技能介绍

要解决什么问题

ETF 期权的定价与风控往往依赖隐含波动率（IV）曲面：同一标的、不同行权价与到期日的 IV 应形成可解释、可插值、且尽量满足无套利约束的曲面。手工用 T 型报价反推 IV、再逐到期日拟合 smile，既容易在深度价外/价内合约上数值发散，也很难系统检查日历与蝶式套利。

本技能面向 50ETF / 300ETF（及 159919 等）欧式 ETF 期权，用 akshare 拉取真实 T 型报价（禁止伪造或随机数据），完成从报价 → IV → SVI（Stochastic Volatility Inspired） 参数化 → 曲面校准与检验 → 可视化报告的一条链路。

如何工作

| 环节 | 模块 | 要点 |
|------|------|------|
| 数据 | data.py | 标的现价、合约信息、期权 T 型报价 |
| IV 反推 | implied_vol.py | Black-Scholes + Newton-Raphson（vega 过小则回退 Brent） |
| 参数化 | svi.py | 五参数 SVI：单切片 smile + 多到期日曲面 |
| 校准 | calibration.py | 端到端流程；时间维上对方差做线性插值 |
| 无套利 | arbitrage.py | 日历 / 蝶式检验 + SVI 参数约束 |
| 输出 | report.py | matplotlib 3D 曲面、自包含 HTML（图 base64 嵌入） |

对 log-moneyness \(k=\ln(K/F)\)，总方差由 SVI 五参数 a（水平）、b（倾斜幅度）、rho（倾斜方向）、m（中心偏移）、sigma（曲度） 描述。结果写入 output/：surface_3d.png、smiles.png、residuals.png、butterfly_g.png、vol_surface_report_*.html、calibration.json（含套利检验明细）。

适用边界与注意点

适合：单日 snapshot 的 IV 曲面构建、静态无套利约束检验、3D 与 HTML 报告；默认无风险利率约 2.5%，可通过参数按期限调整；股息率默认 q=0（ETF 场景）。

不适合：美式 / 期货 / 个股期权（当前注册表以 ETF 为主）；动态曲面或 Heston 等时序模型；tick 级高频曲面（受 akshare 快照频率限制）；实时下单信号；Dupire 局部波动率反演仅作辅助诊断。SVI 各到期日独立拟合时，日历套利失败可能需 SSVI 等联合校准——本工具以方差线性插值作简化。