[论文解读] Option Volume Imbalance as a predictor for equity market returns
本文提出期权未平仓量差额（OVI）作为预测股票市场收益的指标，通过市场参与方类别间认购与认沽期权成交量的归一化差异进行计算。研究发现，做市商OVI具有最强的预测能力，年化夏普比率最高达4.5，尤其在隐含波动率较高的期权及认沽期权中表现突出，采用一种新型损益回归方法，其表现优于传统线性模型。
We investigate the use of the normalized imbalance between option volumes corresponding to positive and negative market views, as a predictor for directional price movements in the spot market. Via a nonlinear analysis, and using a decomposition of aggregated volumes into five distinct market participant classes, we find strong signs of predictability of excess market overnight returns. The strongest signals come from Market-Maker volumes. Among other findings, we demonstrate that most of the predictability stems from high-implied-volatility option contracts, and that the informational content of put option volumes is greater than that of call options.
研究动机与目标
- 探究按市场参与方类别分类的认购与认沽期权成交量之间的不平衡是否能预测未来股票价格走势。
- 评估OVI在不同期权特征（如隐含波动率、德尔塔和拉姆达）下的预测能力。
- 开发并验证一种专为方向性收益预测设计的新型损益回归方法，避免对线性关系的假设。
- 通过OVI信号的网络分析，研究资产间的横截面与交叉影响效应。
- 利用高频、10分钟分桶数据，对比两大期权交易所（PHLX与NOM）的预测表现。
提出的方法
- OVI通过计算每个市场参与方类别（MPC）的总认购与认沽期权成交量的归一化差值得出，针对每类MPC和期权类型分别进行分析。
- 提出一种新型损益回归框架，直接以最大化累计损益为目标，而非依赖R²或t统计量，从而在稀疏数据和非线性关系下表现更优。
- 将期权成交量分解为五类市场参与方：做市商、客户、经纪商、公司自营交易员及专业客户，数据来源于PHLX与NOM交易所。
- 通过年化夏普比率与累计损益评估预测能力，并通过分位数排名与替代加权方案检验稳健性。
- 通过有向资产交互网络进行交叉影响分析，使用Bonferroni校正后的t检验评估节点度差异的统计显著性。
- 分析日内模式与交易时序（开盘与收盘）差异，以评估OVI信号的时间变化特征。
实验结果
研究问题
- RQ1基于不同市场参与方类别的期权未平仓量差额（OVI）是否能预测未来股票市场收益？
- RQ2OVI的预测能力如何随期权特征（如隐含波动率、德尔塔和拉姆达）而变化？
- RQ3损益回归方法能否在从OVI信号预测方向性收益方面优于标准线性模型？
- RQ4资产之间是否存在显著的交叉影响效应？在OVI信号网络中，交叉影响是否主导直接影响？
- RQ5OVI信号在不同交易所（PHLX与NOM）之间有何差异？研究结果在不同数据集中是否一致？
主要发现
- 做市商OVI的预测能力最强，在简单投注策略下年化夏普比率最高可达4.5，且在计入交易成本前已表现优异。
- 最强信号来自高隐含波动率期权，其贡献了OVI预测力的绝大部分。
- 认沽期权的信息含量高于认购期权，负德尔塔与负拉姆达值始终与更高表现相关。
- OVI幅度的第2至第4分位数组别表现最佳，表明中等程度的不平衡水平最具信息量。
- 交叉影响效应显著多于直接影响效应，未经校正的检验中，41%至58%的网络节点度差异拒绝原假设。
- NOM交易所（NOTO数据集）的结果与PHLX（PHOTO数据集）一致，尽管强度较弱，但做市商OVI仍实现2.5至3的年化夏普比率。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。