उच्च put/call ratio तेजीचा संकेत आहे का?

उच्च put/call ratio हा पारंपरिक contrarian bullish संकेत मानला जातो: मोठ्या प्रमाणावर put खरेदी झाल्यास बाजारातील बहुतेक सहभागी आधीच घसरणीसाठी तयार झाले आहेत, असे मानले जाते. मात्र या संकेतावर आधारित निर्णय घेताना एक अडचण येते. “उच्च” यासाठी कोणतीही निश्चित पातळी नसते. तुमच्या स्क्रीनवरील 1.15 हा single-stock optionsमध्ये अत्यंत उच्च स्तर असू शकतो, तर index productsमध्ये तो नेहमीचा सत्रीय स्तर असू शकतो.

या प्रश्नाचे उत्तर देण्यासाठी संदर्भ-वितरण आवश्यक आहे. हे पृष्ठ दोन्ही बाजार-पुस्तकांसाठी असे वितरण देते आणि उच्च readingsनंतर काय घडले, हे मोजते. put/call ratio या स्पष्टीकरणात ratio कसा तयार केला जातो, हे दिले आहे. खालील सर्व विश्लेषण त्या व्याख्येपासून सुरू होते.

या मोजमापाबाबत दोन नोंदी महत्त्वाच्या आहेत. येथे प्रत्येक ratio त्या दिवशी झालेल्या contractsच्या व्यवहारांची गणना करतो. त्यामुळे हा volume ratio आहे. Open interestमध्ये अजून खुले असलेले positions मोजले जातात आणि ते वेगळ्या पातळीवर असते (volume आणि open interestमधील फरक या दोन्हींचे स्पष्टीकरण देते). ही आकडेवारी एका निश्चित basketमधून घेतली आहे: संपूर्ण बाजारातील व्यवहारांऐवजी दहा प्रचलित single-stock names आणि तीन broad-market ETFs. त्यामुळे वितरणाच्या शेपकडे पाहा; शेवटच्या दशांशावर अवलंबून राहू नका.

उच्च put/call ratio कशाला म्हणावे?

एखाद्या पातळीपेक्षा percentile या प्रश्नाचे अधिक अचूक उत्तर देते. खालील वक्र January 2022 ते July 2026 या कालावधीतील प्रत्येक session दाखवतो. प्रत्येक bookसाठी प्रत्येक sessionला एक ratio आहे.

WITH book_days AS (
    SELECT date AS day,
           if(underlying_symbol IN ('SPY', 'QQQ', 'IWM'), 'index_etf', 'equity') AS book,
           sumIf(volume, upper(substring(ticker, length(ticker) - 8, 1)) = 'P') AS put_volume,
           sumIf(volume, upper(substring(ticker, length(ticker) - 8, 1)) = 'C') AS call_volume
    FROM global_markets.options_greeks
    WHERE date >= toDate('2022-01-01')
      AND date <= toDate('2026-07-31')
      AND volume > 0
      AND underlying_symbol IN ('SPY', 'QQQ', 'IWM', 'AAPL', 'MSFT', 'NVDA', 'AMZN',
                                'META', 'TSLA', 'GOOGL', 'JPM', 'KO', 'XOM')
    GROUP BY day, book
    HAVING call_volume > 0
),
paired AS (
    SELECT day,
           toFloat64(sumIf(put_volume, book = 'equity'))
             / toFloat64(sumIf(call_volume, book = 'equity')) AS equity_pcr,
           toFloat64(sumIf(put_volume, book = 'index_etf'))
             / toFloat64(sumIf(call_volume, book = 'index_etf')) AS index_pcr
    FROM book_days
    GROUP BY day
    HAVING sumIf(call_volume, book = 'equity') > 0
       AND sumIf(call_volume, book = 'index_etf') > 0
),
curves AS (
    SELECT arrayMap(v -> round(v, 2),
                    quantilesDeterministic(0.05, 0.10, 0.25, 0.50, 0.75, 0.90, 0.95, 0.99)
                                          (equity_pcr, cityHash64(day))) AS eq,
           arrayMap(v -> round(v, 2),
                    quantilesDeterministic(0.05, 0.10, 0.25, 0.50, 0.75, 0.90, 0.95, 0.99)
                                          (index_pcr, cityHash64(day))) AS idx
    FROM paired
)
SELECT z.1 AS percentile,
       z.2 AS equity_pcr,
       z.3 AS index_etf_pcr
FROM (
    SELECT arrayJoin(arrayZip(['p05', 'p10', 'p25', 'p50', 'p75', 'p90', 'p95', 'p99'], eq, idx)) AS z
    FROM curves
)

Single-stock basketमध्ये median sessionमध्ये प्रत्येक callमागे 0.67 puts होते. सर्वाधिक दहा टक्के sessionsची सुरुवात 0.89 पासून झाली, तर सर्वाधिक टोकाच्या एक टक्के sessionsमध्ये ratio 1.34 पेक्षा जास्त होता. कमी ratio असलेला टोकही calibrationसाठी तितकाच उपयुक्त आहे: वीसपैकी एका sessionचा शेवट 0.48 किंवा त्यापेक्षा कमी ratioवर झाला.

