация
Алгоритм сканирует рынок и находит опцион, который торгуется ниже теоретической стоимости. Например:
- Теоретическая цена: $5.00
- Рыночная цена: $3.50
- Дисконт: 30%
Шаг 3: Быстрый вход
Скорость критична. Конкуренция огромная. Такие окна живут секунды, реже — минуты.
Профессионал мгновенно набирает позицию. Не одну сделку — десятки мелких ордеров, чтобы не двигать цену против себя.
Шаг 4: Выход
Здесь есть два пути.
Путь А: Быстрая перепродажа
Купить за $3.50 → продать по теоретической $5.00 → прибыль 43%.
Это работает. Но это ограниченный потенциал.
Путь Б: Подтолкнуть цену к страйку
Вот где начинается самое интересное.
Вместо быстрой перепродажи профессионал может подтолкнуть цену базового актива в сторону этого опциона.
Пример:
Вы купили коллы на страйке 100. Базовый актив торгуется на 95.
Вы начинаете покупать фьючерсы. Цена растёт: 96 → 97 → 98.
Когда цена приближается к 100, опцион начинает дорожать экспоненциально. Не на 43%. На 200%, 300%, 500%.
Почему?
Потому что опцион — это рычаг. Небольшое движение базового актива вызывает многократное изменение цены опциона
# Почему розничные трейдеры этого не видят
Причина 1: Нет доступа к данным
Розница видит только цену опциона на графике. Профессионалы видят:
- Теоретическую стоимость (рассчитанную по моделям)
- Дельту покупателя/продавца
- Гамма-экспозицию по страйкам
- Глубину стакана в реальном времени
Причина 2: Нет скорости
Окно неэффективности живёт 30–90 секунд. Розница реагирует через 5–10 минут. К этому времени всё уже исправлено.
Причина 3: Нет капитала
Чтобы подтолкнуть цену, нужны большие объёмы фьючерсов. Розница покупает на 10–50 контрактов. Профессионалы — на 5 000–10 000.
Причина 4: Нет методологии
Розница ищет «дешёвые опционы». Профессионалы ищут неэффективности с подтверждением потока.
# Два типа портфелей: стационарные и динамические
В своей методологии я выделяю две категории:
Стационарные портфели
- Горизонт: 48–72 часа и более
- Формируются в премаркет
- Вероятностный подход
- Минимальное управление после открытия
Динамические портфели
- Горизонт: внутри дня
- Формируются при появлении неэффективности
- Тактическое давление на рынок
- Адаптивная стратегия
Важно: динамические портфели — это не «сигналы». Это структура, основанная на математике и потоках.
# Риски и ограничения
Не всё так идеально. Есть риски:
Риск 1: Окно закрывается быстро
Если вы не успели войти за 30–60 секунд — неэффективность исчезает. Другие профессионалы исправляют цену.
Риск 2: Давление не срабатывает
Вы купили опционы и начали толкать цену. Но другие крупные игроки могут пойти против вас. Тогда вы хеджируетесь и выходите.
Риск 3: Ликвидность
На некоторых активах (экзотические пары, малоликвидные товары) нельзя набрать большой объём без движения цены.
Вывод: это работает, но требует опыта, капитала и инфраструктуры.
# Что это значит для вас
Вам не обязательно торговать как профессионал. Но полезно понимать:
✓ Неэффективности существуют — рынок не идеален
✓ Профессионалы их используют — это часть их преимущества
✓ Вы можете видеть следы — аномальные объёмы, резкие движения опционов, синхронные входы
В моих отчётах я показываю:
- Где зафиксированы аномальные опционные потоки
- Какие страйки находятся под давлением
- Куда профессионалы могут толкать цену для максимизации прибыли
Вы видите результат анализа — без необходимости мониторить десятки стаканов самостоятельно.
# Ключевой вывод
Опционный рынок — это не лотерея.
Это структура, где математика встречается с ликвидностью.
