9.3 事件驱动结构：从期限结构里拆出事件波动

This page hasn’t been translated into English yet, so you’re reading the Chinese original. Chapters are being translated one by one.

边学边练读懂 → 自己算例子 → 答「想一想」→看项目卡问 AI 导师本章引导

一句话：财报、FDA 决定、并购投票这类事件，会在期限结构上鼓起一个「包」；用方差把这个包从普通日子的波动里拆出来，你就知道市场给这一次事件定了多大的波动。

为什么要学：第2章用「跨式 ÷ 股价」估算隐含幅度，但那个数字把事件和普通交易日混在了一起。要把隐含幅度和历史上的实际涨跌公平比较，或者设计跨越事件的日历价差，你需要单独的「事件波动」。本专题的项目，就是挑 3 次财报，提取事件波动，再和实际涨跌对照。

生活类比：出租车车费。一段路的总车费 = 按公里计的普通车费 + 一次过路费。只要知道总车费和每公里单价，就能倒推出过路费是多少。

类比的局限：车费是直接相加的；事件波动和普通波动都是「可能的涨跌幅度」，要先平方（变成方差）再相加，最后再开方。这正是本节最重要的一点。

细讲：

方差能相加，标准差不能

两段互不相关的波动，合起来的幅度不是简单相加。
例：一段的 1σ 是 3%，另一段是 4%。合起来的 1σ = √(3² + 4²) = 5%，不是 7%。
这和走路很像：向东走 3 公里、再向北走 4 公里，你离起点是 5 公里，不是 7 公里。两个方向互不相干，只能按勾股定理合成。
原因：两段波动有时同向、有时反向，会部分抵消。先平方成方差（variance）再相加，才是正确的合成方式。
期权里的方差 = 年化 IV² × 剩余年数。事件是一次性的，它的方差就是 m²，m 是事件当天的 1σ 涨跌幅。

事件波动公式

前月（front month）指最近一个、包含事件的到期日。前月的总方差 = 普通日子的方差 + 事件的方差：

σ_front² × T = σ_normal² × T + m²

把 m² 留在一边、开方，就得到事件波动：

m = \sqrt{T_{\text{front}}\left(\sigma_{\text{front}}^2 - \sigma_{\text{normal}}^2\right)}

m：事件带来的一次性涨跌幅，1 个标准差（1σ），用百分比表示。
T_front：前月剩余时间，以年计（天数 ÷ 365），必须包含事件日。
σ_front：前月的平值 IV（年化），已经含有事件。
σ_normal：不含事件时的基准 IV（年化）。可以取事件之后某个到期日的 IV，或这只股票平时的 IV 水平。

基准 IV 怎么选

σ_normal 选得不同，算出的 m 也不同。常见的三种取法：

事件之后的到期日：若有一个在财报后才开始、又不含下一次财报的到期日，它的 IV 最接近「没有事件的市场报价」。
这只股票平时的 IV：例如上次财报一个月后、市场平静时的 30 天平值 IV。缺点是市场环境可能已经变了。
去掉财报日的历史波动率：用过去一段时间的日收益算实现波动率，但剔除财报后那几天。它反映过去，不反映现在的报价。
做项目时，三种里选一种并写明理由；如果时间允许，三种都算，看 m 差多少。

事件前后 IV 的典型路径

财报前几天，前月 IV 往往一路抬升：离事件越近，事件方差在剩余时间里占的比例越大。
公布后的第一个交易日，前月 IV 通常一下子回落到基准附近，这就是第2章的 IV crush。
美股盘后财报多在新加坡凌晨 4:00–4:30（夏令时）公布，IV 的回落要到当晚 21:30 开盘才看得到。你每天记下 m，就能看出市场对这次事件的预期是在升温还是降温。

预期绝对涨跌幅：为什么乘 0.8

m 是标准差。交易员更关心「平均会跳多少」，也就是涨跌幅绝对值的平均。
对正态分布，绝对值的平均约等于 0.8 倍标准差（精确值 √(2/π) ≈ 0.798）。
第2章的平值跨式 ≈ 0.8 × S × σ × √T，用的是同一个 0.8。

两个到期日的版本

如果找不到可信的 σ_normal，可以用两个都包含事件的到期日联立，同时解出基准 IV 和 m。
直觉：远一点的到期日，把同一个事件「摊薄」在更多普通日子里，所以 IV 鼓得少。两个到期日鼓起的程度不同，恰好能把两部分分开。
具体公式写在 9.6 的 event_vol.py 里。

