Gamma Exposure GEX 計算 避險 造市商

Gamma exposure（通常簡稱GEX）估算的是，標的資產每變動百分之一時，選擇權造市商需要進行多少股票或期貨避險操作。這是一項持倉統計數據，由三個要素構成：未平倉合約、選擇權定價模型，以及一個關於每筆交易中買賣雙方身分的大型假設。本文將逐步說明計算方式，清楚陳述其假設，並以2026年7月一個特定交易日為例，衡量其底層的實際交易數據。

Gamma exposure（GEX）衡量的是什麼

先從一個層級往下看。Delta 是選擇權對標的資產價格的敏感度：delta 為 0.40 表示，股票每上漲 1 美元，該合約大約增值 40 美分。Gamma 則是 delta 本身變化的速率。Gamma 值高的合約，當標的資產價格穿越履約價時，其 delta 會快速變動，而我們的 選擇權 gamma 說明 文章以實際合約追蹤了這條曲線。

賣出選擇權並進行避險的造市商，會持有標的資產的倉位，並隨著價格變動調整該倉位的大小。Gamma 決定了價格每變動一美元需要進行多少調整。Gamma exposure 則是將每個合約的這個數值，放大為整個市場的美元金額。標準的計算方式如下：

1. 針對每個掛牌的履約價與到期日，取得未平倉合約數量（即仍在外流通的合約總數）。
2. 使用選擇權定價模型（通常是 Black-Scholes 模型），輸入標的資產價格、履約價、到期時間、利率與隱含波動率，計算出每個合約的 gamma。
3. 將 gamma 乘以未平倉合約數、乘以 100 股的合約乘數，再乘以標的資產價格的平方，最後除以 100。得出的結果是標的資產價格每變動 1% 時，對應的股票美元金額。
4. 根據一項慣例（假設造市商持有買權多頭與賣權空頭）賦予正負號，然後加總所有履約價與到期日的數值。

一個明顯是假設的計算範例：10,000 口未平倉合約，gamma 值為 0.05，標的資產價格為 100 美元。計算結果為 10,000 乘以 0.05 乘以 100 乘以 100 的平方，再除以 100，等於 5,000,000 美元。這代表標的資產價格每變動 1%，對應的股票金額為 500 萬美元。使用相同算法，公開發布的指數層級讀數可達數十億美元。

正 Gamma 與負 Gamma 區間

正負號決定了整個讀數的意義。

正（多頭）Gamma。 當標的資產上漲時，造市商帳簿的 delta 增加；當標的資產下跌時，delta 減少。為了維持避險中性，這意味著要在價格上漲時賣出股票，並在價格下跌時買入股票。因此，避險交易流動方向與價格變動方向相反。

負（空頭）Gamma。 當標的資產上漲時，造市商帳簿的 delta 減少；當標的資產下跌時，delta 增加。為了維持避險中性，這意味著要在價格上漲時買入股票，並在價格下跌時賣出股票。因此，避險交易流動方向與價格變動方向相同。

業界人士將前者稱為「減震」或「釘住」狀態，後者稱為「加速」狀態，並將總體估計值由正轉負的價格水準稱為 gamma 翻轉點。這些標籤描述的都是一套避險規則，絕非價格預測。在一個每日交易數十億股股票的市場中，造市商避險只是眾多交易流之一，而這項估計值無法看到其他交易流。關於避險交易檯實際上的日常操作，請參閱 造市商如何賺錢。

合約實際集中的位置

每個合約的 gamma 值在價平附近且接近到期日時最高，因此最接近現貨價格的履約價承擔了大部分計算權重。以下是這些集中度在實際交易數據上的呈現：2026年7月6日（週一）交易的每一口 SPY 當日到期合約，按履約價分組，並按交易合約數量排序。

SELECT strike_label AS strike,
       round(sumIf(contracts, opt_type = 'C') / 1e3, 1) AS call_contracts_k,
       round(sumIf(contracts, opt_type = 'P') / 1e3, 1) AS put_contracts_k,
       round(sum(contracts) / 1e3, 1)                   AS total_contracts_k
FROM (
    SELECT substring(ticker, length(ticker) - 8, 1)              AS opt_type,
           toUInt32OrZero(substring(ticker, length(ticker) - 7, 8)) AS strike_thousandths,
           toString(intDiv(strike_thousandths, 1000))            AS strike_label,
           sum(toFloat64(volume))                                AS contracts
    FROM global_markets.options_minute_aggs
    WHERE window_start >= toDateTime('2026-07-06 08:00:00')
      AND window_start <  toDateTime('2026-07-07 04:00:00')
      AND startsWith(ticker, 'O:SPY260706')
    GROUP BY ticker, opt_type, strike_thousandths, strike_label
)
GROUP BY strike_label
ORDER BY sum(contracts) DESC
LIMIT 10

