最大痛点理论与期权到期钉盘效应 • halo 的技术博客

问题：为什么股价总在到期日收在整数关口#

期权交易者中流传着一个经久不衰的说法：到期日的收盘价会走向「最大痛点」（Max Pain）——让全体期权买方赔得最多、卖方赚得最多的那个价位。

阴谋论版本的解释是：卖方以做市商和机构为主，他们有动机也有能力把价格「按」到让自己收益最大的位置。这个版本无法检验，也大概率不成立——做市商的核心业务是赚价差和对冲，不是坐庄。

但这个传说有一个科学的内核：期权钉盘效应（Pinning）。Avellaneda & Lipkin (2003) 给出了机制：当做市商在某个高持仓行权价上净持有正 Gamma 时，delta 对冲流会在该行权价附近形成真实的、可度量的均值回归引力——不需要任何人操纵，纯粹是对冲的机械后果。

这篇文章把 Max Pain 拆开：先算清楚它是什么，再模拟钉盘机制如何工作，最后诚实检验它到底有没有预测能力、能不能做成策略。

Max Pain 的计算：一条总赔付曲线的谷底#

定义很简单。给定所有行权价上的未平仓合约（OI），对每个假想的到期结算价 $S$ ，计算全体期权买方的总内在价值：

\text{Pain}(S) = \sum_K \max(S - K, 0)\cdot OI^{call}_K + \sum_K \max(K - S, 0)\cdot OI^{put}_K

Max Pain 就是让这条曲线取最小值的 $S$ ：

import numpy as np

strikes = np.arange(90, 111, 2.5)
call_oi = np.array([1200, 1800, 2500, 4200, 6800, 5200, 3800, 2400, 1500])
put_oi  = np.array([1600, 2900, 4500, 6200, 5100, 3600, 2200, 1400, 900])

def total_pain(S):
    return (np.maximum(S - strikes, 0) @ call_oi +
            np.maximum(strikes - S, 0) @ put_oi)

S_scan = np.linspace(88, 112, 481)
pain = np.array([total_pain(s) for s in S_scan])
max_pain = S_scan[pain.argmin()]   # -> 100.00

python

Max Pain 的计算

模拟持仓下 Max Pain 落在 100——OI 最密集的区域中间。这不是巧合而是结构：总赔付曲线是分段线性的凸函数，谷底必然被高 OI 行权价拽着走。Max Pain 本质上是 OI 分布的一个加权中位数，它落在高持仓行权价附近几乎是恒等式，这也是它「看起来总是很准」的第一个来源——预测值天然贴着价格本来就爱停留的整数关口。

钉盘机制：对冲流如何产生引力#

真正值得建模的是钉盘。设做市商在行权价 $K$ 上净持有正 Gamma（客户以卖出该行权价的期权为主，比如典型的 covered call 和现金担保 put 卖方）。到期日：

价格涨到 $K$ 上方 → 做市商持有的净 delta 上升 → 需要卖出标的回中性 → 压价格向下；
价格跌到 $K$ 下方 → 需要买入 → 托价格向上。

而且到期日 ATM Gamma 随剩余时间 $\sqrt{T}\to 0$ 发散，这个引力在尾盘急剧增强。我们用 78 根 5 分钟 bar 模拟到期日，对冲流强度正比于 $\Gamma(S, K, T_{rem})\cdot(S-K)$ ，跑 2000 条路径：

def expiry_paths(pin_strength):
    S = 100.0 + 2.0 * rng.standard_normal()   # 开盘随机偏离
    for i in range(n_steps):
        T_rem = (n_steps - i) * dt_step
        g = bs_gamma(S, K_pin, T_rem, sigma)
        pull = -pin_strength * lam * g * (S - K_pin)  # 引力项
        r = sigma*np.sqrt(dt_step)*rng.standard_normal() + np.clip(pull, -0.004, 0.004)
        S *= (1 + r)

python

指标	无钉盘（随机游走）	有钉盘流
收盘距 K=100 中位数	1.72 元	0.15 元
收在 ±0.5 元内比例	15.3%	93.7%

到期收盘价分布

收盘价分布从平缓的钟形变成扎在行权价上的尖钉。样例路径图更直观：早盘价格还能自由游走，越接近收盘，Gamma 越尖、引力越强，路径像被磁铁吸住一样收拢到 100：

