数字是怎么算出来的

屏幕上的每一个数字，都是同一套定价引擎在你的设备上按写明的假设算出来的——不是生成的，不是联网取的，也没有一个结果是手填的。本页列出模型、假设，以及它没有考虑的东西。

模型

• 期权价格与希腊值：带连续股息率的 Black-Scholes 模型。
• Delta 被当作「到期落在价内的概率」的粗略近似——它是近似，不是预测。
• 期望值给两种口径：对数正态（Black-Scholes）假设下的，以及「肥尾」版本——借用此前历史窗口里真实的 21 个交易日对数收益的形状（样本至少 60 个，不够就不显示这一行）。
• 到期前触及 50% 止盈点的概率是蒙特卡洛估计：2,000 条路径、固定种子，同样的输入永远得到同一个数。
• 尾部风险（CVaR）= 上述肥尾结果里最差 5% 的平均值。

假设

• 在历史情景与 Wheel 模拟里，隐含波动率 = 历史波动率 × 1.15（历史波动率取此前 20 个交易日、年化）。卖方赚的正是隐含波动率通常高于实现波动率的那一截；这个系数把它明写出来，而不是藏起来。
• 不用 VIX：它是另一份需要授权的指数，而且只覆盖极少数标的。用同一份价格历史推波动率，所有数字都能从一份打包数据复现。
• 利率：Wheel 模拟取 4%；历史情景按年份取 0.1% 至 5%。股息率：历史情景里 SPY 取 1.3%；Wheel 模拟取 0，因为它的价格已经复权。
• 每笔都按理论价（Black-Scholes）成交。
• 计算器里的每个输入都由你自己填，应用不代填市场数值。

没有考虑的

• 买卖价差与滑点。
• 佣金与手续费。
• 税。
• 保证金要求。
• 提前指派与除息风险的完整处理。
• 任何收益承诺。这些假设下的结果是教学演示，不是预测。

数据

• SPY 复权日收盘价，1993-01-29 至 2026-09-11（8,462 个交易日），随应用打包。216 个每日历史情景由历史收盘价生成。不使用任何实时或延时行情。
• 来源与许可：待定。

校验

• 定价、期望值与规则引擎与一份独立的 Python 实现逐数对拍。
• 课文里引用的关键统计数字由脚本从数据现算，漂了发布前的检查就会失败。

本应用仅供学习，不提供金融、投资或交易建议。