0DTE 選擇權 Gamma Squeeze 解析：流動性幻覺與市場微結構崩壞

SPX 0DTE 選擇權 (Zero Days to Expiration，零日到期) 的交易量在過去兩年內呈現指數級增長，目前已佔據 S&P 500 選擇權總交易量的 49% 以上。這種市場結構的劇烈轉變，不僅改變了日內波動的特徵，更在平靜的指數走勢下埋藏了極端的「Gamma 擠壓 (Gamma Squeeze)」風險。

對於量化交易員與風險管理者而言，理解 0DTE 透過造市商 (Market Maker/Dealer) 的避險行為如何放大市場波動，是當前市場環境下生存的關鍵。

本文將從市場微結構 (Market Microstructure) 的角度，深入剖析 0DTE 選擇權引發的 Gamma 風險機制。

0DTE 選擇權交易量的爆發性增長與市場質變

傳統選擇權市場主要作為機構投資人的避險工具，或是長期方向性押注的載體。然而，隨著交易所推出每日到期的週選擇權 (Daily Expirations)，市場生態發生了質變。0DTE 選擇權合約具有極低的權利金與極高的槓桿倍數，吸引了大量零售交易者與追求高周轉率的量化基金參與。

這種轉變帶來的核心問題並非交易量本身，而是「交易期限的極度壓縮」。當大量未平倉合約 (Open Interest) 集中在當日到期時，所有的希臘字母 (Greeks) 風險，特別是 Gamma，都被壓縮在極短的時間窗口內釋放。這導致市場呈現出一種「二元性」：在區間內極度平靜 (Mean Reversion)，一旦突破關鍵點位則引發雪崩。

造市商的避險困境：Gamma 的雙面刃

要理解 Gamma Squeeze，必須先剖析造市商的行為模式。造市商的目標是賺取買賣價差 (Bid-Ask Spread) 並保持 Delta 中立 (Delta Neutral)。

$\Delta_{portfolio} = 0$

為了維持 Delta 中立，造市商必須根據現貨價格 $(S)$ 的變動不斷調整避險部位。這種調整的幅度與方向，由 Gamma $(\Gamma)$ 決定：

$\Gamma = \frac{\partial \Delta}{\partial S} = \frac{\partial^2 V}{\partial S^2}$

正 Gamma 與負 Gamma 的動力學差異

市場的穩定與否，取決於造市商整體的 Gamma 曝險部位 (Gamma Exposure, GEX) 是正值還是負值：

• 正 Gamma (Long Gamma) 當造市商持有選擇權多頭時
  若市場上漲，Delta 增加，造市商需賣出期貨避險；若市場下跌，Delta 減少，造市商需買入期貨避險。這種「高出低進」的行為提供了流動性，抑制了波動率，使市場呈現均值回歸特性。
• 負 Gamma (Short Gamma) 當造市商持有選擇權空頭 (即市場參與者大量買入選擇權) 時
  若市場上漲，Delta 增加 (變得更負)，造市商必須買入更多期貨追價；若市場下跌，造市商必須賣出更多期貨停損。這種「追漲殺跌」的行為會抽離流動性，加速價格移動，是形成 Squeeze 的主因。

0DTE 選擇權的時間衰減與 Gamma 凸性

對於 0DTE 選擇權，隨著到期時間 $T$ 趨近於 0，價平 (At-The-Money, ATM) 附近的 Gamma 值會呈現漸近線式的飆升。

$\lim_{T \to 0} \Gamma_{ATM} \to \infty$

這意味著，在交易日的最後幾個小時，只要現貨價格微幅波動，造市商的 Delta 就會發生劇烈變化，迫使他們在短時間內向市場灌注巨量的避險單。

這種極端的凸性 (Convexity)，就是 0DTE 風險的核心來源。

Gamma Squeeze 運作機制：從 GEX 結構看危機

觀察市場上的 GEX 分佈圖，我們通常會看到在整數關卡累積了巨大的 Gamma 柱狀體。這些是選擇權未平倉量的集中地，形成了所謂的「Gamma Wall」。

觸發機制

1. 平靜期 (Pinning Effect)
   如果造市商在主要履約價上擁有正 Gamma，現貨價格會被「吸附」在該價位附近，因為任何偏離都會觸發造市商的反向避險單。
2. 突破與翻轉 (The Flip)
   一旦外部消息或大額拋單導致價格突破了正 Gamma 區域，進入負 Gamma 區域 (例如跌破了大量的 Put Wall)，造市商的角色瞬間從「穩定器」變為「加速器」。
3. 回饋迴路 (Feedback Loop)
   價格下跌 → 造市商 Short Put 的 Delta 變為更深的負值 → 造市商必須賣出期貨避險 → 價格進一步下跌。這就是經典的 Gamma Squeeze。

