看涨偏度（Call/Put Skew）指的是不同行权价期权隐含波动率之间的差异，用以反映市场对不同价位风险的定价偏好。通常情况下，对于股票指数或ETF期权市场，深度虚值的看跌期权隐含波动率往往高于同等虚值的看涨期权隐含波动率，形成右侧倾斜或“尾部风险溢价”结构；而在少数商品期权市场，反之亦然 。一个常用的计算方式是风险逆转（Risk Reversal）：取同一到期日的25Δ认购期权IV减去25Δ认沽期权IV。若结果为正，则表明25Δ认购IV高于25Δ认沽IV（通常见于大宗商品市场）；若为负，则表明认沽IV更高（股指市场常态） 。例如，当平值期权IV为18%，25Δ认沽期权IV为26%时，则Skew约为+8%（26%-18%），意味着为买入下跌保险（深度看跌期权）需要付出较平值期权额外8%的溢价 。

从数学上，Skew也可通过隐含波动率曲面的一阶导数或斜率来量化：即测算IV随行权价变化的斜率或形态。如果远期深度虚值的看跌期权隐含波动率远高于平值期权，Skew曲线较陡峭，市场对尾部风险定价苛刻；而Skew曲线平坦则说明各执行价间定价相对均衡。

此外，芝加哥期权交易所推出了SKEW指数对看跌偏度进行量化：该指数以100为基准，值越高表示市场对左侧极端下跌风险的担忧越强，近年数值通常介于100到150之间。SKEW=100时，市场认为收益分布近似正态、尾部风险低；SKEW=130意味着相较正态情况，发生极端下跌的感知概率更高 。需要注意的是，高Skew值本身并不直接预测大跌发生的时间，只能说明“市场担心尾部风险”的程度 。

要点回顾：

• Skew常以OTM期权隐含波动率差异表示：深OTM认沽IV减认购IV。正值为“正偏度”，负值为“倒挂偏度” 。
• 高Skew（偏度陡峭）意味着市场为下跌风险付出更高溢价，避险情绪浓厚；低Skew甚至倒挂说明市场对下跌担忧减弱，乐观氛围增强 。
• CBOE的SKEW指数以 100 为基准，数值越高（接近150）表示对极端下跌风险的预期越高，是对VIX的有力补充指标 。

Skew与波动率指标的关系

Skew指标与其他波动率指标各有侧重。VIX指数作为“恐慌指数”衡量标普500指数未来30天的预期波动率，主要基于平值期权（ATM）的隐含波动率计算。相比之下，Skew关注隐含波动率曲线的形状，强调OTM期权（深度虚值看跌或看涨）与ATM期权之间的偏差 。简单来说，VIX反映整体市场波动水平（绝对风险预期），而Skew揭示投资者对方向性风险或尾部风险的额外定价要求。

• 差异与互补：当市场整体恐慌（VIX大幅上升）时，Skew有时也会上升（因为大跌风险加剧）；但也会出现VIX回落而Skew维持较高的情形。例如2025年4月中东局势紧张等导致VIX短暂突破50后回落 ，而Skew若仍高企则说明市场仍在担忧潜在黑天鹅风险。CBOE指出，Skew指数是VIX的有效补充指标 ，二者一起可更全面理解市场情绪：低VIX+高Skew时往往意味着虽无剧烈波动预期，但大型投资者依然担心“尾部风险”；反之低Skew+低VIX时则暗示市场潜在乐观（风险可能被忽视）。
• 与隐含波动率曲面的关系：Skew实际是隐含波动率曲面（IV Surface）在某一到期日和行权价范围上的横截面特征之一。在实际应用中，可利用不同执行价和到期日的期权链数据构建IV曲面，并观察其演化。IV曲面通常呈现一定的“微笑”或“偏斜”形态：如图1所示，对股票指数期权而言，IV曲线往往在左侧（低执行价、虚值认沽）更高，然后向右侧（执行价上涨）逐步下降；这即体现了通常的负Skew（reverse skew）。当IV曲面出现不对称变形时（例如左侧陡峭加大或右侧凸起），说明Skew在发生变化，需要警惕市场极端波动预期的改变。

所示，一个典型的波动率微笑图（IV与执行价的关系）中，股票指数期权的右侧通常偏低，左侧偏高——OTM认沽IV高于OTM认购IV，符合负Skew结构。Skew指标正是对这种非对称性的量化：它可以以期权隐含波动率曲线的一阶导数或某些阈值差异来刻画。例如，计算若干倍数ATM的IV，再算斜率或深度虚值的IV差距，便得到Skew数值 。因此，Skew与VIX不同：VIX关注ATM附近的总体波动水平，Skew体现IV曲面的偏斜度，二者结合可更好地解读市场情绪（如综合判断整体恐慌度与尾部恐慌度）。