事件前的日历与对角

做法：卖出含事件的前月（IV 被事件抬得很高），买入更远的到期日（IV 抬得少）。
事件过后，两个到期日都失去了事件方差，但前月失去的比例大得多。下面的 NVDA 例子里，前月 IV 从 91% 崩到约 40%，后月只从约 49% 回到约 40%。
风险：股价大幅跳动时，两条腿都远离行权价，价差价值萎缩；后月 IV 回落得比预期多，也会亏。
对角价差（diagonal spread）是两条腿行权价不同的版本，在日历价差之外加了一点方向观点（第5章 5.6）。

二元事件

二元事件（binary event）只有两种主要结果：新药获批或被拒、官司胜诉或败诉。
股价分布不是一座「钟形山」，而是两座分开的山，叫双峰分布（bimodal distribution）。事后股价几乎不可能停在原地。
这时「平值跨式 ≈ 0.8 × S × σ × √T」和正态分布都会误导你。更好的做法是：粗估两种结果的价格和概率。
由现价倒推概率（忽略利息）：概率 ≈ (现价 − 坏结果价) ÷ (好结果价 − 坏结果价)。
实战风险：公布前常常停牌（trading halt）；公布后股价跳空穿过所有行权价；事前的 Delta 对冲没有意义，因为价格是「跳」过去的。只用限定风险的结构。

并购套利中的期权

现金收购宣布后，目标公司的股价会贴近收购价、略低一点。这个差额叫交易价差（deal spread）。
交易价差补偿两样东西：等待成交的时间（利息），以及交易破裂（deal break）的风险。
期权会大变样（第7章 7.6）：IV 崩塌，行权价高于收购价的 call 几乎归零；虚值 put 的价值只剩「交易失败」的可能性。
并购套利（merger arbitrage）的常见组合：持股 + 买虚值 put 当「破裂保险」；或者在收购价附近卖出 call。卖 call 的代价是：一旦出现更高的竞购报价，你拿不到那部分上涨。

例子（示例价格，非实时）：

NVDA 财报前，4 天后到期的平值 IV 91%，基准 IV 40%（与第2章训练题 4 的情景相同）。一步一步算 m：
1. T = 4 ÷ 365 ≈ 0.010959 年。
2. σ_front² = 0.91² = 0.8281；σ_normal² = 0.40² = 0.16。
3. 相减：0.8281 − 0.16 = 0.6681。
4. 乘以 T：0.6681 × 0.010959 ≈ 0.007322，这就是事件的方差 m²。
5. 开方：m = √0.007322 ≈ 0.0856，约 8.6%（1σ）。
6. 预期绝对波动 ≈ 0.8 × 8.56% ≈ 6.85%，约 6.9%。
它和第2章跨式隐含的 7.6% 是什么关系？按方差合成：
1. 4 天的总 1σ = 91% × √(4/365) ≈ 9.53%。
2. 其中普通日子部分 = 40% × √(4/365) ≈ 4.19%。
3. 验算：√(8.56² + 4.19²) ≈ 9.53。事件和普通日子按方差相加，正好等于总量。
4. 都乘以 0.8：总量约 7.62%，就是第2章的 7.6%；它等于 √(6.85² + 3.35²)。四舍五入后，事件约 6.9%，普通日子约 3.4%。
5. 注意：6.85% + 3.35% = 10.2%，远大于 7.6%。幅度不能直接相加。
6. 结论：跨式买家付的 $17.10，买的是「一次约 6.9% 的事件」加上「几个普通交易日约 3.4% 的波动」。
7. 所以第6章训练题 1 里，拿过去 8 次财报后的实际涨跌（平均 6.75%）来比，更公平的对照对象是 6.9%，而不是 7.6%。
两个到期日的验算：如果 32 天后到期的平值 IV 是 49.4%（也包含这次财报），用 9.6 的两期法可以解出基准 IV ≈ 40.1%、m ≈ 8.55%，和上面一致。
财报日历价差：卖 4 天 225C（IV 91%，$8.60），买 32 天 225C（IV 49.4%，$13.50），净付 $4.90/股，每组 $490。财报后第二天，两条腿的 IV 都回到 40%：
- NVDA 不动（225）：价差值约 $7.54，赚约 $2.64/股。
- 涨 5% 或跌 5%：分别赚约 $1.20 和 $0.60。
- 涨 10%：亏约 $1.18；跌 10%：亏约 $2.29。
- 最大亏损是付出的 $4.90。股价跳得越远，越接近这个数。
二元事件：某生物科技股 $40，一周后公布 FDA 结果。假设获批约 $70、被拒约 $25：
- 隐含获批概率 ≈ (40 − 25) ÷ (70 − 25) = 15 ÷ 45 ≈ 33%。
- 40 平值跨式的「公平价」≈ 1/3 × 30 + 2/3 × 15 = $20，是股价的一半，换算成 IV 约 460%。
- 这不是「贵得离谱」，而是两种结果都离 $40 很远。
并购套利：目标公司原价 $40，收购方出价每股 $50 现金，预计 6 个月完成，股价跳到 $48.50。若交易失败，估计跌回约 $38。
- 交易价差 = $1.50，6 个月约 3.1%。
- 粗算成功概率 ≈ (48.50 − 38) ÷ (50 − 38) = 10.5 ÷ 12 ≈ 87.5%。这个粗算忽略了利息，会低估成功概率。
- 若 45P 报 $0.90：持股 + 买 45P，成功时每股赚 1.50 − 0.90 = $0.60；失败时亏 10.50 − 7.00 + 0.90 = $4.40，而不是 $10.50。

