# Gamma (Gamma)

🟡进阶

## 一句话解释
Gamma 衡量期权 Delta 值相对于标的资产价格变化的速率，即标的资产价格每变动一个单位，期权 Delta 值的预期变化量。

## 详细解释

### 背景与原理
Gamma (Γ) 是衡量期权价值风险的关键指标“希腊字母（Greeks）”之一，通常被认为是二阶指标。如果说 Delta 衡量的是期权价格相对于标的资产价格变化的“速度”，那么 Gamma 衡量的就是这个速度变化的“加速度”。具体来说，Gamma 描述了当标的资产价格发生变动时，期权 Delta 值的变化有多快。

Gamma 的值对于期权多头（买方）总是正数，对于期权空头（卖方）总是负数。一个高 Gamma 值意味着 Delta 对标的资产价格的变动非常敏感，这通常发生在期权处于平价（At-the-Money）状态且临近到期日时。相反，对于深度实值（Deep In-the-Money）或深度虚值（Deep Out-of-the-Money）的期权，其 Gamma 值会很小，接近于零，因为它们的 Delta 值已分别接近 1 或 0，对标的价格变动不再敏感。

理解 Gamma 对于风险管理至关重要，尤其是对于进行 Delta 对冲的交易者。由于标的资产价格的波动，一个原本 Delta 中性的头寸会因为 Gamma 的存在而迅速产生新的 Delta 风险敞口，因此需要不断地重新平衡（Re-hedging）头寸以维持中性状态。

### 计算公式（如适用）
在数学上，Gamma 是期权价格对标的资产价格的二阶偏导数。

```latex
\Gamma = \frac{\partial^2 V}{\partial S^2}
```

其中：
- \(V\) 是期权的价格
- \(S\) 是标的资产的价格

在 Black-Scholes 模型中，对于一个不支付股息的欧式看涨或看跌期权，Gamma 的具体计算公式为：

```latex
\Gamma = \frac{N'(d_1)}{S \sigma \sqrt{T-t}}
```

其中 \(N'(x)\) 是标准正态分布的概率密度函数，\(d_1\) 的计算方式与 Delta 公式中的 \(d_1\) 相同。

### 计算示例
假设有一个欧式看涨期权，其参数如下：
- 标的股票价格 (S): $100
- 期权执行价格 (K): $100
- 距离到期日时间 (T-t): 0.25 年 (3个月)
- 波动率 (σ): 20% (0.20)
- 无风险利率 (r): 5% (0.05)

首先，计算 \(d_1\)：

```latex
d_1 = \frac{\ln(S/K) + (r + \frac{\sigma^2}{2})(T-t)}{\sigma \sqrt{T-t}} = \frac{\ln(100/100) + (0.05 + \frac{0.20^2}{2})(0.25)}{0.20 \sqrt{0.25}} \approx 0.35
```

然后，计算标准正态分布的概率密度函数 \(N'(d_1)\)：

```latex
N'(0.35) \approx 0.3752
```

最后，计算 Gamma：

```latex
\Gamma = \frac{0.3752}{100 \times 0.20 \times \sqrt{0.25}} = \frac{0.3752}{100 \times 0.20 \times 0.5} = \frac{0.3752}{10} = 0.03752
```

这个结果意味着，当标的股票价格上涨 1 美元时，该期权的 Delta 值预计将增加约 0.03752。

## 在量化交易中的应用
1.  **动态 Delta 对冲 (Dynamic Delta Hedging):** 在构建 Delta 中性投资组合时，Gamma 是必须考虑的核心因素。由于市场价格波动，组合的 Delta 会不断变化。量化策略需要根据 Gamma 值来预测 Delta 的变化，并设定一个阈值，当 Delta 偏离中性超过该阈值时，自动执行交易来重新对冲，这个过程被称为动态对冲或 Gamma 对冲。

2.  **波动率交易 (Volatility Trading):** Gamma 和 Vega（衡量波动率变化的风险）紧密相关。交易者可以通过构建 Gamma 正值的头寸（如买入跨式或宽跨式期权）来做多波动率。当市场实际波动率高于期权隐含的波动率时，持有正 Gamma 头寸的交易者可以通过频繁的 Delta 对冲（高买低卖）来盈利，这种策略被称为“Gamma Scalping”。

3.  **市场冲击预测 (Market Impact Prediction / GEX):** 近年来，一个名为“Gamma 敞口”（Gamma Exposure, GEX）的宏观指标受到越来越多的关注。通过汇总市场上所有未平仓期权的 Gamma 总量，分析师可以预测在特定价格水平附近，做市商为了维持 Delta 中性需要进行的对冲方向。当 GEX 为正且较大时，做市商的对冲行为会抑制市场波动；反之，当 GEX 为负时，则会加剧市场波动，形成“Gamma Squeeze”。

4.  **期权定价与模型校准:** 在更高级的随机波动率模型（如 Heston 模型）中，Gamma 的行为与 Black-Scholes 模型有所不同。量化分析师需要利用市场上的期权价格来校准模型参数，而 Gamma 作为价格曲率的直接度量，是验证模型是否准确反映市场动态的重要依据。

## 数据规格

| 属性 | 说明 |
|------|------|
| 数据类型 | float |
| 取值范围 | (0, +∞) 对于多头头寸; (-∞, 0) 对于空头头寸 |
| 单位 | Delta 变化量 / 标的资产价格变化单位 |
| 更新频率 | 实时 |
| 典型数据源 | 期权交易所、彭博终端 (Bloomberg)、路孚特 (Refinitiv)、专业量化数据提供商 |

## 常见误解
1.  **误解:** Gamma 越高越好。
    **正确理解:** 高 Gamma 意味着高潜在回报，但也意味着高风险。对于期权卖方，高（负）Gamma 意味着巨大的风险敞口。对于买方，高 Gamma 的期权通常时间价值衰减（Theta）也很快，如果标的资产价格没有如预期的那样波动，将面临快速的价值损失。

2.  **误解:** 只要 Delta 中性，风险就完全对冲了。
    **正确理解:** Delta 中性只是一个瞬时状态。由于 Gamma 的存在，任何价格变动都会使头寸重新暴露于 Delta 风险之下。一个完整的对冲策略必须同时管理 Gamma 风险，甚至更高阶的风险（如 Vanna 和 Charm）。

3.  **误解:** Gamma 是线性的。
    **正确理解:** Gamma 本身就是非线性的，它衡量的是 Delta 的非线性变化。Gamma 的值会随着标的资产价格和剩余时间的变化而变化。忽视 Gamma 的非线性特征会导致对冲策略的失效和错误的风险评估。

## 相关名词
- [Delta](./Delta.md)
- [Theta](./Theta.md)
- [Vega](./Vega.md)
- [Delta 中性对冲](./Delta_Neutral_Hedging.md)
- [波动率](./Volatility.md)

## 深入阅读
- [John C. Hull, "Options, Futures, and Other Derivatives"](./John_Hull_Options_Futures_and_Other_Derivatives.md)
- [Nassim Nicholas Taleb, "Dynamic Hedging: Managing Vanilla and Exotic Options"](./Nassim_Taleb_Dynamic_Hedging.md)