博客
二.AI 评分模型解析：Score 怎么算出来的
阅读时间：10 分钟
为什么不是简单排序
很多人问：为什么不直接按年化收益排序？最高的就是最好的？
答案：不是。
年化收益 50% 但行权概率 30% 的合约，远比不上年化收益 20% 但行权概率 2% 的合约。
Score 就是解决这个问题的——不是找收益最高的，是找风险收益比最好的。
Score 的五个维度
Hyperstock Score 综合了 5 个维度，每个维度有不同的权重：
| 维度 | 权重 | 说明 | 为什么重要 |
|---|---|---|---|
| 年化收益率 | 25% | 权利金 ÷ 保证金 × 时间年化 | 直接反映资金效率 |
| 行权概率 | 25% | 到期被行权的可能性 | 保命指标，越低越安全 |
| 保证金效率 | 20% | 单位保证金能产生的收益 | 资金利用率 |
| 波动率调整 | 20% | 当前 IV 与历史 IV 的对比 | 避免 IV Crush 风险 |
| 时间衰减 | 10% | 距到期天数，Theta 衰减速度 | 时间价值收割效率 |
总分范围： 0 - 10,000
每个维度怎么算
1. 年化收益率（25%）
年化收益 = (权利金 / SPAN保证金) × (365 / 剩余天数) × 100%
- 得分方式：分段打分
2. 行权概率（25%）
行权概率 ≈ |Delta| + 波动率调整项
- 得分方式：反向打分，越低越好
关键： 行权概率权重和年化收益相同，说明我们认为安全和收益同等重要。
3. 保证金效率（20%）
保证金效率 = 权利金 / SPAN保证金
- 同样本金，能收更多权利金的合约得分高
- 避免资金被低效占用
4. 波动率调整（20%）
IV Percentile = 当前IV / 52周IV范围
- IV Percentile > 80% → 加分（IV高，权利金贵，卖方有利）
- IV Percentile < 20% → 减分（IV低，权利金便宜，收益少）
- 但 IV > 90% 且临近事件 → 降分（事件风险过大）
5. 时间衰减（10%）
Theta 效率 = Theta / 期权价格
- Theta 高 → 时间价值衰减快 → 对卖方有利
- 剩余 30-45 天的合约 Theta 最 sweet
综合计算示例
假设一只合约的各维度得分：
| 维度 | 原始值 | 维度得分（0-100） |
|---|---|---|
| 年化收益率 | 25% | 85 |
| 行权概率 | 4.2% | 88 |
| 保证金效率 | 12% | 80 |
| 波动率调整 | IV 65th percentile | 75 |
| 时间衰减 | DTE 35 | 82 |
Score = 85×0.25 + 88×0.25 + 80×0.20 + 75×0.20 + 82×0.10= 21.25 + 22.00 + 16.00 + 15.00 + 8.20= 82.45（百分制）= 8,245（万分制）
为什么不是简单排序
对比两种方法：
| 方法 | 推荐 #1 | 问题 |
|---|---|---|
| 按年化排序 | 年化 50%，行权概率 28% | 大概率被行权，亏损远超权利金 |
| 按 Score 排序 | 年化 22%，行权概率 3.5% | 风险收益比最优 |
Score 的核心哲学：活下去，再赚钱。
行权概率高的合约，即使年化再高，Score 也会被打下来。因为我们认为：不被行权是 Sell Put 的第一要务。
Score 的局限性
Score 不能告诉你：
- 这家公司会不会突然爆雷（黑天鹅）
- 财报会不会超预期（事件风险）
- 宏观政策会不会突变（系统性风险）
Score 是基于数学模型的排序，不是 crystal ball。
使用建议：
- Score > 7000 → 优先考虑
- Score 5000-7000 → 结合基本面判断
- Score < 5000 → 谨慎，除非你有特殊判断
- 永远结合财报警告和事件日历
我们会持续优化
Score 模型不是一成不变的。我们会根据：
- 用户反馈（哪些推荐实际效果好）
- 市场变化（不同周期最优权重可能不同）
- 学术研究（新的期权定价模型）
持续调整权重和算法。
有建议？发邮件：hyperstock.werich@gmail.com
⚠️ 风险提示：Score 是 AI 算法生成的评分，存在模型局限性。不应作为投资决策的唯一依据。过往表现不代表未来收益。