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

0DTE選擇權何時交易最熱絡

逐小時數據顯示，0DTE選擇權早盤交易最密集，開盤前半小時流速最快，而非收盤前。涵蓋每小時成交量、買賣權分布與週間型態。

關於0DTE選擇權的民間說法是把它當成收盤前的賭場：在最後一小時買進樂透彩券，只為最後一次擲硬幣的機會。但實際交易數據顯示並非如此。逐小時衡量，當日到期選擇權在早盤交易最為密集——最快的合約流發生在開盤後三十分鐘內，而它們佔整體選擇權成交量的比重在收盤時降至最低。以下圖表衡量了在一個0DTE交易密集的交易日（2026年7月10日，星期五）的節奏，並在不同標的、買權與賣權，以及週間各交易日進行驗證。

0DTE 選擇權在一天中何時交易最活躍？

這張圖表將該週五的每一筆選擇權交易，區分為當日到期合約（於當天下午到期）與所有其他合約，並按紐約時間分組。09:00 那一列僅涵蓋半小時——交易時段於 9:30 開始——因此最後一欄將每個時段標準化為每分鐘合約數，這是唯一公平的比較方式。

查詢0DTE合約量、佔所有選擇權成交量比例及每小時流量（美東時間）— 2026年7月10日週五
每個數據背後的精確 SQL 語法
SELECT
    formatDateTime(toStartOfHour(toTimeZone(sip_timestamp, 'America/New_York')), '%H:%i') AS et_hour,
    round(sumIf(size, substring(ticker, length(ticker) - 14, 6) = '260710') / 1e6, 2) AS same_day_contracts_m,
    round(sum(size) / 1e6, 2) AS all_options_contracts_m,
    round(100.0 * sumIf(size, substring(ticker, length(ticker) - 14, 6) = '260710') / sum(size), 1) AS same_day_pct,
    round(sumIf(size, substring(ticker, length(ticker) - 14, 6) = '260710')
          / uniqExact(toStartOfMinute(sip_timestamp)) / 1000, 1) AS same_day_k_per_minute
FROM global_markets.options_trades
WHERE sip_timestamp >= toDateTime64('2026-07-10 13:30:00', 9)
  AND sip_timestamp < toDateTime64('2026-07-10 20:00:00', 9)
GROUP BY et_hour
ORDER BY et_hour

流動速率。 開盤前半小時每分鐘成交 148.9 千份當日到期合約——是該交易時段速度最快的區間。之後每個時段都更慢：10 點為每分鐘 119.8 千份，中午降至 66.6 千份，在 14:00 時段來到 50.3 千份的低點，最後一小時則為 62.6 千份。

絕對成交量。 最大的時段是 10 點鐘那一小時，成交量達 7.19 百萬份合約——這是一整個小時，而非半小時——之後成交量在 14:00 時段下滑至 3.02 百萬份，然後在接近收盤時回升至 3.75 百萬份。尾盤的回升確實存在；但遠不及早盤水準。

占比。 當日到期合約佔所有選擇權成交量的比重，開盤時為 52.9%，在 11:00 時段達到 53.4% 的高峰，之後每小時下滑，至收盤時來到 38.4%——為全天最低。請仔細解讀最後一小時，因為這是坊間傳聞所在之處：總選擇權成交量在接近收盤鐘聲時上升（9.78 百萬份合約，相較於前一小時的 6.63 百萬份——是當天第三繁忙的時段，僅次於 10:00 和 11:00 時段的 13.58 百萬份和 10.86 百萬份），而 0DTE 占比卻在下滑。收盤是選擇權交易繁忙的時刻，也是該交易時段中 0DTE 集中度最低的時刻。

早盤高峰僅限於SPY嗎？

一個合理的質疑：指數ETF每個交易日都有到期合約，因此「0DTE」或許只是SPY和QQQ的故事。下一張圖表將該週五的當日成交量依標的細分，並列出各標的自身的當日合約量，以及其中有多少是在中午前成交的。

查詢當日選擇權成交量（依標的劃分）— 前十大熱門標的，2026年7月10日
每個數據背後的精確 SQL 語法
WITH by_name AS (
    SELECT substring(ticker, 3, length(ticker) - 17) AS underlying,
           sumIf(size, substring(ticker, length(ticker) - 14, 6) = '260710') AS same_day_size,
           sumIf(size, substring(ticker, length(ticker) - 14, 6) = '260710'
                       AND toHour(toTimeZone(sip_timestamp, 'America/New_York')) < 12) AS morning_size,
           sum(size) AS all_size
    FROM global_markets.options_trades
    WHERE sip_timestamp >= toDateTime64('2026-07-10 13:30:00', 9)
      AND sip_timestamp < toDateTime64('2026-07-10 20:00:00', 9)
      AND ticker NOT LIKE 'O:SPCX%'
    GROUP BY underlying
)
SELECT underlying,
       round(same_day_size / 1e6, 2) AS same_day_contracts_m,
       round(100.0 * same_day_size / sum(same_day_size) OVER (), 1) AS pct_of_all_0dte,
       round(100.0 * same_day_size / all_size, 1) AS same_day_pct_of_name,
       round(100.0 * morning_size / same_day_size, 1) AS pct_traded_before_noon
FROM by_name
ORDER BY same_day_size DESC
LIMIT 10