當日交易最活躍的履約價為 751 美元，成交量為 1817.5 千口合約，其中 1082.3 千口為買權，735.2 千口為賣權。次活躍的履約價為 750 美元，成交量為 1725.9 千口。到了排名第十的履約價，成交量降至 159.6 千口。這十個履約價，價格區間僅數美元，卻包含了這個價格超過 700 美元的標的當日大部分交易活動。

買權與賣權的組成比例在現貨價格附近發生轉變，這正是帶有正負號的 GEX 計算試圖捕捉的傾斜現象。在 753 美元（價外）處，買權成交量以 587.8 千口領先賣權的 74.8 千口。在 748 美元（價內）處，賣權成交量以 457.4 千口領先買權的 107 千口。

這個圖表顯示了一個需要注意的地方：這裡顯示的是成交量，即換手的合約數量，而非未平倉合約，即收盤後仍在外流通的合約數量。GEX 是基於後者計算的。選擇權成交量 vs 未平倉量 說明了兩者的區別。

近期到期合約主導交易數據

SELECT multiIf(dte = 0, '0 (expires today)',
               dte = 1, '1 day',
               dte <= 7, '2-7 days',
               dte <= 30, '8-30 days',
               '31+ days') AS days_to_expiry,
       round(sum(volume) / 1e6, 2) AS contracts_mm,
       round(100.0 * sum(volume) / sum(sum(volume)) OVER (), 1) AS pct_of_volume
FROM (
    SELECT toFloat64(volume) AS volume,
           dateDiff('day',
                    toDate(toTimeZone(window_start, 'America/New_York')),
                    toDateOrNull(concat('20', substring(ticker, length(ticker) - 14, 6)))) AS dte
    FROM global_markets.options_minute_aggs
    WHERE window_start >= toDateTime('2026-07-06 08:00:00')
      AND window_start <  toDateTime('2026-07-07 04:00:00')
      AND toDate(toTimeZone(window_start, 'America/New_York')) = toDate('2026-07-06')
)
WHERE dte >= 0
GROUP BY days_to_expiry
ORDER BY min(dte)

當天下午到期的合約佔了該交易日所有美國選擇權成交量的 38.8%，共 23.52 百萬口，而到期日超過一個月的合約成交量則為 18.6% 百萬口。每個合約的 gamma 值正是在這個近期到期的區間內最大，同時這也是未平倉合約周轉最快的區間。因此，基於前一交易日收盤後結算文件計算出的 GEX 數值，所描述的是一個已經發生變化的帳簿。零天到期選擇權 詳細介紹了這種當日到期的合約。

估計值集中在少數產品中

SELECT root AS underlying,
       round(sum(volume) / 1e6, 2) AS zero_dte_contracts_mm,
       round(100.0 * sum(volume) / sum(sum(volume)) OVER (), 1) AS pct_of_zero_dte_volume
FROM (
    SELECT substring(ticker, 3, length(ticker) - 17) AS root,
           toFloat64(volume) AS volume
    FROM global_markets.options_minute_aggs
    WHERE window_start >= toDateTime('2026-07-06 08:00:00')
      AND window_start <  toDateTime('2026-07-07 04:00:00')
      AND toDate(toTimeZone(window_start, 'America/New_York')) = toDate('2026-07-06')
      AND toDateOrNull(concat('20', substring(ticker, length(ticker) - 14, 6))) = toDate(toTimeZone(window_start, 'America/New_York'))
)
WHERE root != 'SPCX'
GROUP BY root
ORDER BY sum(volume) DESC
LIMIT 8

當日到期的交易流高度集中：SPY 佔了 36.1%，QQQ 佔了 21.2%，而 SPXW（週結算的現金交割標普500指數選擇權）則佔了 11.3%。公開發布的 GEX 系列數據也是針對這少數幾個標的進行報價，因為只有這些標的的選擇權鏈深度足夠，逐履約價加總的結果才有意義。對於交易清淡的個股，其 GEX 只是對少數幾口合約進行的算術運算。

GEX 所依據的假設

未平倉合約不揭露多空方向。 交易所會公布每個履約價有多少合約在外流通，但從不公布誰是多頭、誰是空頭。造市商持有買權多頭與賣權空頭的慣例，源自於對客戶行為的概括性推論：散戶買進買權，而機構買進賣權進行避險。這是一種經驗法則，在特定日期的特定履約價上，它很可能是錯誤的。