Когда вы понимаете, где находятся неэффективности — вы понимаете:
- Куда могут двигаться цены
- Где профессионалы уже заняли позиции
- Когда стоит ждать ускорения
А там, где есть структура — нет места неопределённости.
Где смотреть полные отчёты:
Все институциональные отчёты с реконструкцией портфелей, расчётом гамма-экспозиции и сценарным анализом я публикую в закрытом канале:
Там вы найдёте:
- Текущие динамические портфели (внутридневные)
- Среднесрочные отчёты (горизонт 2–12 недель)
- Обновления сценариев в реальном времени
- Разборы методологии
Это не «сигналы». Это структура.
⚠️ Не инвестиционная рекомендация. Торговля связана с рисками. Прошлые результаты не гарантируют будущих.
Понимаю, что эмоции — часть рынка. Но в торговле эффективность измеряется не комментариями, а дисциплиной и матожиданием на дистанции.
Конкретику из отчётов не раздаю в комментариях — не из «секретности», а из уважения к методологии и клиентам, которые получают её по подписке.
Если есть вопросы по механике (гамма, дельта, вероятности) — готов ответить по существу. Если просто «не верю» — это тоже валидная позиция.
Удачи в торгах.
Крайне самоуверенно называть расхождение между своей моделью и рыночной моделью неэффективностью, да ещё такой, которую можно систематически эксплуатировать.
Полагаю, имеет место недооценка хвостов или некорректная форма улыбки.
Подскажите, пожалуйста, как оцениваете теоретическую стоимость опциона?
Как оцениваю теоретическую стоимость:
Не по константной волатильности, а по динамической поверхности IV (implied volatility surface) с учётом скева и куртозиса. Базовая модель калибруется на агрегированных потоках (Bloomberg/Reuters) + корректируется на стоимость переноса, реальную ставку и эмпирическую ликвидность страйка. Хвосты и форма улыбки моделируются через GARCH(1,1) для условной волатильности и стохастические поправки на микроликвидность.
Что называю «неэффективностью»:
Не вечный арбитраж, а краткосрочное расхождение (30–90 сек) между ценой в фрагментированном розничном стакане и расчётной стоимостью, обусловленное паникой, принудительной ликвидацией или временным дисбалансом ликвидности. Окно закрывается быстро, эксплуатируется только при прямом доступе к исполнению и алгоритмическом дроблении заявок.
Игорь Павлович, понял, спасибо.
Только что за «базовая модель» и зачем вы дополнительно используете GARCH для моделирования улыбки и хвостов, которая априори будет менее корректна? Но допустим вы любите сложности, то есть «базовая модель» строит улыбку, а через GARCH моделируете — как вы тогда согласуете меру P с Q, как vrp учитываете?
И как формализована ваша «базовая модель» — аналитически через характеристическую функцию или через симуляцию? Эти методы могут сильно различаться по результатом.
Извините за допрос, просто сейчас тем же занимаюсь, интересно узнать как другие трейдеры это делают
Базовая модель — не классический Блэк-Шоулз с константной волатильностью, а калибровка по рыночной поверхности IV (мера Q) с поправками на спреды, cost of carry и ликвидность страйков. GARCH(1,1) используется не для построения улыбки, а для моделирования динамики реальной условной волатильности (мера P) при генерации сценариев и оценке хвостовых рисков. Улыбку берём с рынка, GARCH — для прогноза её эволюции во времени и фильтрации шумовых всплесков.
Мера Q используется для расчёта гексов дилеров (GEX, Vanna, Charm) и теоретической стоимости. Мера P — для вероятностных сценариев (ARIMA, Монте-Карло) и горизонтов реализации. «Согласование» происходит не через формальную смену меры, а через режимный фильтр: если Q-давление (структура опционов) совпадает с P-трендом (условная волатильность + макро), вероятность сценария повышается. VRP не торгуется как отдельная альфа, а мониторится как индикатор режима: высокий VRP → риск волатильного сжатия, низкий → риск расширения диапазона.