常见误区：

「跨式隐含 7.6%，所以事件会让股价波动 7.6%。」——7.6% 还包含普通交易日；事件本身约 6.9%。
「普通日子 3.4%，事件就是 7.6% − 3.4% = 4.2%。」——错。要按方差相减：√(7.62² − 3.35²) ≈ 6.85%。
「财报日历价差稳赚 IV crush。」——股价大跳时照样亏，后月 IV 也会回落。它赚的是「前月崩得比后月多」，前提是股价没跳太远。
「并购宣布后买 put 很便宜，交易一破就发财。」——便宜是因为破裂概率低，大多数时候它会归零。
「二元事件也能用正态分布估算。」——两座山的分布里，「平均幅度」附近几乎从不出现。

想一想：

AAPL 财报前，3 天后到期的平值 IV 62%，基准 IV 25%。求 m 与预期绝对波动。（答：m = √(3/365 × (0.3844 − 0.0625)) ≈ 5.1%；× 0.8 ≈ 4.1%。第6章训练题 6 的隐含幅度 4.5% 里，事件约占 4.1%，普通日子约 1.8%。）
两段独立的波动，1σ 分别是 6% 和 3%，合起来的 1σ 是多少？（答：√(36 + 9) = √45 ≈ 6.7%，不是 9%。）
为什么事件过后，日历价差的后月 IV 也会下降？（答：后月同样包含这次事件；事件过去，它的事件方差也消失了，只是占比小，所以降得少。）

关键术语：

中文	English	白话解释
事件波动	event move / event volatility	事件当天一次性的 1σ 涨跌幅
方差	variance	标准差的平方；互不相关的波动按方差相加
前月	front month	最近一个、包含事件的到期日
基准波动率	baseline（normal）volatility	不含事件时「平常」的 IV
预期绝对涨跌幅	expected absolute move	涨跌幅绝对值的平均，约为 0.8 倍标准差
对角价差	diagonal spread	两条腿到期日和行权价都不同的价差
二元事件	binary event	只有两种主要结果的事件，如 FDA 决定
双峰分布	bimodal distribution	有两个高峰的分布，结果集中在两头
并购套利	merger arbitrage	买入被收购公司的股票，赚取交易价差
交易价差	deal spread	收购价与目标公司现价之差
交易破裂	deal break	并购未能完成，股价通常大跌

项目卡

时长: 1 周 · 16 小时（3 次财报的记录可能跨一个财报季）
先修回顾: 2.2；2.3；2.6；5.5；6.7
项目产出: 3 次财报的事件波动提取，与实际涨跌比较。

问 AI 导师

卡住了，或者想换个角度再学一遍？把下面这段提示词交给 Claude 或其他 AI 助手，它会按本课程的教学规则一对一带你学这一节。提示词可以先改再复制。

在 Claude 中打开 ↗

AI 也会算错：它给的数字请自己复算，拿不准时以讲义和答案页为准。

我完成了这个专题