指數產品佔據主導地位，但並未壟斷。SPY單一標的就佔全市場當日合約成交量的25.5%，QQQ則佔了另外14.5%；加上標普500指數系列（SPXW）和小型股ETF（IWM），指數產品在前六名中佔了四個席位。另外兩個是單一個股——NVDA佔8.7%，TSLA佔7.3%。

same_day_pct_of_name欄位顯示各標的自身的選擇權市場有多麼偏重0DTE：SPY當天的選擇權成交量中，有72.1%在當天下午到期，而表格末端的AMZN則為46.9%。

早盤集中的現象在所有十個標的上都成立。中午前的交易窗口是整個交易時段6.5小時中的2.5小時——佔時鐘的38%——而每個標的在該窗口內成交的當日合約量佔比都高於這個時間比例：最高的是IWM，達到67.4%；最低的是MU，為44.5%；SPY為54.4%；NVDA為56.3%。這種傾斜是產品本身的特性，而非單一ETF所獨有。

買權和賣權遵循相同的時鐘嗎？

直覺會認為賣權走得較晚 — 接近收盤時充滿了對隔夜跳空缺口的避險。但交易數據顯示兩邊幾乎保持相同的時鐘。

查詢當日買權 vs. 賣權（依美東時間小時），及賣權佔0DTE成交量比例 — 2026年7月10日
每個數據背後的精確 SQL 語法
SELECT formatDateTime(toStartOfHour(toTimeZone(sip_timestamp, 'America/New_York')), '%H:%i') AS et_hour,
       round(sumIf(size, substring(ticker, length(ticker) - 8, 1) = 'C') / 1e6, 2) AS call_contracts_m,
       round(sumIf(size, substring(ticker, length(ticker) - 8, 1) = 'P') / 1e6, 2) AS put_contracts_m,
       round(100.0 * sumIf(size, substring(ticker, length(ticker) - 8, 1) = 'P') / sum(size), 1) AS put_share_pct
FROM global_markets.options_trades
WHERE sip_timestamp >= toDateTime64('2026-07-10 13:30:00', 9)
  AND sip_timestamp < toDateTime64('2026-07-10 20:00:00', 9)
  AND substring(ticker, length(ticker) - 14, 6) = '260710'
GROUP BY et_hour
ORDER BY et_hour

雙方都在同一個 10 點鐘區間達到高峰 — 4.1M 的買權對比 3.09M 的賣權 — 兩者都在午後下滑，然後在收盤前小幅回升。賣權佔當日成交量的份額是值得關注的一欄：在開盤區間最低 (34.9%)，到 10 點跳升至 43%，隨後維持在狹窄區間，最後收在 41.7%。

混合效應與避險敘事相反：開盤的急衝是全天買權傾向最強的時段，而賣權在之後收復幾個百分點的份額。並未出現尾盤的賣權激增。

週二的模式是否成立？

每小時的節奏取決於每日的節奏：一個交易時段能有多少零日到期選擇權交易量，取決於當天到期的合約。週五是到期日曆中最繁忙的一天——週選擇權、月選擇權以及每日到期的 ETF 系列都在這一天到期——而週二只有每日到期的標的。此面板匯總了六週內按工作日劃分的交易時段數據。

查詢當日選擇權成交量佔比（依週間日劃分）— 所有交易時段，2026年6月1日至7月10日
每個數據背後的精確 SQL 語法
WITH sessions AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS session_date,
           sumIf(volume, substring(ticker, length(ticker) - 14, 6)
                         = formatDateTime(toDate(toTimeZone(window_start, 'America/New_York')), '%y%m%d')) AS same_day_vol,
           sum(volume) AS all_vol
    FROM global_markets.options_minute_aggs
    WHERE window_start >= toDateTime64('2026-06-01 13:30:00', 9)
      AND window_start < toDateTime64('2026-07-10 20:00:00', 9)
      AND toHour(toTimeZone(window_start, 'America/New_York')) BETWEEN 9 AND 15
    GROUP BY session_date
)
SELECT toDayOfWeek(session_date) AS dow,
       formatDateTime(session_date, '%W') AS weekday,
       count() AS sessions,
       round(avg(same_day_vol) / 1e6, 2) AS avg_same_day_contracts_m,
       round(100.0 * sum(same_day_vol) / sum(all_vol), 1) AS same_day_pct_of_volume
FROM sessions
GROUP BY dow, weekday
ORDER BY dow