這種「回饋迴路」聽起來像是抽象的數學模型，但在真實交易中，它是足以讓帳戶瞬間歸零的殺手。2021 年的 GameStop 事件就是最血淋淋的實證。

在 0DTE 環境下，這個過程被壓縮在數分鐘內發生，演算法交易的自動執行會進一步加劇這種單邊行情，導致瞬間的流動性真空。

🔥 歷史案例復盤：
想親眼看看當 Short Gamma 遭遇 Feedback Loop 時，虧損是如何在 48 小時內從 +8 萬變成 -240 萬美元？
👉 點擊閱讀： 裸賣選擇權風險全解析：從 GME 爆倉案例看保證金追繳與 Gamma 風險

系統性風險案例模擬：當流動性瞬間蒸發

我們在 Academy Q 的「衍生性金融商品風險案例」課程中，深入探討過類似 1987 年黑色星期一的 Portfolio Insurance 崩盤。0DTE 的機制與之驚人地相似，差別僅在於崩盤的速度被壓縮得更快。

這種結構性的脆弱，源於市場參與者對「常態分佈」的過度依賴。這與我們在分析氣候風險時遇到的挑戰如出一轍：在複雜系統中，極端事件 (Tail Events) 發生的頻率遠高於歷史模型的預測。當 0DTE 的 Gamma 擠壓發生時，市場不再遵循隨機漫步 (Random Walk)，而是進入一種具備自我強化特性的「正回饋循環」。

試想一個典型場景：下午 2:00，SPX 緩步下跌。此時，大量散戶與收益型基金持有的 0DTE Iron Condor (鐵兀鷹策略) 面臨威脅。若價格跌破下方的 Short Put 履約價，這些參與者被迫平倉 (買回 Put) 或進行動態避險 (賣出期貨)。

同時，造市商為了對沖這些買回的 Put (Dealer Short Put Position)，也必須賣出期貨。加上 Vanna 與 Charm 效應的疊加，三股賣壓瞬間湧現，導致流動性瞬間蒸發。

這種「尾盤殺跌」在近期的市場中屢見不鮮，正是微結構脆弱性的體現。

Vanna – 波動率上升導致 Delta 變化
Charm – 時間流逝導致 Delta 變化

交易員的生存策略：辨識風險與避險實務

在這種高風險環境下，單純依賴技術指標已不足夠。專業交易者必須將「市場庫存」納入決策模型。

1. 監控 Net GEX Profile
   每日開盤前，觀察主要的 GEX 水平。正 Gamma 區域適合區間操作 (Mean Reversion strategies)；一旦價格接近 GEX 翻轉點 (Zero Gamma Level)，應立即切換為突破策略或減少部位。
2. 避開尾盤陷阱
   統計顯示，大部分 0DTE 引發的極端波動發生在美東時間下午 2 點之後。若非必要，避免在此時段進行逆勢操作。
3. 使用長天期合約保護
   利用 Calendar Spread 或 Diagonal Spread，建立 Gamma 較為平滑的部位。要做到這一點，關鍵在於對不同策略的風險分佈有直觀的認識。

關於這點，在「選擇權交易組合策略」課程中，我們專注於風險曲面的視覺化分析 (Risk Profile Visualization)。課程將透過詳細的 3D 曲面與風險分布圖，帶你深入拆解 Iron Condor、Butterfly 等組合策略在不同隱含波動率與時間推移下的風險特徵，為你的交易決策建立紮實的結構基礎。」

結論與進階學習路徑

0DTE 選擇權的興起不可逆轉，它既創造了新的獲利機會，也帶來了前所未有的微結構風險。對於 Quants 而言，Gamma Squeeze 不僅僅是一個市場現象，更是一道數學題。只有深刻理解造市商的避險演算法與希臘字母的動態變化，才能在這場零和博弈中存活。

如果你希望從數學原理到實戰策略，全面掌握這種高階交易技術，建議參考以下 Academy Q 的進階資源：

• 想了解歷史上著名的流動性危機與風險模型失靈案例？請參考 衍生性金融商品風險案例 免費課程。
• 想學習如何構建能夠抵禦 Gamma 風險的投資組合？請深入研讀 選擇權交易組合策略。
• 想掌握波動率曲面與波動率交易的高階技巧？波動率交易與避險實務應用分析 提供你法人級的視野。

市場在變，風險模型必須隨之進化。

常見問題 FAQ