Strasmore Research
學習 Matt Connor作者： Matt Connor · 更新於 2026-07-25

賣權買權比率是什麼？數據解析

賣權成交量除以買權成交量，反映全市場偏空與偏多布局的相對力道，涵蓋指數與個股、逐日到期日區分，並對照十年歷史區間。

賣權／買權比率是當日賣權成交量除以買權成交量：每一口看多合約對應多少口看空合約成交。數值高於 1.0 表示賣權換手多於買權；遠低於 1.0 則表示買權主導。多數說明只停留在定義和一條民間經驗法則。本頁計算的是真實數據——涵蓋所有掛牌美式選擇權合約，逐日統計——再按專業做法拆分：指數對個股、逐個到期日區分，並對照十年歷史。

賣權買權比率如何計算？

將一個交易時段內所有選擇權交易的賣權合約成交量加總，再將買權合約成交量加總，然後相除。賣權在標的下跌時增值；買權則在標的上漲時增值——因此該比率可被視為反映市場偏空布局相對於偏多布局的粗略溫度計。

計算方式刻意保持簡單。假設某檔股票在一個交易時段內成交了40,000口賣權合約與60,000口買權合約：40,000 ÷ 60,000 = 0.67，即每三口買權對應兩口賣權。若買權維持在60,000口，而賣權增加至90,000口，則比率變為1.5。這就是全部的公式；所有複雜之處都在於解讀，而非除法。

「成交量」一詞背後隱藏了兩個細節：

  • 是成交量，而非未平倉量。 標準比率計算的是當日成交的合約數量。另一種變體則採用未平倉量——即流通在外的合約——其變動速度慢得多。務必確認圖表所顯示的是哪一種。
  • 每筆交易都有兩方。 買入賣權建立新倉、賣出賣權以平倉避險部位，以及賣出賣權收取權利金，這三種操作在成交量上顯示的數字都一樣。該比率計算的是活動量，而非意圖。

全市場賣權／買權比率目前呈現什麼樣貌？

逐日計算所有掛牌美國股票、ETF 與指數選擇權，自 6 月 1 日起至資料庫最後一個完整交易日：

查詢全市場賣權買權比率（日）— 全美上市選擇權，2026年6月1日至7月10日
每個數據背後的精確 SQL 語法
SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS day,
       concat(monthName(day), ' ', toString(toDayOfMonth(day))) AS day_label,
       round(sumIf(toFloat64(volume), substring(ticker, length(ticker) - 8, 1) = 'P')
             / sumIf(toFloat64(volume), substring(ticker, length(ticker) - 8, 1) = 'C'), 3) AS put_call_ratio,
       round(sum(toFloat64(volume)) / 1e6, 1) AS contracts_mm
FROM global_markets.options_minute_aggs
WHERE window_start >= '2026-06-01 04:00:00'
  AND window_start < '2026-07-11 04:00:00'
GROUP BY day
ORDER BY day

該數列於 June 1 以 0.589 開窗，於 July 10 以 0.686 收窗，期間從未跨越 1.0——在所有 28 個交易日中，買權成交量均超越賣權。這是第一個實務課題：1.0 並非初學者所假設的中性中點。資訊存在於該比率在其自身區間內的移動。以下是 6 月完整月份的區間：

查詢2026年6月賣權買權比率區間 — 全市場日資料之中位數、最高與最低
每個數據背後的精確 SQL 語法
WITH daily AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS day,
           sumIf(toFloat64(volume), substring(ticker, length(ticker) - 8, 1) = 'P')
           / sumIf(toFloat64(volume), substring(ticker, length(ticker) - 8, 1) = 'C') AS ratio
    FROM global_markets.options_minute_aggs
    WHERE window_start >= '2026-06-01 04:00:00'
      AND window_start < '2026-07-01 04:00:00'
    GROUP BY day
)
SELECT round(quantileDeterministic(0.5)(ratio, cityHash64(toString(day))), 3) AS june_median,
       round(max(ratio), 3) AS june_high,
       concat(monthName(argMax(day, ratio)), ' ', toString(toDayOfMonth(argMax(day, ratio)))) AS june_high_day,
       round(min(ratio), 3) AS june_low,
       concat(monthName(argMin(day, ratio)), ' ', toString(toDayOfMonth(argMin(day, ratio)))) AS june_low_day
FROM daily

6 月的中位數落在 0.793，區間範圍從 0.589（June 1）到 0.923（June 25）。現在來看該月眾人印象最深刻的一個交易日——6 月 5 日的拋售，詳見2026 年 6 月回顧。選擇權當日成交 103.1 百萬口合約，為此觀察期內最繁忙的交易日，而該比率從前一日的 0.679 躍升至 0.866。拋售與賣權偏重、成交量創紀錄的交易發生在同一天：該比率即時記錄了向下佈局激增的現象。

