AlphaGBM Skills期权策略工作流实战：候选评分、资金要求与指派风险一次看懂（完整指南）

AlphaGBM Skills期权策略工作流实战候选评分、资金要求与指派风险一次看懂完整指南【免费下载链接】skillsBring realtime market data and research workflows into Claude Code, Cursor beyond — 29 open-source Skills for stocks, options and commodities.项目地址: https://gitcode.com/gh_mirrors/skills38/skillsAlphaGBM Skills 是一个开源的 AI 工作区市场研究工具集其中期权策略工作流Options Strategies可以让 AI 助手一键比较期权候选方案并清晰呈现候选评分、资金要求现金要求与指派风险。本文面向新手带你完整看懂这个工作流的运行方式、结果结构和验证清单。上图是 AlphaGBM Skills 的 AI 工作区演示界面一条命令、一份结构化输出、证据优先的工作流。期权策略工作流遵循同样的输出范式只是内容换成了期权候选与风险。什么是期权策略工作流在 catalog/catalog.json 的目录定义中alphagbm-options-research工作流被描述为查看期权候选与评分分项说明现金要求、到期和指派风险Compare option candidates and score components, with funding, expiry and assignment risks。它对应三个核心输出✅期权候选按策略分组的候选列表如卖看跌、卖看涨、买看涨、买看跌✅得分与报价时间每个候选的评分与数据口径保留原始日期✅资金要求与风险现金要求、到期盈亏边界与指派/缺口风险工作流的完整说明见 skills/alphagbm-options-research/SKILL.md配套的运行脚本在 skills/alphagbm-options-research/scripts/run.py默认提示词定义在 skills/alphagbm-options-research/agents/openai.yaml。快速上手三步跑通期权策略比较第 1 步安装工作流包安装免费只需 Python 3.9 运行时npx skills add AlphaGBM/skills --skill alphagbm-options-research第 2 步配置 API Key期权比较属于账户级研究需要 API Key。按 docs/ACCESS.md 的规则Key 配置在本地环境变量ALPHAGBM_API_KEY中绝不写入对话、命令行参数或仓库。第 3 步运行期权策略比较目录中的示例命令见 catalog/catalog.jsonoptions NVDA --strategy all --limit 3 --confirm-usage --workflow --lang en关键点--confirm-usage表示你已明确批准消耗账户额度工作流会在任何请求发出前检查确认未确认则直接失败测试用例 scripts/test_option_workflow.py 中test_confirmation_before_any_call就验证了这一点。--workflow --lang zh/en启用新版结构化格式需要先通过免密钥的预检接口GET /api/v1/options/workflow-contract?ticker...确认后端已部署老版本服务器不会收到任何计费请求fail closed 设计。看懂候选评分Score 不是盈利概率以演示数据 demo/strategies/options-strategy.json 为例NVDA 的候选结构如下策略候选评分资金要求收益特征风险定风险看涨价差68有限借方limited debit上行封顶、下行受限波动率重定价、事件缺口、流动性看跌价差61价差宽度内定义defined spread width倾向收权利金的下行敞口指派条款、缺口风险、报价时点新手最需要记住的三条评分纪律来自 skills/alphagbm-options-research/references/access.md不同策略的分数不能互相比较排名更不能解释为“盈利概率”股票风险分、股票机会分、期权分、商品关注度是四种不同的分数不能平均、不能换算尺度⚠️ 候选是研究证据不是保证成交的报价更不是交易指令。同一契约版本下的原始输出样例见 demo/options-strategies.json所有演示数据均为合成离线 fixturenotForTrading: true仅用于理解输出结构见 demo/README.md。资金要求缺数据就是“未知”不是“为零”结果中的capitalRequirement资金要求字段常见两种表述limited debit有限借方净支出有上限最坏损失即权利金净额defined spread width价差宽度内定义资金占用取决于两腿价差宽度。工作流会尽量从报价中提取参考资金、到期盈亏平衡点和下行边界但如果报价数据不足如演示数据中的missingData: [live_bid_ask, open_interest_confirmation]结果会标注status: partial并保留缺失标记。 核心原则缺失的现金要求或乘数代表“未知”而不是“零”。乘数multiplier只是市场配置的假设不是已验证的可交付数据示例中的 $1/边手续费也是演示假设不是券商报价。指派风险与到期执行前必查三件事演示数据末尾的nextChecks是一份现成的验证清单确认买卖价差、未平仓量和报价时间戳—— 报价时点不确定时不要把它当成实时报价对照所选到期日检查隐含波动率—— 波动率重定价是价差类策略的头号风险在执行前对收益结构做压力测试重点盯指派结果。指派风险的要点卖看跌sell put可能被指派需持有正股能力或承担持仓后果卖裸看涨uncovered short call亏损理论上无上限且工作流不会假设你已持有正股单腿候选列表不能推断出完整的组合策略多腿执行需自行补齐条款核对。这些安全边界在 docs/ACCESS.md 中也有对应约束结果保留resultId、partial状态、missingData与riskFlags不允许把失败请求静默替换为样例数据也不做自动重试计费请求。相关工作流与配套工具期权研究不是孤立的目录中与之联动的一组工具工具包用途入口文件alphagbm-options-score通过已发布接口查询期权评分SKILL.mdalphagbm-iv-rank隐含波动率排名快照SKILL.mdalphagbm-greeks希腊字母参考方法SKILL.mdalphagbm-pnl-simulator盈亏模拟参考方法SKILL.mdalphagbm-options-strategy策略构建参考包仅方法说明无实时接口SKILL.md注意区分参考包 ≠ 可用接口。像alphagbm-options-strategy这样的参考包只用于讲解方法不发起 API 请求也不代表其遗留接口已开放。常见问题速查FAQQ安装后就有额度了吗安装免费账户级研究共享网站同一账户额度不会单独赠送 Skills 额度。Q超时了能自动重试吗不能。股票/期权同步调用无自动重试超时不代表失败或退款详见 docs/ACCESS.md 的 Failure behavior 一节。Q会替我下单或保存持仓吗不会。工作流只返回研究结果不执行交易、不变更持仓、不自动保存账户记录。Q结果能当投资建议吗不能。所有输出保留来源、日期与缺失数据标记研究不等于收益保证。总结一次看懂三步落地候选评分按策略分组展示分数只做组内参考绝不等于盈利概率资金要求以报价口径为准缺失即“未知”partial 状态必须如实保留⚠️指派风险执行前核对买卖价差、到期日隐含波动率与指派结果裸卖看涨亏损无上限。想动手验证装上alphagbm-options-research让 AI 帮你比较 NVDA 的期权方案并让它解释报价口径、评分依据和主要风险——这正是这个工作流被设计出来的目的。免责声明本文为开源项目使用指南所有内容仅供研究学习不构成任何投资建议。【免费下载链接】skillsBring realtime market data and research workflows into Claude Code, Cursor beyond — 29 open-source Skills for stocks, options and commodities.项目地址: https://gitcode.com/gh_mirrors/skills38/skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考