作者zmcx16 (zmcx16)
看板Stock
标题[心得] 用GPT分析美股选择权估值网站
时间Sun Oct 20 01:32:14 2024
部落格完整文章:
https://blog.zmcx16.moe/2024/10/gpt-norn-stockscreener_20.html
之前写了一篇用GPT帮忙分析整理美股公司资料, 这次想到也可以用GPT帮忙分析美股选择
权估值, 毕竟之前做了不少美股选择权估值的模型, 如果能把这些资料交给GPT来帮忙分
析, 或许可以在做选择权交易之前看下分析报告, 让GPT帮忙简单整理买卖方建议。
关於之前写的选择权估值模型的文章, 有兴趣的可以也可以参考下:
[网站开发] 美股选择权定价模型 - 新增隐含波动率计算凯利公式
https://blog.zmcx16.moe/2022/08/blog-post.html
这次做好的功能如下:
https://i.imgur.com/vHvDAh4.png
Norn-StockScreener投资网站:
https://norn-stockscreener.zmcx16.moe/gpt-investing-assistant/
Github:
https://github.com/zmcx16/Norn-StockScreener
https://github.com/zmcx16/Norn-Finance-API-Server
这个页面的功能参数如下:
* Symbol: 美股选择权合约的股票代号
* GPT Model Name: 选要使用的GPT的model name, 预设是目前CP值最高的gpt-4o, 如果
选gpt-3.5-turbo的话产出的报告就会简单不少, 另外也支援使用者自己输入OpenAI其他
支援的model, 不过不一定能用, 只有ChatGPT相关的model才能跑。
* OpenAI API Key: 考虑到自己的钱包, 有想使用的人得输入自己的OpenAI API Key, 我
想会有人担心输入了API Key会不会被我偷偷拿去用, 我说不会也拿不出证明, 所以真的
有想用这功能的话, 建议申请5美元免洗帐号的API Key, 或是用自己帐号新产生的key,用
完就赶紧销毁吧~ 申请API Key可以参考这个文章:
如何免费申请ChatGPT (OpenAI) 的API Key
https://today.line.me/tw/v2/article/mWE3Ylm
* Expriation Date: 选择权合约到期日
* Strike Price: 选择权合约履约价
* Call / Put Option: 选择Call or Put合约
* Valuation Data: 选择权估值模型参数选择, 在使用GPT模型之前, 会先用自己做的估
值模型跑估值结果, 使用者可以决定要不要让GPT模型也参考这些估值结果, 目前总共有
以下参数:
'Black Scholes Merton EWMA Historical Volatility', 'Monte Carlo EWMA
Historical Volatility', 'Binomial Tree EWMA Historical Volatility', 'Kelly
Criterion', 'Probability of Exercise of Option', 'Delta', 'Gamma', 'Vega',
'Theta', 'Rho'
使用以上参数输入给GPT模型的Prompt范例如下, 其中大部分的资料都是从
Norn-Finance-API-Server取得:
{{"model":"o1-preview","messages":[{"role":"user","content":"Please analyze
the option contract for the company with the symbol DIS. Provide a detailed
and comprehensive analysis, focusing on the risks—particularly the impact of
the earnings date and ex-dividend date—and valuation for both the buyer and
the seller. Your task is to thoroughly evaluate the data and generate a
report in Markdown format (No need to wrap in code blocks). Here’s the
data:\n```{option contract & valuation data}```"}]}}
至於结果就像上面demo图看到的, 照惯例我直接Google翻译页面了, 比较好解释XD:
https://i.imgur.com/zebjKh4.png
上面的资料是程式使用yfinance从Yahoo财经取得的选择权合约资料, 包含报价资料以及
隐含波动率等等, 其中只有历史波动率不是Yahoo财经给的, 是Norn-Finance-API-Server
用历史股价计算出来的。
https://i.imgur.com/1Xqd87O.png
上图的凯利公式也是Norn-Finance-API-Server透过蒙地卡罗模拟计算出来, 可以看出该
put交易用凯利公式分析对卖方有利(不过该公式只单纯用历史波动率做蒙地卡罗模拟未来
的股价变化, 并没有考虑到消息面, 财报公布日, 除权息等等, 只能当作参考不能只看这
个参数是决定交易与否), 至於风险分析这边感觉有些废话, 除了行权机率也是透过程式
估算以外, 其他的文字叙述基本上看合约报价就懂的意思差不多...。
https://i.imgur.com/o1biI9g.png
分析结果该合约简单总结对卖方有利, 其他的文字叙述一样有些鸡肋就是..., 另外来看
看, 如果选择权履约日在财报日之後, GPT会怎麽回覆吧, DIS下次财报日是11/14, 我们
挑11/15到期, 行权价90元的迪士尼卖权合约看看:
https://i.imgur.com/GH4SPxl.png
https://i.imgur.com/Rxm22y9.png
可以看出因为是价外合约+离目前股票落差不小, 所以行权机率低(7.34%), 凯利公式算出
来也是对卖方略为有利(不过也只有0.98%, 跟不建议交易基本上也差不多了), 可是这些
公式都是透过历史波动率计算, 如果加上考虑财报日的影响, 基本上是完全不建议做卖方
交易的, 而因为我们在GPT prompt有注明要考虑行权日以及除息日的风险, 所以有特别叙
述卖方的风险, 算是有达到我想要的警告这样。
这次的结果感觉没有上次的公司分析整理报告好, 给的建议大多数都是看我原本程式的数
据就能得到, 这块我可能要再思考一下, 继续改进prompt是否可以得到更有价值的建议.