兩點實務說明。該水準會隨當週交易產品組合而漂移，因此區間內微幅的日間波動本身意義不大。而總成交量是關鍵脈絡——相同比率但合約量翻倍，所傳達的訊號強度截然不同，這就是為什麼圖表在比率旁同時呈現合約口數。

CBOE、ISEE 及其他具名 Put-Call 參考指標

如果你的券商或財經新聞圖表引用了「那個」Put-Call Ratio，它幾乎可以確定是引用了某幾個具名、公開發布的序列之一——而它們衡量的群體並不相同：

  • $CPC — CBOE 總 Put/Call Ratio：所有在 CBOE 交易所交易的選擇權，Put 除以 Call。
  • $CPCE — 僅限股票的比率：個股選擇權。像 SPY 這類實物交割的 ETF 選擇權在此分類下歸屬於股票端，即使交易者將其當作指數產品使用。
  • $CPCI — 僅限指數的比率：現金結算的指數選擇權（SPX、NDX、RUT、VIX 等）。
  • ISEE — ISE 情緒指數，建構方式相反：以 Call 除以 Put，再乘以 100，僅計入來自客戶開倉買進的交易。高 ISEE 代表 Call 偏多；高 $CPC 則代表 Put 偏多。若將其一解讀為另一個，訊息會完全顛倒。

CBOE 自家的股票／指數分類界線將 SPY 這類 ETF 選擇權歸在股票端。下方圖表則以不同方式劃分界線，將廣泛市場 ETF 從單一個股中分離出來：這兩者的交易模式完全不同。每一筆 2026 年 6 月合約，分為三個群體：

查詢指數型 vs 個股選擇權 — 依檔數計算之賣權買權比率，2026年6月
每個數據背後的精確 SQL 語法
WITH substring(ticker, 3, length(ticker) - 17) AS root
SELECT multiIf(root IN ('SPX', 'SPXW', 'XSP', 'NDX', 'NDXP', 'RUT', 'RUTW', 'VIX', 'VIXW', 'DJX', 'OEX', 'XEO'), 'Index options (SPX, VIX, NDX)',
               root IN ('SPY', 'QQQ', 'IWM', 'DIA'), 'Broad-market ETFs (SPY, QQQ, IWM, DIA)',
               'Single stocks and other ETFs') AS population,
       round(sumIf(toFloat64(volume), substring(ticker, length(ticker) - 8, 1) = 'P')
             / sumIf(toFloat64(volume), substring(ticker, length(ticker) - 8, 1) = 'C'), 3) AS put_call_ratio,
       round(sum(toFloat64(volume)) / 1e6, 1) AS contracts_mm,
       round(100 * sum(toFloat64(volume)) / sum(sum(toFloat64(volume))) OVER (), 1) AS pct_of_volume
FROM global_markets.options_minute_aggs
WHERE window_start >= '2026-06-01 04:00:00'
  AND window_start < '2026-07-01 04:00:00'
GROUP BY population
ORDER BY put_call_ratio DESC

兩個與指數掛鉤的群體都呈現 Put 偏多——廣泛市場 ETF 為 1.175，現金結算指數選擇權為 1.096，各自均高於 1.0——而單一個股及其他所有項目則印出 0.588，相當於每兩口 Call 還不到一口 Put。其機制是結構性的：指數產品是投資組合避險的標準工具，而避險是透過 Put 來執行的；單一個股則吸引投機性的 Call 買盤。交易量佔比也很重要——單一個股及其他 ETF 承載了 6 月合約的 59.9%，因此一個「總計」比率多半只是一個戴著指數帽子的股票比率。

比率取決於你拿它衡量什麼

再往下細看一層。同樣的衡量方式，2026年6月，針對五檔最活躍的個股：

查詢各標的賣權買權比率 — 五檔最活躍標的，2026年6月
每個數據背後的精確 SQL 語法
SELECT multiIf(ticker LIKE 'O:SPY2%', 'SPY',
               ticker LIKE 'O:QQQ2%', 'QQQ',
               ticker LIKE 'O:NVDA2%', 'NVDA',
               ticker LIKE 'O:TSLA2%', 'TSLA',
               'AAPL') AS underlying,
       round(sumIf(toFloat64(volume), substring(ticker, length(ticker) - 8, 1) = 'P')
             / sumIf(toFloat64(volume), substring(ticker, length(ticker) - 8, 1) = 'C'), 2) AS put_call_ratio,
       round(sum(toFloat64(volume)) / 1e6, 1) AS contracts_mm
FROM global_markets.options_minute_aggs
WHERE window_start >= '2026-06-01 04:00:00'
  AND window_start < '2026-07-01 04:00:00'
  AND (ticker LIKE 'O:SPY2%' OR ticker LIKE 'O:QQQ2%' OR ticker LIKE 'O:NVDA2%'
       OR ticker LIKE 'O:TSLA2%' OR ticker LIKE 'O:AAPL2%')
GROUP BY underlying
ORDER BY put_call_ratio DESC

