财报季的隐藏坐标：市场给这次财报"定价"了多少波动？

每个财报季，都会看到这样的现象：同样"超预期"的两份财报，一份涨 5%，另一份反而跌 8%。很多人归因于运气或"市场情绪"，但有一个更客观的参照系常被忽略——在这次财报公布之前，期权市场已经给"会动多少"标好了价格。 这篇聊聊怎么读到这个价格，以及怎么把它变成自己的工具。

一、什么是"隐含波动幅度"（Implied Move）

期权定价里有一个经典做法：取财报后首个到期日的平值（ATM）跨式——同时持有相同行权价的看涨 + 看跌——它的总成本，除以现价，就是市场对"这次事件会造成多大价格位移"的近似定价。

公式：隐含波动幅度 ≈（ATM Call 最新价 + ATM Put 最新价）÷ 现价

它回答的不是"会涨还是会跌"，而是"市场预期会动多大"——方向由你判断，波动由市场定价，这是两件独立的事。

二、关键：和历史"实际波动"对比

单看一个百分比没有意义。把它和这家公司过去几个财报日的"实际波动幅度"放到一起，坐标才出现：

• 实际波动（盘后披露口径）= 财报日后首个交易日收盘 ÷ 财报日收盘 − 1（盘前披露另取口径）
• 取近 12 季实际波动绝对值的分布与中位数（并标注样本量 n）
• 比值 = 隐含波动 ÷ 历史中位 | 实际波动 |

比值的解读（我个人的用法）：

• ≥1.5×：历史高位区——市场对这次财报定价显著高于历史水平
• 1.15~1.5×：高于常态
• 0.85~1.15×：接近常态
• ≤0.85×：低于常态

注意：这不是"贵就做空、便宜就做多"的信号——它是一个定价参照系，帮你决定"这个事件值不值得参与、以及用什么结构参与"。

三、本周的一个实扫（数据截至 9/28）

• CCL：隐含 ±7.3% vs 历史中位 4.9% → 1.50×（历史高位区）
• CMG：±11.3% vs 6.3% → 1.79×（历史高位区）
• NKE：±8.3% vs 6.9% → 1.20×（高于常态）
• MU：±9.1% vs 8.0% → 1.13×（接近常态）

同一个财报周、四家公司，市场定价的"温度"从 1.13× 到 1.79× 不等——差异本身就是信息。

四、从手工到工具

这套算法本身不难，难在"每次都要手工拉一遍"。所以我把它做成了一个小工具（用 AI Agent + Longbridge CLI，约半天完成）：输入自选股清单，一键输出上面全部内容，附一张暗底 HTML 报告。当前版本（v0.1.1）已在每一行标注 DTE 与「顺延」标记，历史样本扩至 12 季并显示 n。

用法（两步）：

1. 安装并登录 Longbridge CLI（open.longbridge.com）
2. python3 earnings_radar.py --tickers NKE,MU,STZ,CCL

开源（MIT）：https://github.com/flamingo1998/earnings-radar

五、诚实说明与局限

• 隐波用期权最新成交价（非买卖中间价），流动性较差的合约会有偏差
• 财报日期只认"已确认"口径；未官宣的不会预测
• 隐含波动与历史实际波动的统计窗口不同（前者到到期日、后者为财报日相邻交易日），比值只当粗参照；报告会标注 DTE 与样本量 n 供判断
• 比值是参照系，不是交易信号；期权风险极高，请独立判断
• 仅供研究参考，不构成投资建议

下一篇如果大家有兴趣，可以展开讲"财报事件的结构选择"（跨式/价差/如何回避财报）。也欢迎在评论区告诉我你想看哪家公司的数据。