Gamma 來自模型。 Black-Scholes 模型需要每個履約價的隱含波動率、利率和股息假設。只要改變波動率曲面，總和中的每個 gamma 值都會隨之改變。

未平倉合約本質上具有滯後性。 它每個交易日只在收盤後，根據結算數據發布一次。因此，盤中的 GEX 數據是錨定於前一交易日的帳簿。

產品的界定範圍是一個選擇。 SPX 指數選擇權、SPY ETF 選擇權和 E-mini 期貨選擇權都以不同的乘數參考標普500指數。納入或排除其中任何一個，都會使總金額變動數十億美元。

為什麼兩個 GEX 數值會不一致

兩個數據平台可能讀取相同的市場數據，卻印出相差甚遠的總金額。造成這種差距的每一個原因都列在以上幾點中：包含了哪些產品、使用了哪個波動率曲面輸入模型、數值是報每 1% 變動還是每 1 個指數點變動、造市商的正負號是逐履約價應用還是對總體應用，以及如何處理到期日當天的合約。將一個發布商的數據與另一個發布商的門檻值進行比較，其實是在比較兩個不同的統計量。閱讀同一來源的數據系列並與其自身歷史數據進行比較，才能保持單位的一致性。

最大痛點，一個相關的統計量

最大痛點 是指能讓最多未平倉合約的總美元價值到期歸零的那個履約價。它的計算僅使用未平倉合約數據，不需要波動率模型，也不需要關於造市商方向的假設。它指出一個價格，而非量化一個交易流。這兩個統計量常在每月到期日附近被並列討論，但它們回答的是不同的問題：最大痛點指向一個履約價，而 gamma exposure 量化了避險的規模。

從業人員實際使用的工具

在程式碼共享網站上，常見開源的 GEX 和持倉數據儀表板。閱讀這類程式碼是將上述假設具體化的最快方式。選擇權鏈快照、模型輸入、正負號慣例以及彙總步驟，都濃縮在幾百行程式碼中。截至2026年7月，有數個此類專案仍在積極維護中。值得關注的專案會在一開始就清楚說明其波動率資料來源和造市商方向的慣例。一個推導過程未公開的數字是無法被驗證的。將 GEX 與交易流數據一同解讀的交易者，經常會將其與 異常選擇權活動 以及更廣泛的 選擇權 Greeks 結合使用。

Gamma exposure 常見問題

正的 gamma exposure 代表什麼？

正的 GEX 表示，根據估計，造市商帳簿在標的資產上漲時會增加 delta，在下跌時會減少 delta。為了維持該帳簿的避險中性，意味著要在價格上漲時賣出，在價格下跌時買入。從業人員將此狀態描述為「減震」或「釘住」；這是對一套避險規則的描述，而非價格預測。

什麼是 gamma 翻轉點？

Gamma 翻轉點是指，GEX 模型的總體估計值由正轉負時所對應的標的資產價格。在此價格之上，模型化的避險交易流動方向與價格變動方向相反；在此價格之下，則與價格變動方向相同。這個水準會隨著未平倉合約、波動率曲面或模型假設的改變而移動，因此兩個發布商很少會報出相同的翻轉點。

GEX 背後的未平倉合約從何而來？

未平倉合約每個交易日只在收盤後，根據結算數據發布一次：即每個履約價和到期日在外流通的合約數量。它不包含任何關於哪個交易對手是多頭或空頭的資訊，這是任何 GEX 計算中最大的一個假設。

Gamma exposure 和 gamma squeeze 是一樣的嗎？

不一樣。Gamma exposure 是對整個帳簿避險敏感度的靜態估計。Gamma squeeze 則是針對特定個股中，避險交易流是其中一個驅動因素的快速買入事件所套用的敘事。GEX 是一種衡量嘗試；而 squeeze 這個標籤則是對事後事件的描述。

GEX 可以針對單一個股計算嗎？

從技術上來說可以，同樣的加總方法可以應用在任何掛牌的選擇權鏈上。但在交易清淡的選擇權鏈上，由於履約價數量少且隱含波動率報價區間寬，總金額很容易被少數數據主導，導致估計值雜訊很大。在上述2026年7月的交易日中，除了少數幾個主要的個股選擇權外，指數產品以外的當日到期成交量急遽下降。

以上每個圖表都是一個已儲存的查詢，其 SQL 程式碼只需點擊一下即可取得。您可以在 Strasmore 終端機上對任何選擇權鏈執行相同的掃描。