SPY 在這五檔中賣權比重最高，達到 1.16；NVDA 則僅為 0.56。拿一檔股票的比率去和另一檔比較，幾乎沒有意義——真正有用的比較，是一檔股票與其自身歷史的對照。

賣權買權比率會隨到期日而變嗎？

一天的成交量並非均質的一堆：有些合約數小時後到期，有些則在數年後。將6月的成交量依距到期天數排序——參見DTE的含義——便能將避險單與樂透單區分開來：

查詢依剩餘天數之賣權買權比率 — 全美上市選擇權，2026年6月
每個數據背後的精確 SQL 語法
WITH toDate(toTimeZone(window_start, 'America/New_York')) AS trade_day,
     toDate(concat('20', substring(ticker, length(ticker) - 14, 2), '-',
                   substring(ticker, length(ticker) - 12, 2), '-',
                   substring(ticker, length(ticker) - 10, 2))) AS expiry,
     dateDiff('day', trade_day, expiry) AS dte
SELECT multiIf(dte <= 0, '0DTE (expires today)', dte <= 7, '1-7 days', dte <= 30, '8-30 days',
               dte <= 90, '31-90 days', '91+ days') AS expiry_bucket,
       round(sumIf(toFloat64(volume), substring(ticker, length(ticker) - 8, 1) = 'P')
             / sumIf(toFloat64(volume), substring(ticker, length(ticker) - 8, 1) = 'C'), 3) AS put_call_ratio,
       round(sum(toFloat64(volume)) / 1e6, 1) AS contracts_mm,
       round(100 * sum(toFloat64(volume)) / sum(sum(toFloat64(volume))) OVER (), 1) AS pct_of_volume
FROM global_markets.options_minute_aggs
WHERE window_start >= '2026-06-01 04:00:00'
  AND window_start < '2026-07-01 04:00:00'
GROUP BY expiry_bucket
ORDER BY min(dte)

該比率在日曆上的每一步都在下降。當日到期的合約——0DTE選擇權——印出了0.957，是五組中賣權最重的一組，且它們單獨就占了6月總成交量的34.3%。一到七天到期的，比率降至0.756；八到三十天到期的為0.717；三十一到九十天到期的為0.634；而在九十一天及以上的組別，即LEAPS的尾端，比率觸底於0.564——這是市場上買權最重的一角。

這張表悄悄地改寫了通俗的解讀。全市場的比率是不同到期日合約的混合體，其組成每週都在變化：一個沉重的到期週五會將權重轉向短天期，從而在沒有任何人情緒焦慮程度改變的情況下，讓整體數字產生變動。

歷史讀數有多極端？

六週的數據無法判斷一個讀數是否罕見。要做出判斷需要數年資料——以下是市場上歷史最悠久、交易量最大的選擇權系列 SPY，呈現我們選擇權資料庫中每個完整年度的每日買賣權比率中位數、低點與高點：

查詢SPY賣權買權比率十年回顧 — 各年度日資料之中位數、最低與最高
每個數據背後的精確 SQL 語法
WITH daily AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS day,
           sumIf(toFloat64(volume), substring(ticker, length(ticker) - 8, 1) = 'P')
           / sumIf(toFloat64(volume), substring(ticker, length(ticker) - 8, 1) = 'C') AS ratio
    FROM global_markets.options_minute_aggs
    WHERE ticker LIKE 'O:SPY%'
    GROUP BY day
    HAVING sumIf(toFloat64(volume), substring(ticker, length(ticker) - 8, 1) = 'C') > 0
)
SELECT toYear(day) AS year,
       count() AS sessions,
       round(quantileDeterministic(0.5)(ratio, cityHash64(toString(day))), 3) AS median_ratio,
       round(min(ratio), 3) AS low,
       round(max(ratio), 3) AS high
FROM daily
WHERE toYear(day) >= 2015
GROUP BY year
ORDER BY year