ETF columnमध्ये वक्राच्या प्रत्येक टप्प्यावर वेगळे distribution दिसते. त्यातील median session 1.45 होता. Single-stock median ज्या one-to-one रेषेखाली बराच असतो, तिच्यापेक्षा हा ratio जास्त आहे. ETFच्या सर्वाधिक दहा टक्के sessionsची सुरुवात 1.77 पासून झाली. कोणता book अभिप्रेत आहे हे न सांगता दिलेला ratio जवळजवळ निरर्थक ठरतो. 1.15 हा print कोणत्या columnमधून आला यावर त्याचा अर्थ पूर्णपणे बदलतो.

निर्देशांकाचा 1 पेक्षा जास्त गुणोत्तर सामान्य का असते, पण इक्विटीचे गुणोत्तर 1 पेक्षा जास्त का नसते

समान volume underlyingनुसार विभागल्यास ही पातळी स्पष्टपणे वेगळी दिसते.

WITH symbol_days AS (
    SELECT underlying_symbol AS symbol,
           date AS day,
           sumIf(volume, upper(substring(ticker, length(ticker) - 8, 1)) = 'P') AS put_volume,
           sumIf(volume, upper(substring(ticker, length(ticker) - 8, 1)) = 'C') AS call_volume
    FROM global_markets.options_greeks
    WHERE date >= toDate('2026-01-01')
      AND date <= toDate('2026-07-31')
      AND volume > 0
      AND underlying_symbol IN ('SPY', 'QQQ', 'IWM', 'AAPL', 'MSFT', 'NVDA', 'AMZN',
                                'META', 'TSLA', 'GOOGL', 'JPM', 'KO', 'XOM')
    GROUP BY symbol, day
    HAVING call_volume > 0
)
SELECT symbol,
       round(toFloat64(sum(put_volume)) / toFloat64(sum(call_volume)), 2) AS put_call_ratio,
       round(100 * countIf(put_volume > call_volume) / count(), 1) AS above_one_pct,
       count() AS observations
FROM symbol_days
GROUP BY symbol
ORDER BY put_call_ratio DESC

2026च्या पहिल्या सात महिन्यांत IWM हे 2.73 puts per callसह तक्त्याच्या शीर्षस्थानी होते. त्याच्या 144 पैकी 98.6% सत्रांमध्ये हे गुणोत्तर 1 पेक्षा जास्त राहिले. तळाशी XOM होते. त्यात 0.38 व्यवहार झाले आणि 2.8% सत्रांमध्ये गुणोत्तर 1 पेक्षा जास्त राहिले.

हा फरक संरचनात्मक आहे. Broad-market ETF optionsमध्ये पोर्टफोलिओचे hedging केले जाते. दोनशे positions असलेला व्यवस्थापक प्रत्येक holdingवर put घेण्याऐवजी index puts खरेदी करतो. या प्रवाहासोबत समतुल्य call trade असणे आवश्यक नसते. Single-stock option volumeचा कल उलट असतो. त्यात वाढीच्या शक्यतेसाठी calls खरेदी केले जातात आणि आधीपासून मालकीच्या शेअर्सविरुद्ध calls लिहिले जातात. "Total" गुणोत्तर दोन्ही पुस्तके एकत्र करते. त्यामुळे ते या दोन्हींच्या मध्ये राहते आणि sentimentइतकेच त्या दिवसाच्या product mixनुसारही बदलते.

आणखी एक पातळीतील फरक लक्षात घेण्यासारखा आहे. Index आणि ETF volumeमध्ये आता त्याच दिवशी expiry होणाऱ्या optionsचा (त्याच दिवशी expiry होणारे options) मोठा वाटा आहे. ही category परिचित thresholds लिहिली गेली त्या काळात आजच्या प्रमाणात trade होत नव्हती. त्यामुळे composition वेगळी असलेल्या tapeवर जुनी पातळी लागू होत नाही.

