面向量化的期权流

面向量化研究的期权流 API

在实时 WebSocket 上设计流特征，再在历史 SQL 的同一字段语义上验证——减少研究与生产之间的训练/在线偏差。

既需要实时期权成交流（日均约 1000 万），又需要 SQL 数仓（自 2025 年 2 月起 20 亿+ 成交），并要求 Greeks/IV/权利金语义一致的量化研究员。

量化研究总览历史 SQL 文档

在线特征 → 历史证明 → 生产

在流与 SQL 上保持权利金、delta 区间与剩余天数过滤的同一套定义。

在流上原型

用服务端过滤抽样大额权利金或短期限流，避免笔记本被全量成交淹没。

记录特征向量

按将要上线的同一公式持久化分钟线或事件特征（权利金、|delta|、IV）。

在 ClickHouse 回测

通过历史 SQL 回放多周窗口，并使用适合研究任务的行数/超时防护。

阈值原样上线

把过滤提升为生产 WebSocket 参数，并对照 SQL 基线监控漂移。

量化对流的特殊关切

SQL 与 WebSocket 字段的训练/在线一致性
AGGREGATED vs RAW 会影响扫单统计
试用 SQL 有行数上限——认真回测请用正式套餐
事件时刻用期权链快照提供曲面上下文
在套餐条款下用于专业研究的 OPRA 授权成交
另见：面向量化的期权数据 API 总览

示例：在 SQL 中验证实时权利金/情绪特征

SELECT
  toStartOfMinute(time) AS minute,
  sumIf(toFloat64(price) * size * 100, put_call = 'CALL') AS call_premium,
  sumIf(toFloat64(price) * size * 100, put_call = 'PUT') AS put_premium,
  avg(abs(delta)) AS avg_abs_delta
FROM RawOptionTrades
WHERE date = (SELECT max(date) FROM RawOptionTrades)
  AND symbol = 'SPY'
  AND toFloat64(price) * size * 100 >= 50000
GROUP BY minute
ORDER BY minute
LIMIT 1000

量化栈链接

另见量化总览与面向量化的 UOA 页。

面向量化的期权流常见问题

可以只用历史 SQL、不用实时流做研究吗？

可以。许多研究从 SQL 开始。叠加价值在于把同一特征提升到 WebSocket 而无需重定义字段。

AGGREGATED 模式会改变研究结果吗？

会。AGGREGATED 合并同时段同合约成交；RAW 保留每条交易所打印。从回测到生产请固定一种模式。

历史有多长？

OptionData 自 2025 年 2 月起保存期权成交——撰写时 20 亿+ 行——可通过 REST 上的 ClickHouse SQL 查询。

Greeks 是模型估计吗？

Greeks 与 IV 是在模型假设下的分析估计。应作为特征使用，而非对盈亏的保证。