從中可以得出三點。第一，SPY 的每日比率中位數在表中每一年都收在 1.0 以上——指數避險偏重賣權的傾向並非 2026 年的情緒，而是該產品的常態。第二，隨著短天期買權交易增長，該水準在過去十年逐步下滑：中位數從 1.754 年的 2015 降至 1.168 年的 2025。第三，年度區間很寬——2026 年迄今，在 130 個交易日中，範圍從 0.848 到 1.751。這就是對「今日讀數是否極端？」的誠實回答：應以其自身產品的分布來評判，絕不能以 1.0 為基準。

如何觀察單一個股的賣權／買權比率

上方圖表是觀察方法，而非固定報告。若要為你持有的個股建立該比率：

  1. 選定標的範圍。 只看單一標的的選擇權，而非「全市場」——前述的混雜效應會讓綜合數字無法解讀。
  2. 將該標的當日所有履約價與到期日的賣權成交量與買權成交量分別加總，再相除。在選擇權代碼中，從末端倒數第九個字元是 P 或 C ——這一個字元就決定了完整分類。
  3. 先建立歷史數據，再判斷當前水準。 單日 0.9 的數值本身沒有意義，直到你了解該標的自身的中位數與波動範圍——這正是 SPY 圖表逐年展示的邏輯。
  4. 同時觀察成交量。 在一般成交量下出現的飆升只是雜訊；同樣的飆升若發生在六週以來最繁忙的交易中，就是前述 6 月 5 日盤勢的狀況。
  5. 固定你的到期日範圍。 是全部到期日，還是僅限短天期？兩者都有其道理；但若在不同交易日混用這兩種範圍，就站不住腳。

交易人如何解讀——以及誠實的侷限

以下所述為解讀方式，而非鐵律：比率上升被解讀為避險需求增加，而極端飆升則被反向操作者視為投降信號——群眾終於買了保險。6月5日的交易時段誠實展現了這個機制：該比率是在拋售期間飆升，而非提前預警。在這段觀察期內，它表現得像一支同步的溫度計，而非預測工具。任何經驗法則都應對照實際數據序列來檢驗——並謹記零日到期期權的交易量持續在改變所謂「正常」的定義。

常見問題

正常的賣權／買權比率是多少？

這完全取決於觀察的群體。2026年6月，所有掛牌美國選擇權的全市場每日中位數為 0.793，區間介於 0.589 至 0.923 ——從未高於1.0。同月，廣泛市場ETF選擇權的數值為 1.175，而個股及其他ETF則為 0.588。對SPY來說的「正常」，對個股而言並不正常。

高賣權／買權比率是看漲還是看跌？

兩種解讀都存在，且兩者都不是鐵律。從表面上看，大量的賣權成交量代表偏空布局；反向操作者則將極端的飆升視為賣方群體已全面進場的訊號。在2026年6月的數據中，該數值的飆升發生在拋售當天——這是一種同步現象，而非預測訊號。

賣權／買權比率與VIX或隱含波動率相同嗎？

不相同，而這是最常見的混淆。賣權／買權比率是根據成交量——即有多少合約易手——所建構。VIX與隱含波動率則來自選擇權的價格：即這些合約有多貴，並以年化波動率的形式呈現。隱含波動率偏斜比較的是下跌賣權與上漲買權的價格。大量的賣權成交量可以在平穩的價格下交易，而恐慌的價格下可能成交量清淡——這兩種指標可能出現分歧，且兩者都可能是正確的。

$CPC、$CPCE 和 $CPCI 是什麼？

它們是CBOE公布的賣權／買權比率：$CPC代表總成交量，$CPCE代表股票選擇權（SPY及其他ETF在此歸類為股票），而$CPCI則代表現金結算的指數選擇權。這種區分很重要。我們自行建構的三方版本，是將廣泛市場ETF從指數選擇權和個股中獨立出來，而非遵循CBOE的兩方劃分。在2026年6月，該版本測得廣泛市場ETF為 1.175，指數選擇權為 1.096，兩者均高於1.0，而個股及其他ETF則為 0.588。ISE的ISEE指數則是一個獨立的、反向的指數：僅計算客戶開倉買入的買權除以賣權。

賣權／買權比率使用的是成交量還是未平倉量？

標準比率使用的是當日的交易成交量。存在一種未平倉量的變體，其變動速度慢得多，兩者在同一天可能指向不同的方向——成交量與未平倉量涵蓋了這項區別。

此處的每一個數值都是對完整選擇權報價紀錄的儲存查詢——展開任何一個面板的SQL，或在Strasmore終端機上為您自己的自選清單計算該比率。

#options#put-call ratio#hedging#market structure