Skip to content

期權分析平台架構 v0.1

Version: 2026-10-14
語言:繁體中文

屬 DawnLuma Options(期權) 研究區域 — 另見 DawnLuma — 期權 與 平台總覽。

本文描述 DawnLuma 內的 期權分析平台(Options Analysis Platform) 架構:涵蓋期權研究、分析及回測。

初期目標包括:

  • 從多個數據供應商及市場匯入期權市場數據;
  • 將原始市場數據與計算後的分析結果分開保存;
  • 把不同供應商的專用格式標準化成統一的內部數據模型;
  • 計算期權分析指標,例如 IV、Greeks、OI、成交量、流動性、skew 及 term structure;
  • 使用歷史市場數據回測期權策略;
  • 透過 API、圖表、報告,以及未來的 Web 介面展示結果;
  • 令核心分析及回測邏輯不依賴任何特定市場數據供應商。

第一個原型計劃使用 美國期權數據,因為開發時較容易取得,而且成本較低。
之後架構應可透過獨立的 data adapter 支援 HKEX 期權數據,而毋須重寫分析或回測引擎。

在 DawnLuma 內,Options(期權) 區域與 Stocks(股票) 研究(包括 MarketLens 相關工作)在邏輯上保持分離。

未來的 Strategies(策略) 層可整合兩邊輸出。見 DawnLuma 平台、網站與 SEO 設計、股票、策略。


應用程式分為四個主要部分:

  1. Data Layer
  2. Analysis Engine
  3. Backtest Engine
  4. Output Layer

每一部分都應可以獨立測試及替換。

分析引擎及回測引擎不應需要知道數據來自:

  • ThetaData
  • Massive
  • Cboe
  • HKEX
  • another future provider

供應商專用格式必須先轉換成 統一的內部標準模型(canonical internal model),然後才進入分析層。

美國與香港市場在以下方面存在差異:

  • contract multipliers;
  • trading calendars;
  • fee structures;
  • settlement rules;
  • exercise conventions;
  • market-data formats;
  • liquidity characteristics.

這些差異應封裝在市場專屬元件之後。

在授權條款容許的情況下,原始市場數據應以未修改形式保存。

以下衍生數值:

  • 隱含波動率;
  • Delta;
  • Gamma;
  • Theta;
  • Vega;
  • IV Rank;
  • IV Percentile;
  • liquidity score;

應該可以由原始數據重新計算出來。

回測並不只是一個普通的分析計算。

回測引擎必須獨立處理:

  • strategy definitions;
  • entry rules;
  • exit rules;
  • contract selection;
  • fill assumptions;
  • bid/ask spread;
  • slippage;
  • commissions and fees;
  • exercise and assignment;
  • position tracking;
  • realised and unrealised P&L;
  • performance metrics.

flowchart TD
A[External Data Sources<br/>ThetaData / Massive / Cboe / HKEX<br/>Underlying Prices / Rates / Dividends]
subgraph DL[1. Data Layer]
B[供應商 Adapters]
C[驗證與標準化]
D[統一標準數據模型]
E[(Raw Data Storage)]
F[(Normalised Data Storage)]
end
subgraph AE[2. Analysis Engine]
G["IV & Greeks"]
H[OI 與成交量分析]
I[流動性分析]
J[IV Rank / Percentile]
K[Skew 與 Term Structure]
L[異常活動/訊號]
end
subgraph BE[3. Backtest Engine]
M[策略定義]
N[進場/出場規則]
O[合約選擇器]
P[交易執行/成交模型]
Q[費用/Slippage]
R["持倉與 P&L 引擎"]
S[績效指標]
end
subgraph OL[4. Output Layer]
T[REST API]
U[Web UI]
V[圖表]
W[報告/匯出]
end
A --> B
B --> C
C --> D
B --> E
D --> F
F --> G
F --> H
F --> I
F --> J
F --> K
F --> L
F --> M
G --> M
H --> M
I --> M
J --> M
K --> M
L --> M
M --> N
N --> O
O --> P
P --> Q
Q --> R
R --> S
G --> T
H --> T
I --> T
J --> T
K --> T
L --> T
S --> T
T --> U
T --> V
T --> W

負責:

  • 下載或查詢市場數據;
  • 讀取供應商專用檔案或 API;
  • 數據驗證;
  • timestamp 標準化;
  • 股票代號標準化;
  • 合約 mapping;
  • 重複數據處理;
  • 保留原始數據;
  • 產生統一標準內部物件。

數據層 不應:

  • 計算策略盈利;
  • 判斷哪一個策略最好;
  • 產生交易建議;
  • 包含 UI 邏輯。

負責:

  • 隱含波動率;
  • Greeks;
  • IV Rank;
  • IV Percentile;
  • Open Interest 分析;
  • 期權成交量分析;
  • 異常成交量偵測;
  • 流動性分析;
  • Bid/Ask spread 分析;
  • volatility skew;
  • term structure;
  • 期權鏈分析;
  • 研究訊號。

分析引擎應只使用統一的內部標準模型。

它不應知道數據來源是 HKEX、ThetaData、Massive、Cboe 或其他供應商。

負責按照指定策略重播歷史數據。

引擎應支援:

  • 單腿策略;
  • 多腿策略;
  • Long 與 Short 期權;
  • 進場篩選條件;
  • 出場條件;
  • DTE 選擇;
  • 按 Delta 選擇合約;
  • 按 Strike 選擇合約;
  • 考慮 Bid/Ask 的交易執行;
  • 貼近真實情況的成交模型;
  • slippage;
  • 佣金;
  • 行使;
  • 被指派;
  • 到期;
  • 資金使用;
  • 投資組合層級績效;
  • Drawdown;
  • Expectancy;
  • 勝/負統計;
  • Profit Factor。

引擎本身應與特定策略無關。

避免為每一個策略建立獨立回測引擎。

不建議的設計:

LongCallBacktester
BullCallSpreadBacktester
BullPutSpreadBacktester
IronCondorBacktester

建議的設計:

BacktestEngine
+
StrategyDefinition

負責:

  • REST API;
  • 期權鏈展示;
  • 分析 dashboard;
  • 回測報告;
  • 圖表;
  • CSV/JSON 匯出;
  • 未來 Web UI。

輸出層不應包含金融計算邏輯。


統一內部數據模型是整個架構中最重要的設計決策之一。

同一套模型應能同時用於美國及香港市場數據。

public record OptionContract
{
public required string Market { get; init; }
public required string Underlying { get; init; }
public required DateOnly Expiry { get; init; }
public required decimal Strike { get; init; }
public required OptionRight Right { get; init; }
public required int Multiplier { get; init; }
public required string Currency { get; init; }
public string? ExerciseStyle { get; init; }
public string? SettlementType { get; init; }
}
public record OptionQuote
{
public required OptionContract Contract { get; init; }
public required DateTimeOffset Timestamp { get; init; }
public decimal? Bid { get; init; }
public decimal? Ask { get; init; }
public int? BidSize { get; init; }
public int? AskSize { get; init; }
}
public record OptionTrade
{
public required OptionContract Contract { get; init; }
public required DateTimeOffset Timestamp { get; init; }
public required decimal Price { get; init; }
public required int Size { get; init; }
}
public record UnderlyingPrice
{
public required string Market { get; init; }
public required string Symbol { get; init; }
public required DateTimeOffset Timestamp { get; init; }
public required decimal Price { get; init; }
}
public record OpenInterest
{
public required OptionContract Contract { get; init; }
public required DateOnly Date { get; init; }
public required long Value { get; init; }
}

數據供應商應抽象到一個共用介面之後。

public interface IOptionsDataProvider
{
Task<IReadOnlyList<OptionContract>> GetContractsAsync(
string underlying,
DateOnly date);
Task<IReadOnlyList<OptionQuote>> GetQuotesAsync(
OptionContract contract,
DateTimeOffset from,
DateTimeOffset to);
Task<IReadOnlyList<OptionTrade>> GetTradesAsync(
OptionContract contract,
DateTimeOffset from,
DateTimeOffset to);
}

可能的實作包括:

ThetaDataProvider
MassiveOptionsProvider
CboeOptionsProvider
HKEXOptionsProvider

flowchart LR
A[供應商數據]
B[供應商 Adapter]
C[驗證]
D[標準化]
E[統一標準模型]
F[(Raw Storage)]
G[(Normalised Storage)]
H[分析引擎]
I[回測引擎]
J[API/報告/UI]
A --> B
B --> F
B --> C
C --> D
D --> E
E --> G
G --> H
G --> I
H --> I
H --> J
I --> J

第一個原型可以先使用美國市場數據。

flowchart TD
A[ThetaData / Massive]
B[美國市場 Adapter]
C[統一期權數據]
D[分析引擎]
E[回測引擎]
F[輸出]
A --> B
B --> C
C --> D
C --> E
D --> E
D --> F
E --> F

之後應在毋須修改核心引擎的情況下加入香港市場支援。

flowchart TD
A1[美國市場供應商]
A2[HKEX]
B1[美國市場 Adapter]
B2[HKEX Adapter]
C[統一期權數據]
D[分析引擎]
E[回測引擎]
F[輸出]
A1 --> B1
A2 --> B2
B1 --> C
B2 --> C
C --> D
C --> E
D --> E
D --> F
E --> F

市場專屬行為不應硬編碼在核心引擎內。

例子:

TradingCalendar
CommissionModel
SlippageModel
ContractMultiplier
ExerciseModel
SettlementModel
Currency
MarketHours
FeeModel