Гибридный подход. Греки и GEX считаются аналитически (через характеристические функции для скорости расчёта), а сценарное распределение и асимметрия хвостов генерируются через Монте-Карло со стохастической волатильностью. Это даёт баланс между исполнением в реальном времени и учётом нелинейностей.
Игорь Павлович, ого, очень развернуто, спасибо.
Механика калибровки меня не интересует, и да, понятно, что у вас волатильность не константа, а тоже волатильность имеет, но я надеялся вы скажите хотя бы название модели, не новую же вы изобрели.
Вообще я думал вы объясните зачем использовать sv-модель (Q-мера) и GARCH (P-мера), а потом прилагать усилия на установление согласованности, если можно сразу в базовой модели и улыбку строить и её динамику моделировать. И я честно говоря считал, что GARCH вообще не предназначен для работы с улыбкой, все что мы можем — просто попытаться описать и условно спрогнозировать реализованную волу, но это же не даст информации об улыбке. Как конкретно вы используете GARCH для моделирования динамики именно улыбки?
Блин, и вот это: вы сначала пишите «Улыбку берём с рынка, GARCH — для прогноза её эволюции во времени», а потом пишите «сценарное распределение и асимметрия хвостов генерируются через Монте-Карло со стохастической волатильностью.» — так вы garch используете для моделирования динамики распределения (улыбки) или sv-модель? Просто вы пытаетесь описать одно и то же двумя разными динамиками, причем в разных мерах — разве это не противоречие?
• P-мера (прогноз/сценарии): GARCH не моделирует улыбку. Он оценивает кластеризацию реализованной волатильности, определяет текущий волатильный режим и задаёт распределение для Монте-Карло. Это «динамика» во времени. Разделение Q/P — не костыль, а отраслевой стандарт: моносистемы, пытающиеся одновременно ценообразовать и прогнозировать, теряют устойчивость при структурных сдвигах. Q отвечает за «где дилеры вынуждены хеджироваться», P — за «какова вероятность реализации сценария в реальном мире». Это параллельные контуры, а не дублирование. Детали калибровки, весовая архитектура и сама методология — это результат 4 лет исследований и сбора статистики. Моя методика лежит в основе коммерческого проекта и в публичном поле я делюсь только логикой интерпретации потоков, сценарными уровнями и триггерами отмены.
Игорь Павлович, да уж, у вас нейронка запуталась: сначала написала «Хвосты и форма улыбки моделируются через GARCH(1,1)», потом на мой уточняющий вопрос «как?» ответила «GARCH не моделирует улыбку». Если бы вы реально работали с SV-моделями вы бы явно заметили несостыковку, особенно когда в одном тексте указали и некую «базовую модель» (видимо имелась ввиду SV-модель) и garch(1,1) как совместные источники информации о справедливой цене опциона для торговли миспрайсинга(!).
garch(1,1) — простейшая базовая модель прошлого века, она не дает полезной информации, особенно когда задача — котирование опционов лучше рынка. Да даже если модель и отвечает на вопрос «какова вероятность реализации сценария в реальном мире» — это не дает преимущества, поскольку все другие участники рынка располагают ровно той же информацией и уже закладывают её в рыночную улыбку.
Особенно бросается в глаза, что вы говорите о торговле миспрайсинга в особых рыночных режимах (паника, дисбаланс ликвидности и т.д.), но все равно позволяете себе упомянуть garch(1,1), который плохо адаптируется к таким режимам и дает некорректный/сглаженный/запаздывающий результат.
Так что даже если вы действительно торгуете «неэффективности» в ценах опционов — это не более чем наивный сбор премии за риск, который рано или поздно может привести вас к серьезным убыткам.
Нужно торговать спокойно и методично по эффективности рынка, и фиксировать разницу IV хотя бы в 5-10%.
Это называется в общем плане кэрри, если видеть разницу волатильности, премий, страйков, дат экспираций.
И чаще использовать опционы как синтетические фьючерсы для экономии ГО в обычных стандартных календарях.
Все это работает и доступно частным трейдерам.
А крупняк пусть ищет и создает неэффективность за счет своего капитала.