如何使用 QMT Python API 构建蝶式价差期权组合策略？

这是一个关于如何在QMT平台上实现**蝶式价差（Butterfly Spread）**期权策略的详细指南。

蝶式价差是一种中性策略，通常用于预期标的资产价格在到期日将停留在某个特定价格附近（即波动率下降）。

策略逻辑（以买入看涨蝶式为例）

1. 观点：预期标的资产价格变化不大，波动率降低。
2. 构建：
   • 买入 1张低行权价（$K_1$）的看涨期权（实值）。
   • 卖出 2张中间行权价（$K_2$）的看涨期权（平值）。
   • 买入 1张高行权价（$K_3$）的看涨期权（虚值）。
   • 条件：$K_2 - K_1 = K_3 - K_2$ （行权价间距相等）。

QMT Python 策略代码实现

以下代码实现了一个自动化的买入看涨蝶式策略。它会自动获取标的当前价格，寻找平值合约（ATM），并选取左右相邻档位的合约作为翅膀。

# -*- coding: gbk -*-
import pandas as pd
import time

def init(ContextInfo):
    # 1. 设置资金账号 (请修改为您的实际账号)
    ContextInfo.accID = 'YOUR_ACCOUNT_ID' 
    ContextInfo.set_account(ContextInfo.accID)
    
    # 2. 策略参数设置
    ContextInfo.underlying = '510050.SH'  # 标的资产：上证50ETF
    ContextInfo.gap_level = 1             # 档位间隔：1表示选取相邻的行权价
    ContextInfo.trade_executed = False    # 交易标志位，防止重复下单
    ContextInfo.expiry_month = '202312'   # 目标到期月份，格式YYYYMM (需根据实际情况修改)
    
    print("策略初始化完成，标的：{}, 到期月：{}".format(ContextInfo.underlying, ContextInfo.expiry_month))

def handlebar(ContextInfo):
    # 仅在最后一根K线（实时行情）运行，且只交易一次
    if not ContextInfo.is_last_bar() or ContextInfo.trade_executed:
        return

    # 1. 获取标的最新价格
    market_data = ContextInfo.get_market_data_ex(
        ['close'], [ContextInfo.underlying], period='1d', count=1, subscribe=True
    )
    
    if ContextInfo.underlying not in market_data:
        print("未获取到标的行情")
        return
        
    current_price = market_data[ContextInfo.underlying].iloc[-1]['close']
    print("标的当前价格: {:.4f}".format(current_price))

    # 2. 获取期权链 (指定标的、到期月、看涨Call)
    # get_option_list(标的代码, 到期月YYYYMM, 类型CALL/PUT)
    option_list = ContextInfo.get_option_list(ContextInfo.underlying, ContextInfo.expiry_month, "CALL")
    
    if not option_list:
        print("未获取到期权合约列表，请检查到期月份设置")
        return

    # 3. 筛选并排序合约
    # 我们需要获取每个合约的行权价
    contracts_info = []
    for code in option_list:
        detail = ContextInfo.get_instrumentdetail(code)
        if detail:
            contracts_info.append({
                'code': code,
                'strike_price': detail['OptExercisePrice'],
                'name': detail['InstrumentName']
            })
    
    # 按行权价从小到大排序
    sorted_contracts = sorted(contracts_info, key=lambda x: x['strike_price'])
    
    if len(sorted_contracts) < 3:
        print("合约数量不足，无法构建蝶式策略")
        return

    # 4. 寻找平值合约 (K2) - 行权价最接近标的价格的合约
    # 使用 min 函数寻找绝对差值最小的合约索引
    atm_index = min(range(len(sorted_contracts)), key=lambda i: abs(sorted_contracts[i]['strike_price'] - current_price))
    
    # 5. 确定 K1 (低行权价) 和 K3 (高行权价)
    gap = ContextInfo.gap_level
    k1_index = atm_index - gap
    k3_index = atm_index + gap