例如,不要寫成:

var contractSize = 100;

應使用:

var contractSize = contract.Multiplier;

這一點特別重要,因為香港股票期權的合約乘數會因正股而有所不同。


flowchart TD
A[統一期權數據]
A --> B[隱含波動率]
A --> C[Greeks]
A --> D[未平倉合約]
A --> E[Volume]
A --> F[Bid/Ask 與流動性]
B --> G[IV Rank]
B --> H[IV Percentile]
B --> I[波動率 Skew]
B --> J[Term Structure]
D --> K[OI Change]
E --> L[異常成交量]
F --> M[流動性評分]
G --> N[訊號]
H --> N
I --> N
J --> N
K --> N
L --> N
M --> N

flowchart TD
A[歷史數據]
B[分析訊號]
C[策略定義]
A --> D[合約選擇器]
B --> D
C --> D
D --> E[進場規則]
E --> F[交易執行/成交模型]
F --> G[已開倉持倉]
G --> H[持倉監控]
H --> I{Exit Rule Triggered?}
I -- No --> H
I -- Yes --> J[出場交易]
J --> K["P&L"]
K --> L[績效指標]

回測引擎不應硬編碼策略名稱。

Strategy: Long Call
Leg 1
- Action: BUY
- Type: CALL
- DTE: 30-45
- Delta Target: 0.50
Strategy: Bull Call Spread
Leg 1
- Action: BUY
- Type: CALL
- Delta Target: 0.50
Leg 2
- Action: SELL
- Type: CALL
- Higher Strike
Strategy: Bull Put Spread
Leg 1
- Action: SELL
- Type: PUT
- Delta Target: 0.25
Leg 2
- Action: BUY
- Type: PUT
- Lower Strike

一個完整回測所需要的不只是期權策略本身。

例子:

  • bullish signal;
  • VCP breakout;
  • 異常期權成交量;
  • IV Percentile 門檻;
  • DTE 範圍;
  • Delta 範圍;
  • 最低 OI;
  • 最大 Bid/Ask spread;
  • 最低流動性評分。

例子:

  • 最接近 0.50 的 Delta;
  • 30–45 DTE;
  • 指定 Strike 距離;
  • ATM / ITM / OTM;
  • 最低成交量/OI。

例子:

  • 以 Ask 買入;
  • 以 Bid 賣出;
  • 以 Mid Price 成交;
  • 可設定 Slippage;
  • 部分成交假設。

例子:

  • +50% 盈利;
  • -30% 止蝕;
  • 21 DTE;
  • 技術訊號失效;
  • 到期;
  • Assignment/Exercise。

評估一個策略時,不應只看勝率。

重要指標包括:

Number of Trades
Win Rate
Average Winner
Average Loser
Expectancy
Total Return
Annualised Return
Maximum Drawdown
Profit Factor
Sharpe Ratio
Capital Usage
Average Holding Period
Exposure

基本 Expectancy 計算:

Expectancy
=
Win Rate × Average Win
-
Loss Rate × Average Loss

15. Signal Backtesting vs Strategy Backtesting

Section titled “15. Signal Backtesting vs Strategy Backtesting”
flowchart TD
A[期權分析平台]
A --> B[訊號回測]
A --> C[策略回測]
B --> D[IV]
B --> E[OI]
B --> F[Volume]
B --> G[Liquidity]
C --> H[Long Call]
C --> I[Bull Call Spread]
C --> J[Bull Put Spread]
C --> K[Cash-Secured Put]
D --> L[訊號是否具有預測價值?]
E --> L
F --> L
G --> L
H --> M[訊號是否能轉化為有盈利能力的交易?]
I --> M
J --> M
K --> M

訊號研究例子:

Today's option volume > 5 × 20-day average
Then measure underlying return after:
+1 day
+3 days
+5 days
+10 days

另一個例子:

IV Percentile > 90
Then measure:
5-day IV change
10-day IV change
20-day IV change

建議次序:

  1. 先判斷訊號是否具有預測價值;
  2. 然後再判斷哪一種期權策略最適合表達該訊號。

這有助減少 overfitting。


不要使用整個歷史數據集來調整參數。

例子:

2020–2024
Development / Parameter Research
2025–2026
Out-of-Sample Validation

一旦參數在開發期內確定,進行樣本外測試時就應保持不變。


  • 選擇美國期權數據供應商。
  • 實作一個供應商 adapter。
  • 為少量高流動性正股下載歷史數據。
  • 把供應商數據轉換成統一標準模型。
  • 在 console application 顯示解析後的數據。

建議初期使用的正股:

SPY
QQQ
AAPL
MSFT
NVDA

Implement:

  • bid/ask spread;
  • mid price;
  • simple liquidity measures;
  • IV;
  • Delta;
  • Gamma;
  • Theta;
  • Vega.