उच्च put/call ratio तेजी दर्शवतो का? टोकाच्या पातळ्यांनंतर काय घडले

प्रतिप्रवाहाचा तर्क तपासता येतो. प्रत्येक सत्राचे त्या दिवसाच्या equity ratioनुसार पाच समान गट करा आणि त्यानंतरच्या 5 आणि 20 सत्रांत S&P 500 trackerमध्ये झालेली हालचाल मोजा.

WITH raw AS (
    SELECT date AS day,
           sumIf(volume, upper(substring(ticker, length(ticker) - 8, 1)) = 'P') AS put_volume,
           sumIf(volume, upper(substring(ticker, length(ticker) - 8, 1)) = 'C') AS call_volume
    FROM global_markets.options_greeks
    WHERE date >= toDate('2022-01-01')
      AND date <= toDate('2026-07-31')
      AND volume > 0
      AND underlying_symbol IN ('AAPL', 'MSFT', 'NVDA', 'AMZN', 'META',
                                'TSLA', 'GOOGL', 'JPM', 'KO', 'XOM')
    GROUP BY day
    HAVING call_volume > 0
),
equity_pcr AS (
    SELECT day, toFloat64(put_volume) / toFloat64(call_volume) AS pcr
    FROM raw
),
spy_daily AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS day,
           toFloat64(argMax(close, window_start)) AS close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2022-01-01')
      AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-08-01')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY day
),
forward AS (
    SELECT day,
           close,
           any(close) OVER (ORDER BY day ASC ROWS BETWEEN 5 FOLLOWING AND 5 FOLLOWING) AS close_5,
           any(close) OVER (ORDER BY day ASC ROWS BETWEEN 20 FOLLOWING AND 20 FOLLOWING) AS close_20
    FROM spy_daily
),
joined AS (
    SELECT p.day AS day,
           p.pcr AS pcr,
           100 * (f.close_5 / f.close - 1) AS fwd_5d_pct,
           100 * (f.close_20 / f.close - 1) AS fwd_20d_pct
    FROM equity_pcr AS p
    INNER JOIN forward AS f ON p.day = f.day
    WHERE f.close_5 > 0 AND f.close_20 > 0
),
cuts AS (
    SELECT quantilesDeterministic(0.2, 0.4, 0.6, 0.8)(pcr, cityHash64(day)) AS q
    FROM joined
)
SELECT multiIf(pcr < q[1], 'lowest fifth',
               pcr < q[2], 'second fifth',
               pcr < q[3], 'middle fifth',
               pcr < q[4], 'fourth fifth',
               'highest fifth') AS pcr_band,
       count() AS observations,
       round(min(pcr), 2) AS band_floor_ratio,
       round(quantileDeterministic(0.5)(fwd_5d_pct, cityHash64(day)), 2) AS fwd_5d_median_pct,
       round(quantileDeterministic(0.5)(fwd_20d_pct, cityHash64(day)), 2) AS fwd_20d_median_pct,
       round(quantileDeterministic(0.25)(fwd_20d_pct, cityHash64(day)), 2) AS fwd_20d_p25_pct,
       round(quantileDeterministic(0.75)(fwd_20d_pct, cityHash64(day)), 2) AS fwd_20d_p75_pct
FROM joined CROSS JOIN cuts
GROUP BY pcr_band
ORDER BY band_floor_ratio ASC

सर्वात शांत सत्रांचा पाचवा गट 0.34 पासून सुरू होतो आणि सर्वाधिक सक्रिय सत्रांचा पाचवा गट 0.81 पासून सुरू होतो. त्यामुळे प्रतिप्रवाहाच्या दृष्टीने ताणलेली म्हणता येतील अशी सर्व readings वरच्या गटात येतात. त्या 226 सत्रांमध्ये 20 सत्रांनंतरची median हालचाल 3% होती. सर्वात शांत पाचव्या गटानंतर ती 0.91% होती. पाच सत्रांनंतर हेच दोन गट अनुक्रमे 0.82% आणि 0.3% होते.

Medianमध्ये महत्त्वाचा भाग लपतो. सर्वाधिक सक्रिय पाचव्या गटात 20 सत्रांनंतरच्या निकालांपैकी मधील अर्धा भाग -1.82% ते 5.71% इतका होता. सर्वात शांत पाचव्या गटात मधील अर्धा भाग -0.83% ते 2.67% इतका होता. या दोन्ही श्रेणींचा मोठा भाग समान आहे. एखादे सत्र कोणत्या गटात येते यामुळे वितरणाचा मध्यबिंदू बदलतो. मात्र त्या मध्यबिंदूभोवतीची श्रेणी फारशी अरुंद होत नाही. नेमका हाच भाग साध्या नियमात दिसत नाही.