    # 检查索引是否越界
    if k1_index < 0 or k3_index >= len(sorted_contracts):
        print("无法构建策略：平值合约过于接近边界，无法选取 K1 或 K3")
        return

    leg1 = sorted_contracts[k1_index] # K1: 买入实值
    leg2 = sorted_contracts[atm_index] # K2: 卖出平值
    leg3 = sorted_contracts[k3_index] # K3: 买入虚值

    print("构建蝶式组合:")
    print("Leg 1 (买入): {} 行权价: {}".format(leg1['name'], leg1['strike_price']))
    print("Leg 2 (卖出): {} 行权价: {}".format(leg2['name'], leg2['strike_price']))
    print("Leg 3 (买入): {} 行权价: {}".format(leg3['name'], leg3['strike_price']))

    # 6. 执行下单 (使用 passorder)
    # opType说明: 50:买入开仓, 52:卖出开仓
    # orderType: 1101 (单股、单账号、普通、股/手方式)
    # prType: 5 (最新价), 14 (对手价) - 这里演示使用对手价以保证成交
    
    # 下单 Leg 1: 买入 1 张 K1
    passorder(50, 1101, ContextInfo.accID, leg1['code'], 14, -1, 1, ContextInfo)
    print("下单: 买入开仓 1张 {}".format(leg1['code']))
    
    # 下单 Leg 2: 卖出 2 张 K2
    passorder(52, 1101, ContextInfo.accID, leg2['code'], 14, -1, 2, ContextInfo)
    print("下单: 卖出开仓 2张 {}".format(leg2['code']))
    
    # 下单 Leg 3: 买入 1 张 K3
    passorder(50, 1101, ContextInfo.accID, leg3['code'], 14, -1, 1, ContextInfo)
    print("下单: 买入开仓 1张 {}".format(leg3['code']))

    ContextInfo.trade_executed = True

代码关键点解析

1. 合约选择逻辑 (handlebar 第2-5步)：

   • 获取期权链：使用 ContextInfo.get_option_list 获取指定月份的所有Call合约。
   • 获取行权价：通过 ContextInfo.get_instrumentdetail 获取每个合约的详细信息，提取 OptExercisePrice（行权价）。
   • 定位ATM：计算所有行权价与标的现价的差值绝对值，最小的即为平值合约（K2）。
   • 确定翅膀：根据 gap_level（间隔档位），向左找K1，向右找K3。

2. 下单逻辑 (handlebar 第6步)：

   • passorder 函数：QMT的核心下单函数。
   • opType 参数：
     • 50：买入开仓（用于K1和K3）。
     • 52：卖出开仓（用于K2）。
   • prType 参数：这里使用了 14 (对手价)，在实盘中为了保证三条腿同时成交，通常建议使用对手价或更激进的价格，或者使用算法交易接口。
   • 数量：严格遵循 1:2:1 的比例（买1张K1，卖2张K2，买1张K3）。

3. 风险控制：

   • 代码中加入了 ContextInfo.trade_executed 标志位，确保策略在演示时只运行一次，防止重复开仓。
   • 加入了边界检查，防止ATM合约是列表中的第一个或最后一个，导致无法选取K1或K3。

注意事项

• 保证金：卖出开仓（Leg 2）需要占用保证金，请确保账户资金充足。
• 滑点风险：蝶式策略涉及三个合约，如果分别下单（Leging in），可能会面临价格变动的风险。在QMT中，如果资金量大，建议使用组合交易功能或算法交易功能来尽量同步成交。
• 到期日管理：代码中硬编码了 expiry_month = '202312'，实际使用时请务必修改为当前的有效月份。
• 编码格式：QMT Python脚本必须在第一行加上 # -*- coding: gbk -*-，否则中文注释会报错。

Q&A

Q: 如何将此策略改为卖出蝶式（做多波动率）？
A: 只需反转下单方向：

• Leg 1 (K1): 卖出开仓 (opType=52)
• Leg 2 (K2): 买入开仓 (opType=50)，数量为2
• Leg 3 (K3): 卖出开仓 (opType=52)

Q: 如何获取当前最近的到期月份而不是手动输入？
A: 可以使用 ContextInfo.get_option_list 获取所有合约后，解析其到期日，或者通过标的ETF的详细信息查找关联的期权月份。简单的做法是获取当前日期，格式化为 YYYYMM。

Q: 为什么使用 get_market_data_ex 而不是 get_market_data?
A: get_market_data_ex 是QMT较新的接口，返回的数据结构（DataFrame）更标准，且支持订阅模式，处理实时数据更稳定。