..。
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 123.192.200.34 (台湾)
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Stock/M.1729359137.A.262.html
※ 编辑: zmcx16 (123.192.200.34 台湾), 10/20/2024 01:32:59
1F：推 zxcvbnm2010 : 看不懂好难 10/20 01:35
2F：推 NTHUlagka : 奇怪上次那个我没办法用欸 会一直现实错误 错误讯 10/20 02:22
3F：→ NTHUlagka : 息码好像是-2 10/20 02:22
遇到error可以chrome按F12开启浏览器开发者模式, 看网路封包
do-ai-option-valuation-analysis显示的API error是什麽, 我再看看原因...。
4F：推 hyk99885ggb : 赞赞下礼拜财报周刚好来用 10/20 02:31
5F：推 js01078687 : 推 10/20 03:04
6F：推 myth356 : 猛 看到晕了q 10/20 06:14
7F：推 spike1215 : 好猛啊 10/20 08:10
8F：推 weightisjoke: 推 赞啦 10/20 08:18
9F：推 sirins : 先推怕别人发现我看不懂 10/20 08:34
10F：推 cosmos506 : 太难 直接买美债 10/20 08:37
11F：推 freshman : 完全不懂 字数够多 先给推 10/20 08:49
12F：推 y800122155 : 你这个有利不有利是以套利的角度吧？ 如果对标的未 10/20 08:55
13F：→ y800122155 : 来的走向有把握，那即便不利，也应该买入，或不该反 10/20 08:55
14F：→ y800122155 : 而卖空 10/20 08:55
有利不利主要是看估值模型的理论价跟市场价的溢价差, 因为使用的估值模型主要都是以
历史波动率计算, 没有办法考虑未来消息面等状况, 所以终究只能当一个参考而已。
15F：推 limulus : 喂给AI的数据越多，有助於提高参考价值。但我认为 10/20 08:55
16F：→ limulus : 最大的不确定/无法预测的因子就是人心，所以即使A 10/20 08:55
17F：→ limulus : I再强大，还是抵不过川普一句话XD 10/20 08:55
18F：→ y800122155 : 或者换个角度来看，当某个方向一直处於不利，可能代 10/20 08:57
19F：→ y800122155 : 表市场已经倒向某一边而造成价格偏离 10/20 08:57
20F：推 yesyesyesyes: 以前硕一有做过,参考度不大,而且这个模型很久了吧 10/20 09:52
21F：→ appledick : AI很适合即时的大型对冲基金操作 10/20 09:59
22F：推 bnn : 你的网站很好用 10/20 10:28
23F：推 mike8469 : 推推 10/20 10:40
24F：推 danielking : 推推 10/20 10:42
25F：推 ETTom : 有够专业 推 10/20 12:08
26F：推 staytuned74 : 有趣，请问前端用什麽写的，最近也想搞个网站想用 10/20 12:14
27F：→ staytuned74 : streamlit 来写 10/20 12:14
前端是用React写的, UI框架则是用MUI, MUI真的超方便, 不然要我自己搞这些UI元件我
是真不行, 本身专业是後端, 前端完全是土法炼钢自己乱学的XD
28F：推 kido183 : 感谢高手分享 推 10/20 13:52
※ 编辑: zmcx16 (123.192.200.34 台湾), 10/20/2024 14:57:22
29F：推 CMeru : 请他抓趋势或做数据统计可能会比较好吗，给的建议 10/20 15:53
30F：→ CMeru : 有点危险，没考虑太多 10/20 15:53
31F：推 staytuned74 : 推！ 10/20 16:17
32F：推 a384331 : 可以做台股的吗? 很好用 10/20 16:49
33F：推 y800122155 : 问下 你用历史波动率会比隐含波动率好吗? 或者说， 10/20 22:34
34F：→ y800122155 : 你可能也没有办法去区分到底是 "历史波动率已经不具 10/20 22:34
35F：→ y800122155 : 代表性" 或是 "隐含波动率是来自不合理的市价" 对吗 10/20 22:34
36F：→ y800122155 : ? 你所做的就是以历史波动率当标准，去计算最新的市 10/20 22:34
37F：→ y800122155 : 价是否与之相符? 10/20 22:34
估值模型都是用历史波动率计算的, 毕竟隐含波动率是靠市价本身反推回去的, 拿来用作
估值模型计算溢价差就没意义了, 而凯利公式是用蒙地卡罗模拟, 就有分别用历史跟隐含
波动率分别做计算, 至於历史波动性跟隐含波动性哪个有代表性我没办法区分没错, 我的
作法就是尽可能计算各种溢折价/胜率差, 在简单投票或分析看适不适合交易这样。
※ 编辑: zmcx16 (223.137.146.17 台湾), 10/21/2024 00:54:41