市场分类与机制差异

不同市场的Skew形态与流动性结构存在差异：

• 美股市场：标普500、纳斯达克100等指数期权（如SPY、QQQ）通常呈现负Skew：OTM认沽期权IV普遍高于OTM认购期权IV，这是在下跌风险溢价较高的背景下形成的常态。在牛市中，随着市场持续上涨，Skew往往会趋于扁平或下降。例如2025年末，CBOE报告称：标普1个月Skew已从三周前的99％分位大幅回落至仅48％分位，Skew平坦化伴随着大量看涨需求的出现 。同一报告也指出，标普前100大盘股中，出现“Skew倒挂”（即看涨期权隐含波动率高于看跌）的比例一度飙升至20％（历史均值仅3％），这正是极度乐观情绪（牛市狂热）的标志 。可见，在美股市场，Skew的动态与涨跌动能密切相关：牛市末期或狂热时期，Skew会显著下降甚至倒挂，表明市场对下跌尾部的担忧减少 ；而市场警戒升温时（如2022/2023年间出现新冠和高通胀忧虑），Skew则通常抬升，高Skew反映避险情绪浓厚。
• A股ETF期权市场：中国主要ETF期权（如50ETF、沪深300ETF、创业板ETF等）由于参与者以散户为主，平值隐含波动率整体偏低，市场对下跌的定价相对“便宜”。根据2025年8月报告，50ETF等ETF的Skew值仍处于负值区间（倾向看涨一方），但较前期有所上升，显示最近市场乐观情绪有所减弱 。具体而言，Skew值越高表示深度虚值认沽期权相对虚值认购期权越贵（谨慎情绪增多）；Skew越低则说明虚值认购相对贵（乐观情绪占优） 。2025年中，50ETF、沪深300ETF等的Skew一度维持在较低的负值，反映资金青睐看涨期权；但随着市场波动加剧，该Skew开始回升 。需要注意的是，国内期权市场流动性相对有限，Skew指标可能受到个别合约成交异动影响，因此分析时应结合成交量等指标综合判断。 图1：50ETF期权Skew（左轴，蓝线）与50ETF价格（右轴，红线）关系图。可见在2024年下半年至2025年上半年期间，当50ETF价格飙升时（如2024年末股市冲高），Skew值出现明显下降（负值增大），反映市场高度乐观对下跌保险需求减少；而在回调期，Skew值回升（蓝线向零靠拢），投资者对下跌风险重新敏感。
• 香港市场：恒指和恒生科技指数期权流动性整体低于美股。一般而言，港股指数期权与美股类似呈现负Skew（深度虚值认沽更昂贵）。但在特定行业热潮或政策背景下，该结构也可能短暂扭曲。2025年第三季度，恒指科技板块大幅走强（科技指数当季上涨约21.9%，全年累积涨幅近50% ），此类场景下可能出现认购需求激增，使得部分个股或板块的Skew短期内发生变化（如上文所述的美股情形）。不过香港市场个股期权与ETF期权的流动性有限，Skew信号通常不如美股明显，需要谨慎解读。

2025年实战案例：Skew与上涨预期

观察2025年行情可验证Skew作为预警因子的作用：

• 美股大盘与科技股：2025年上半年全球事件频繁，市场波动剧烈。第一季度VIX曾在4月因中东地缘政治紧张突破50点 ，创下近期高位并随后回落。历史经验（2008年、2020年）显示VIX>50通常出现在恐慌见顶时，而回落至30以下预示行情反转 。在此过程中，虽然VIX短期暴涨，但标普底部站稳后市场快速反弹。与此同时，8–10月期个股看涨意愿空前高涨。路透社报道指出，2025年10月，美国股票市场处于“恐怕错过行情”的狂热中：单个股票的看涨期权交易量是认沽量的四年新高，许多股票Skew指标出现“倒挂”——认购期权隐含波动率大于认沽，交易者称之为“典型的狂热信号” 。这表明在大涨阶段，Skew角度显著收窄甚至翻转，预示大幅下跌保险需求稀缺，正如1999-2000年互联网泡沫和2007年金融泡沫前夕所见 。可见，美股2025年技术股爆发与标普创新高期中，Skew指标趋向极低或倒挂，与市场短期顶峰风险对应吻合。
• 香港科技股：2025年第三季度，香港科技股显著反弹（恒生科技指数年初至今涨幅达近50% ）。虽然公开数据缺乏，但我们可以推测在这轮科技股上涨过程中，相关个股期权的看涨期权需求大增。例如，腾讯、美团等科技巨头可能出现OTM认购期权价格上扬、隐含波动率上升的情况，使Skew角度相对下降或扭曲。这种情形类似美股科技爆发时的Skew变化，对应市场极度乐观。投资者可以通过跟踪热门股票期权的Skew变化来辅助判断科技板块热度。
• A股ETF行情：2025年上半年，中国股市经历多轮震荡。虽然目前公开资料中并无明显的“沪深300ETF看涨偏度激增”的报道，但我们可关注ETF隐含波动率的走势。如上文所述，2025年8月初50ETF等ETF期权Skew虽然仍为负值，但已有上升迹象 。若未来ETF价格持续快速上涨（如大盘一轮新牛市启动前），我们预期认购需求增加将使Skew进一步走低。当市场出现剧烈反弹前夕，通常会伴随Skew值相对历史水平的大幅变化（如图2所示，不同市场上涨前Skew角度可能明显上扬或扁平化），同时隐含波动率和成交量常出现异常。实际上，2025年初全球流动性宽松背景下A股对ETF期权需求上升，可能推动隐含波动率中枢回升，Skew的监测可以帮助捕捉这种变化。