第一個研究問題:

當出現 bullish signal 時,買入一張約 30–45 DTE、Delta 約 0.50 的 Call,在計入真實 Bid/Ask spread、slippage 及費用後,是否仍然具有正的 expectancy?

第一次回測的主要目的,是驗證整個回測引擎是否正確運作。

加入:

  1. Bull Call Spread
  2. Bull Put Spread
  3. Cash-Secured Put

Iron Condor 以及更複雜的策略應放到較後階段。

加入以下歷史研究:

  • 異常期權成交量;
  • OI change;
  • IV Rank;
  • IV Percentile;
  • skew;
  • liquidity.

對於大型歷史數據集,不要一開始就把所有數據載入 PostgreSQL。

flowchart TD
A[供應商原始檔案]
B[Object/File Storage]
C[Parquet]
D[DuckDB / Polars / Python]
E[分析結果]
F[(PostgreSQL)]
A --> B
B --> C
C --> D
D --> E
E --> F

建議做法:

  • 原始供應商檔案保持不可修改;
  • 把原始檔案轉換成 Parquet;
  • 使用 DuckDB / Polars 處理大型分析查詢;
  • 把最終 metadata、執行紀錄、用戶、策略定義及結果存放於 PostgreSQL。

dawnluma-options/
│
├── docs/
│ ├── architecture-overview.md
│ ├── data-model.md
│ ├── data-providers.md
│ ├── analysis-engine.md
│ ├── backtest-engine.md
│ ├── storage.md
│ └── roadmap.md
│
├── src/
│ ├── DawnLuma.Options.Domain/
│ ├── DawnLuma.Options.Data/
│ ├── DawnLuma.Options.Analytics/
│ ├── DawnLuma.Options.Backtesting/
│ ├── DawnLuma.Options.Api/
│ └── DawnLuma.Options.Web/
│
├── tests/
│ ├── DawnLuma.Options.Domain.Tests/
│ ├── DawnLuma.Options.Data.Tests/
│ ├── DawnLuma.Options.Analytics.Tests/
│ └── DawnLuma.Options.Backtesting.Tests/
│
└── README.md

在 DawnLuma 內,Stocks 與 Options 研究應保持為兩個獨立系統。

未來的 Strategies 層可整合兩邊輸出。

flowchart LR
A[Stocks<br/>MarketLens 研究]
B[Strategies 層]
C[期權分析平台]
A -->|Stock signals| B
C -->|Options analytics| B
B --> D[整合研究]
D --> E[股票 + 期權 + 策略分析]
  • 趨勢;
  • VCP;
  • 相對強弱;
  • 突破;
  • volume;
  • 股票評分。
  • IV;
  • OI;
  • 期權成交量;
  • Greeks;
  • 流動性;
  • skew;
  • term structure;
  • 回測。
  • 把股票訊號與期權分析結合;
  • 對機會排序;
  • 比較不同策略結構;
  • 進行跨系統研究。

Strategies 層應透過 API、events 或匯出的分析數據集取得資料,而不是直接查詢 Stocks 或 Options 系統的私人內部數據庫 schema。


建立這份架構文件。

定義統一標準 domain models:

OptionContract
OptionQuote
OptionTrade
UnderlyingPrice
OpenInterest

定義:

IOptionsDataProvider

實作一個美國市場數據供應商 adapter。

例子:

ThetaData
→ ThetaDataProvider
→ Canonical Models
→ Console Output

暫時不要開發 UI。

加入 raw / Parquet 儲存。

實作基本期權分析功能。

建立通用 Backtest Engine。

建立第一個 Long Call StrategyDefinition。

加入 Bull Call Spread 及 Bull Put Spread。

透過以下方式加入 HKEX 支援:

HKEX Data
→ HKEXOptionsProvider
→ Canonical Models
→ Existing Analysis Engine
→ Existing Backtest Engine

目標是:加入 HKEX 支援時,只需要新增 adapter 及市場專屬設定,而不是重寫整個系統。


flowchart TD
A[市場數據供應商]
A --> B[供應商 Adapters]
B --> C[統一標準數據模型]
C --> D[(Storage)]
D --> E[分析引擎]
D --> F[回測引擎]
E --> F
E --> G[API / UI / Reports]
F --> G
H[Stocks 研究] -. Future Integration .-> I[Strategies 層]
G -. Options Analytics .-> I

核心架構原則是:

數據來源、分析、回測與展示層必須保持分離。

這種分層設計可以令系統:

  • 先由美國市場數據開始;
  • 之後再支援 HKEX 數據;
  • 更換數據供應商;
  • 加入新策略;
  • 加入新的分析功能;
  • 重用同一個回測引擎;
  • 與 DawnLuma Stocks 研究交換訊號,同時避免兩個系統高度耦合。