वजनाबाबत एक सावधगिरी आवश्यक आहे. जानेवारी 2022 ते जुलै 2026 या कालावधीत एक bear market आणि त्यानंतरची recovery समाविष्ट आहे. प्रत्येक गटात साधारणतः 226 सत्रे आहेत. हा वास्तविक नमुना आहे. पण तो बाजाराच्या इतिहासातील एकच कालखंड आहे.

तीव्र readings बाजारातील तळांवर एकत्रित होतात का?

ते घसरणाऱ्या महिन्यांत एकत्रित होतात, पण हा वेगळा दावा आहे. 2022 पासून प्रत्येक महिन्याचे त्यातील trackerच्या हालचालीनुसार गट करा आणि प्रत्येक गटात top-decile put/call readings किती आल्या ते मोजा.

WITH raw AS (
    SELECT date AS day,
           sumIf(volume, upper(substring(ticker, length(ticker) - 8, 1)) = 'P') AS put_volume,
           sumIf(volume, upper(substring(ticker, length(ticker) - 8, 1)) = 'C') AS call_volume
    FROM global_markets.options_greeks
    WHERE date >= toDate('2022-01-01')
      AND date <= toDate('2026-07-31')
      AND volume > 0
      AND underlying_symbol IN ('AAPL', 'MSFT', 'NVDA', 'AMZN', 'META',
                                'TSLA', 'GOOGL', 'JPM', 'KO', 'XOM')
    GROUP BY day
    HAVING call_volume > 0
),
equity_pcr AS (
    SELECT day, toFloat64(put_volume) / toFloat64(call_volume) AS pcr
    FROM raw
),
cut AS (
    SELECT quantileDeterministic(0.90)(pcr, cityHash64(day)) AS p90
    FROM equity_pcr
),
by_month AS (
    SELECT toStartOfMonth(day) AS month_start,
           countIf(pcr >= cut.p90) AS extreme_reads,
           quantileDeterministic(0.5)(pcr, cityHash64(day)) AS median_pcr
    FROM equity_pcr CROSS JOIN cut
    GROUP BY month_start
),
spy_daily AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS day,
           toFloat64(argMax(close, window_start)) AS close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2022-01-01')
      AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-07-31')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY day
),
spy_month AS (
    SELECT toStartOfMonth(day) AS month_start,
           100 * (argMax(close, day) / argMin(close, day) - 1) AS move_pct
    FROM spy_daily
    GROUP BY month_start
)
SELECT multiIf(s.move_pct <= -3, 'index down 3% or more',
               s.move_pct < 0, 'index down under 3%',
               s.move_pct < 3, 'index up under 3%',
               'index up 3% or more') AS index_move_bucket,
       count() AS observations,
       round(avg(m.extreme_reads), 1) AS top_decile_reads_avg,
       round(quantileDeterministic(0.5)(m.median_pcr, cityHash64(m.month_start)), 2) AS typical_pcr_ratio
FROM by_month AS m
INNER JOIN spy_month AS s ON m.month_start = s.month_start
GROUP BY index_move_bucket
ORDER BY min(s.move_pct) ASC

tracker 3% किंवा त्याहून अधिक घसरून संपलेल्या महिन्यांत प्रत्येक महिन्यामागे सरासरी 4.2 top-decile readings आल्या. त्याच्या तुलनेत tracker 3% किंवा त्याहून अधिक वाढलेल्या महिन्यांत ही संख्या 1.9 होती. प्रत्येक गटाची median daily reading शेवटच्या स्तंभात आहे. सर्वाधिक घसरणीच्या गटासाठी ती 0.75 आणि सर्वाधिक वाढीच्या गटासाठी 0.62 आहे. तक्त्याच्या दोन टोकांच्या गटांत अनुक्रमे 12 आणि 22 महिने आहेत.

तीव्र put/call readings आणि घसरणाऱ्या किंमती एकाच वेळी दिसतात. ही सहघटना आहे. मागील विभागातील forward numbers याचे महत्त्व दर्शवतात. हा ratio त्याच दिवसाच्या tapeचे त्याच दिवशीचे मोजमाप आहे. त्यामुळे त्याचे spikes घसरणीच्या आधी नव्हे, तर घसरणीदरम्यान दिसतात. तळ ही नंतर लावली जाणारी संज्ञा आहे.

वितरणाच्या तुलनेत पातळीचे वाचन

वरील आकडेवारीतून दोन सवयी अंगीकारता येतात.