算法构建与上涨预期模型

构建Skew信号模型需从期权链数据着手，计算不同执行价、不同到期日的隐含波动率并形成时间序列。一般步骤包括：(1) 数据采集——通过API或数据库获取标的期权链的价格信息，计算出各合约的隐含波动率；(2) 指标计算——定义Skew相关量化指标，如标准的25Δ风险逆转值、OTM认沽IV与认购IV的差额、隐波曲线局部斜率等 ；(3) 滑动窗口分析——对Skew指标进行历史统计，计算其均值、标准差及Z分数，用于检测当期Skew异常偏离程度 ；(4) 预警因子构建——将Skew指标与其他市场数据（如成交量、持仓量、VIX水平等）合并，构建多因子模型或阈值机制，当Skew异常改变且配合其他信号确认时发出上涨预期信号。例如，在大规模看涨成交量和持仓增加的同时，Skew急剧平坦化（或倒挂），往往意味着恐慌修复后牛市来临。

具体算法实现可参考图文并茂的示例代码 ：如利用GS-Quant等工具获取期权链信息，通过回归拟合（如SVI模型）得到平滑的隐波曲面，并计算Skew。上例代码定义了一个Skew计算函数：put_call_skew = OTM_put_IV – OTM_call_IV 以及skew_slope（隐波曲线在ATM点的导数），并计算基于历史窗口的Skew_Z值 。这些指标可以实时输出并叠加成交量、未平仓量等数据，以得到综合的“波动率上行信号”指标。高质量的数据源、足够频率的更新和有效的回测都是构建此类模型的关键。

局限性与未来展望

尽管Skew信号在理论上揭示市场预期的有效信息，但其应用存在一些限制：

• 流动性限制：在流动性不足的市场，尤其是深度OTM期权交易量低时，隐含波动率可能并不连续，Skew拟合会出现误差。CME研究指出，交易量深厚的品种（如美国10年国债期权）Skew更具代表性 ；相比之下，一些个股或小标的Skew常受单笔大额订单影响较大。因此，在分析时需关注交易量、委托簿深度等，以避免“虚假Skew”信号。
• 高频交易与Skew变形：现代市场中高频交易占比较高，短期波动性模式可能被压缩或扭曲。一些高频策略会在价差微薄时买卖期权，可能导致Skew形态在短时间内畸变。例如，在日内交易活跃时段，原本平滑的IV曲线可能出现瞬时尖峰，造成Skew估计值波动剧烈。因此，Skew分析往往需结合日线或更长周期数据，以滤除高频噪声。
• 模型与AI预测融合：未来，机器学习和深度学习模型可能帮助改进Skew信号的预测能力。当前已有研究尝试使用混合模型（如GARCH-LSTM混合模型）来提升波动率预测准确性 。结合Skew信号的AI模型可通过学习非线性关系，将Skew与其他市场信号整合用于更精细的风险预测。尽管仍需克服过拟合和可解释性难题，AI技术有望在实时分析和复杂模型构建方面发挥越来越大作用，为Skew信号提供更深入的洞见。

总之，看涨偏度（C/P Skew）作为隐含波动率曲线形态的重要指标，能够从另一维度提供市场预期方向的线索。当Skew出现显著变动时，往往预示着市场情绪和预期的转折。配合VIX、成交量和未平仓量等指标构建的复合信号系统，可用于捕捉潜在的上涨机会。然而，在应用中应注意数据质量与市场环境的局限性，未来随着市场发展和技术进步，Skew信号在投资者决策中的作用可能会持续增强。

参考资料：本文所引用的所有数据和分析均来源于2025年6月以来的公开研究和市场报告。