到期日样例路径

这就是「钉盘」名字的由来——不是有人把价格钉住，是对冲流的负反馈把价格钉住。学术实证支持这个机制：Ni, Pearson & Poteshman (2005) 发现有期权上市的股票在到期日收在行权价附近的频率显著高于无期权股票，且效应强度与做市商净 Gamma 方向一致。

诚实检验：Max Pain 有预测能力吗#

把命题写成可检验形式：到期日收盘价是否比开盘价更接近 Max Pain？ 在两个模拟世界里各跑 1000 个到期日——钉盘世界（收盘 = 开盘 + 0.35×(MP−开盘) + 噪声）和随机游走世界：

	钉盘世界	随机游走
收盘更接近 MP 的比例	70.7%	45.0%

45% 这个数字很重要：纯随机游走下这个比例天然低于 50%（从任意点出发随机走一步，平均是远离而非靠近参照点）。所以任何实证检验里，「55% 的日子收盘更接近 max pain」就已经是不小的信号，而不是看起来那样接近抛硬币。

按开盘距离分桶看收敛量（开盘距离 − 收盘距离，正 = 靠近）：

开盘距 MP	钉盘世界收敛量	随机世界
0-1 元	-0.35	-0.49
1-2 元	+0.31	-0.02
2-3 元	+0.88	+0.03
3-5 元	+1.33	-0.07
5-8 元	+2.04	-0.13

收敛检验

两个读法。第一，距离近时（<1 元）连钉盘世界都测不出收敛——噪声淹没信号，「价格收在 max pain 附近」的日常观察大多属于这个不可分辨区。第二，信号集中在开盘偏离大的日子，这才是可交易的部分。

做成策略：成立与否取决于机制是否在场#

策略规则：到期日开盘若 |开盘价 − Max Pain| > 2 元，向 Max Pain 方向建仓做日内回归，收盘平仓，单边成本 5bp。2000 个模拟到期日中触发 1008 次：

	钉盘世界	随机世界
单次均值（费后）	+127.3bp	-8.1bp
胜率	87.2%	45.8%
年化 Sharpe	7.91	-0.59

数字本身不重要（模拟里收敛系数 0.35 是慷慨的假设），重要的是结构：同一套规则，机制在场时是印钞机，机制缺席时是漏勺。真实市场介于两个世界之间，而且每天在两个世界之间切换——策略的全部难度在于判断今天钉盘机制是否在场：

做市商净 Gamma 方向：只有正 Gamma 才有引力。客户净买期权的行权价上（比如财报周的投机 call），做市商负 Gamma，对冲流是斥力——价格会被推离行权价而非吸向它，Avellaneda-Lipkin 模型对此有对称的预言；
OI 集中度：钉盘强度正比于该行权价的净 Gamma 总量。OI 分散在十个行权价上时无盘可钉；
与事件的冲突：到期日撞上宏观数据或财报，基本面冲击轻松碾过对冲引力。

诚实边界#

收敛系数被模拟高估。 真实市场的钉盘效应在统计上显著、在经济上温和：Ni et al. 的实证是「收在行权价 ±0.125 美元内的概率提升约 2 个百分点」量级，不是本文模拟里 93.7% 的科幻数字。模拟的作用是展示机制方向，不是校准强度。

净敞口不可直接观测。 OI 是多空合计口径，判断做市商在某行权价是正还是负 Gamma 需要推断客户方向，符号判错则策略方向完全反转。这是所有 Gamma 类策略共享的软肋。

Max Pain 是移动靶。 OI 在到期周内每日变化，周一算出的 Max Pain 到周五可能已经漂移数个行权价。用滞后的 Max Pain 做预测，等于拿旧地图找新宝藏。

幸存者叙事。 Max Pain「预测成功」的案例被反复传播，失败案例无人提起；而它天然贴着高 OI 整数关口的特性，让它蹭到了价格本来就爱收在整数位的行为金融红利。把 Max Pain 当作 OI 结构的可视化工具、把 Pinning 当作到期日的条件性微观结构信号——这是它们各自诚实的用法。