पहिले, तुलनात्मक आधार समान ठेवा. एखाद्या निर्देशकाचे वाचन तेवढेच अर्थपूर्ण असते, जेव्हा त्याची तुलना त्याच निर्देशांकाच्या तुलनात्मक कालावधीतील इतिहासाशी केली जाते. Percentile table हेच दाखवते; केवळ लक्षात राहिलेली threshold तशी माहिती देत नाही.

दुसरे, भाजकावर लक्ष ठेवा. Put volumeमध्ये कोणताही बदल न होता call volume वाढले तरी ratio कमी होतो. Ratioमधील घट आणि त्यातील वाढ या दोन्ही fractional valueच्या केवळ एका बाजूच्या हालचालीमुळे होऊ शकतात. त्यामुळे put volume आणि call volume स्वतंत्रपणे पाहल्यास गणित स्पष्ट राहते.

कोणत्याही sentiment gaugeला केवळ एक bare number म्हणून उद्धृत केले असेल, तरी हीच शिस्त लागू होते. VIX आणि 30% implied volatility print यांचे स्वतःच्या distributionsशिवाय अर्थ लावता येत नाहीत. तसेच contrarian sentiment rulesमध्ये reference level गृहीत न धरता मोजला असेल, तरच ते dataच्या कसोटीवर टिकतात.

वारंवार विचारले जाणारे प्रश्न

उच्च put/call ratio तेजीचा संकेत असतो का?

Contrarian पद्धतीने पाहिल्यास, मोठ्या प्रमाणात put खरेदी करणारे गुंतवणूकदार आधीच घसरणीच्या अपेक्षेने पोझिशन घेतलेले असतात. वरील single-stock basketच्या तुलनेत, readingsच्या वरच्या पाचव्या भागातील sessionsनंतर S&P 500 trackerमध्ये 20-session हालचालीचा median 3% होता. सर्वात शांत पाचव्या भागानंतर तो 0.91% होता. वरच्या पाचव्या भागातील मधल्या निम्म्या परिणामांची श्रेणी -1.82% ते 5.71% इतकी होती.

सामान्य put/call ratio किती असतो?

कोणते options मोजले जातात यावर ते पूर्णपणे अवलंबून असते. दहा परिचित single-stock namesच्या basketमध्ये, 2022 ते July 2026 या कालावधीत प्रत्येक callमागे median sessionमध्ये 0.67 puts होते. त्याच sessionsमधील तीन broad-market ETFsसाठी median reading 1.45 होती.

Index put/call ratio हा equity put/call ratioपेक्षा जास्त का असतो?

Portfolio hedgingसाठी broad index आणि ETF options हे प्रमाणित साधन आहेत. Hedgerने index puts खरेदी केल्यास त्यासमोर matching call trade असतेच असे नाही. Single-stock volumeमध्ये वाढीच्या अपेक्षेने खरेदी केलेले calls आणि आधीपासून असलेल्या शेअर्सविरुद्ध लिहिलेले calls यांचे प्रमाण जास्त असते. त्यामुळे त्या bookचा ratio कमी राहतो.

Put/call ratio market timingसाठी उपयुक्त असतो का?

वरील मोजमापात प्रत्येक पाचव्या भागातील readingsनंतर काय घडले यांचे distribution दाखवले आहे. कोणत्याही एका bandमधील spread हा bandsच्या medianमधील अंतरापेक्षा खूप मोठा आहे. Index कमी होऊन बंद झालेल्या महिन्यांमध्ये top-decile readings अधिक प्रमाणात आढळतात. सर्वात खराब गटात हा दर 4.2 प्रति महिना होता.

Volume put/call ratio आणि open interest ratioमध्ये काय फरक आहे?

Volume ratioमध्ये एका sessionदरम्यान व्यवहार झालेले contracts मोजले जातात. त्यामुळे तो दररोज reset होतो आणि वेगाने बदलतो. Open interest ratioमध्ये अद्याप outstanding असलेल्या positions मोजल्या जातात. त्यामुळे तो हळूहळू बदलतो आणि त्याची स्वतंत्र पातळी असते. हे दोन्ही ratios परस्पर बदलून वापरता येत नाहीत. एका ratioवर आधारित threshold दुसऱ्यावर लावल्यास चुकीचा निष्कर्ष निघू शकतो.

वरील प्रत्येक panel उघडल्यावर त्यामागील SQL दिसते. Strasmore terminalवर तुम्ही पाहत असलेल्या कोणत्याही underlyingवर हीच percentile queries चालवता येतात.