在 6 個週一、6 個週二、6 個週三、6 個週四和 4 個週五中，差異非常明顯。週五的當日交易量佔所有選擇權交易量的 46.1%，平均每個交易時段有 36.1 百萬張當日合約——在這兩項指標上都是五天中最高的。Tuesday 是最低的（29.2%，18.92 百萬張）；週中的幾天則緊密聚集（34.5% 在 Monday，34.2% 在 Wednesday，35.4% 在 Thursday）。當日交易是每個交易時段都存在的現象——即使是最清淡的工作日，也佔選擇權交易量的 29.2%——但交易量是一個日曆事實，而上方面板中的週五數據接近該範圍的頂端。每小時的形態具有普遍性；曲線的高度則不然。

為什麼是早盤，從機制來看

當日到期選擇權的整個生命週期只有一個交易時段，因此任何想要這類曝險的人——日內區間交易者、事件避險者、收割最後一天時間價值衰減的權利金賣方——在開盤時能運用的產品最多：交易時數最長、權利金最豐厚、當日潛在波動區間也最寬闊且尚未確定。每過一個小時，產品本身就在消耗，而午後佔比下降，正是產品在盤中即時到期的體現。

最後一小時究竟交易了什麼？

一般認為，最後一小時的殘餘部位是深度價內合約向現股收斂，加上價差僅幾美分的樂透履約價。本文以當日交易支付的權利金進行分組檢驗——這在到期日可作為價內程度的替代指標，因為一個只剩幾小時壽命、定價 0.05 美元的合約是深度價外，而 10 美元以上的合約則是深度價內。

查詢尾盤交易內容：當日成交量依權利金劃分，上午10點 vs. 收盤時段 — 2026年7月10日
每個數據背後的精確 SQL 語法
SELECT multiIf(price < 0.10, 'under $0.10', price < 0.50, '$0.10-0.50', price < 2, '$0.50-2', price < 10, '$2-10', '$10 and up') AS premium_bucket,
       round(100.0 * sumIf(size, toHour(toTimeZone(sip_timestamp, 'America/New_York')) = 10)
             / sum(sumIf(size, toHour(toTimeZone(sip_timestamp, 'America/New_York')) = 10)) OVER (), 1) AS pct_of_10am_contracts,
       round(100.0 * sumIf(size, toHour(toTimeZone(sip_timestamp, 'America/New_York')) = 15)
             / sum(sumIf(size, toHour(toTimeZone(sip_timestamp, 'America/New_York')) = 15)) OVER (), 1) AS pct_of_3pm_contracts,
       round(100.0 * sumIf(price * size, toHour(toTimeZone(sip_timestamp, 'America/New_York')) = 15)
             / sum(sumIf(price * size, toHour(toTimeZone(sip_timestamp, 'America/New_York')) = 15)) OVER (), 1) AS pct_of_3pm_premium_dollars
FROM global_markets.options_trades
WHERE sip_timestamp >= toDateTime64('2026-07-10 13:30:00', 9)
  AND sip_timestamp < toDateTime64('2026-07-10 20:00:00', 9)
  AND substring(ticker, length(ticker) - 14, 6) = '260710'
  AND toHour(toTimeZone(sip_timestamp, 'America/New_York')) IN (10, 15)
GROUP BY premium_bucket
ORDER BY min(price)

組合明顯向低價端傾斜。在上午 10 點時段，眾數落在 $0.50-2 區間，占合約數的 37.4%，低於 0.10 美元的區間則占 17.1%。到了收盤時段，低於 0.10 美元的區間占比大約翻倍，達到 33.8%，$0.10-0.50 增加 34.9%，而 $0.50-2 的合約則降至 19.6%。收盤前成交的合約，大部分價格低於 0.50 美元。

最後一欄是修正項。那些高價合約很罕見——$10 and up 區間僅占最後一小時合約數的 2.6%——卻承載了該時段成交權利金的 54.2%，相較之下低於 0.10 美元的區間僅占 0.8%。兩種通俗印象都存在，只是計價單位不同：以合約數量計算，最後一小時是樂透彩市場；以金額計算，則是深度價內合約向現股收斂的稀疏報價（0DTE 指南追蹤了這樣一個最後一小時的樂透履約價）。

0DTE 價差何時最窄？

成交量是流動性的一種衡量指標；跨越市場的成本才是交易者實際支付的代價。此面板讀取該週五 SPY 0DTE 合約的每一次報價更新，並按小時報告中位數買賣價差，僅限於報價在 1 美元至 10 美元之間的合約——一個同類比較的權利金區間（隨著時間推移，區間內的合約會改變；到期產品本就如此）。

查詢SPY當日合約報價$1-$10的中位數買賣價差（依美東時間小時）— 2026年7月10日
每個數據背後的精確 SQL 語法
SELECT formatDateTime(toStartOfHour(toTimeZone(sip_timestamp, 'America/New_York')), '%H:%i') AS et_hour,
       round(count() / 1e6, 1) AS quote_updates_m,
       round(quantileDeterministic(0.5)(toFloat64(ask_price - bid_price), toUInt64(sequence_number)), 3) AS median_spread_usd,
       round(quantileDeterministic(0.5)(toFloat64(ask_price - bid_price) / toFloat64(bid_price + ask_price) * 200,
                                        toUInt64(sequence_number)), 2) AS median_spread_pct_of_mid
FROM global_markets.cache_options_quotes
WHERE ticker LIKE 'O:SPY260710%'
  AND sip_timestamp >= toDateTime64('2026-07-10 13:30:00', 9)
  AND sip_timestamp < toDateTime64('2026-07-10 20:00:00', 9)
  AND bid_price > 0
  AND toFloat64(bid_price + ask_price) / 2 BETWEEN 1 AND 10
GROUP BY et_hour
ORDER BY et_hour

價差隨著交易時段推進而擴大。在該區間內，同一日到期的 SPY 合約，開盤前半小時的中位數報價寬度為中間價的 0.8%——這是當日最窄的區間——而收盤前一小時則為 2.67%，是最寬的區間：六小時後，跨越市場的成本超過兩倍，同一產品，同一權利金區間。以金額來看，中位數價差從 $0.03 擴大到 $0.11，中午時分則介於兩者之間（1.57% 於 12:00）。報價流量走勢相同——10 點鐘那一小時有 1.4 百萬次更新，而最後一小時為 0.1 百萬次：做市商在合約時間價值趨近於零時，更新報價的頻率大幅降低，且一旦更新，報價區間也更寬。

重點解讀：實務上的意義

這幅經過量測的圖像，是一具在逐漸衰敗的時鐘上運作的早晨工具：

  • 一檔0DTE合約生命週期中，成交量最重、速度最快且跨越成本最低的區段，就是其頭兩個小時。之後的每個小時，報價價差都會變寬，交易量也會變薄。
  • 這並非指數ETF獨有的現象：成交量最大的前十檔標的，全都將其當日交易量傾斜至早盤，且買權與賣權遵循相同的時鐘規律。
  • 尾盤最後一小時的交易是真實存在的，但規模很小——它同時是兩個市場：數量極其龐大的極便宜合約，以及數量極少、卻承載了大部分交易金額的極昂貴合約。
  • 週間哪一天至關重要：週五的當日到期交易佔比，遠高於週間任何一天。

這些都未斷言是否該交易一種權利金可能在一個下午就歸零的產品；它說的是，該產品的市場何時最深、跨越成本最低。更廣泛的到期日頻譜，請參閱DTE詞彙頁面。

常見問題

0DTE 選擇權在收盤時是否更活躍？

相對於整體市場而言並非如此。2026年7月10日，當日到期合約在收盤前一小時佔所有選擇權成交量的比重降至 38.4%，為當日最低佔比，儘管總選擇權成交量上升至 9.78 百萬口合約，是該交易時段第三繁忙的小時（僅次於 13.58M 的 10:00 時段與 10.86M 的 11:00 時段）。0DTE 成交量確實在接近收盤鐘聲時小幅增加（3.75M 對比上午高峰的 7.19M），但市場其餘部分的增幅更大。最密集的當日到期交易流出現在開盤前半小時，達到每分鐘 148.9 千口合約。

平均而言，0DTE 佔選擇權成交量的百分比是多少？

這取決於星期幾。截至2026年7月10日的六週內，當日到期合約在週五佔所有選擇權成交量的 46.1%，在 Tuesday 則佔 29.2%——每個交易日都帶有顯著的 0DTE 成交量，而到期日曆決定了具體比重。

賣權和買權的 0DTE 交易時間是否相同？

幾乎一致：兩者在2026年7月10日均於上午10點的同一個小時達到高峰，並在下午同步降溫。賣權佔當日到期成交量的比重在開盤時段最低（34.9%），收盤時則為 41.7%——並未出現尾盤避險需求激增的現象。

SPY 的上午高峰與個股相同嗎？

是的。在那個週五，成交量最大的前十檔標的——無論是 ETF 還是個股——在中午前所產生的當日到期成交量佔比，均超過該時段所涵蓋的38%交易時間比例：個股 NVDA 為 56.3%，SPY 則為 54.4%。

以上所有數據均為基於完整選擇權報價磁帶的已儲存、帶有版本控制的查詢結果——展開任一區塊即可閱讀 SQL，或在 Strasmore 終端機上切換至其他交易時段進行分析。

#options#0dte#intraday#market structure