登上‘万物上涨’的列车：巴克莱美国股票衍生品策略提供每周监测报告，每周四发布，通过利用一系列专有分析工具，帮助投资者追踪压力来源并评估ETF市场情绪。

84%84%96%96%66%81%90%72%95%60%47%6%63%63%27%40%4%19%5%0%77%66%47%45%64%84%18%11%58%98%41%56%0%81%23%79%5%6%31%4%35%11%6%21%2%4%23%20%89%90%76%82%66%26%77%53%86%72%8%10%24%16%27%18%4%4%5%0%50%40%8%51%76%55%98%99%60%50%53%55%79%32%16%11%5%9%14%15%6%4%5%0%--11%16%37%99%76%80%71%93%77%66%85%60%70%61%47%52%54%50%58%51%53%52%52%50%52%61%70%82%78%74%72%68%66%65%64%64%63%31%31%30%30%30%27%20%18%15%15%45%35%31%44% ETF2yr %-ile of:GLD (黄金)XLF (Fins)EWZ (巴西)EWU (UK)SPY (S&P 500)国际股票利率2个月/6个月时间跨度，2个月50天间隔，波动率，波动率-风险价值ComdtyIV vs IndxStraddleVolScore 最富有Vol最低价Vol流行对冲选项 全球股票衍生品策略Stefano PascaleZhiyuan Fan +1 212 526 5530 zhiyuan.fan@barclays.com BCI, USRiddhiman Dass +1 212 526 0850 riddhiman.dass@barclays.com BCI, US+1 212 526 7983 stefano.pascale@barclays.com BCI,US 关键波动率指标的周度变化15 May 2025图2。资产类别间波动率适度下降，且相对于较长期限波动率，美国股票和商品波动率也下降了；美国股票和信贷市场则出现偏度趋于平坦。ETF波动率/偏度/波动率期限结构/正态化持仓量平均Z分数=跨资产类别（美国股票、国际股票、利率、信用、商品ETF）1周移动平均的Z分数。来源：OptionMetrics，Bloomberg。数据截至2025年5月13日。 本周的其他要点在尚未完全恢复的美国股票领域中2025年，石油（OIH）、小型股（IWM）和零售（XRT）有•自从特朗普总统就任以来，市场经历了独特而动荡的时期，在不同体制之间以极快的速度转换。例如，可以通过计算不同资产类别中超出正常范围的每日波动次数来量化这一点。事实上，这一水平达到了过去10多年中仅在COVID期间才被超越的高峰。•医疗保健业在“解放日”之后一直是GICS行业的表现最差者，最新的阻力来自特朗普政府对药物定价的建议。对于那些认为抛售已过度（例如，医疗保健行业的法律挑战、制药公司调整国际参考价格），XLV向上敲出看涨期权整齐排列，吸引力十足，因为隐含波动率偏高（图1)和上行偏差相对平坦（参见附件）。例如，购买XLV 7月25日100%-107%向上敲出看涨期权成本为1.3%。这比具有相同行权的普通看涨期权价差提供了50%的折扣。•利用期权为潜在“全面反弹”中的落后股定位，以捕捉上涨机会。：随着贸易战前景好于预期、CPI走软、轻仓布局以及标普指数进入年度正值区，我们期待美国股票板块ETF中尚未完全收回年初损失，且短期隐含波动率最低的基金，以防情绪/技术驱动的“一切反弹”被催化；除了医疗保健与生物技术领域，突出的板块还包括石油服务（OIH), 小型股(IWM), 和零售业（XRT) (图 3). 01020304050602007200820092010201120122013201420152016201720182019202020212022202320243每日sigma变动次数 > 3.0倍，跨越资产类别。滚动5个月周期（自特朗普就任以来）市场份额很少像自特朗普就任总统以来，他们就一直如此在过去 15 年以上跨资产类别包括：SPY（标普500），EFA（EAFE），SHY（1-3年国债），IEF（7-10年国债），TLT（20年以上国债），LQD（美国高收益信用债），EEM（新兴市场），GLD（黄金），USO（美国石油），SLV（白银），HYG（美国高收益信用债），EMB（美元新兴市场债券）。图4。在过去5个月，市场经历了历史上极端数量的异常日内波动，因为投资者在叙事之间快速摇摆。 15 May 2025来源：彭博，巴克莱衍生品研究图3。最低隐含波动率 ETF波动格局15 May 2025情绪筛选图5. 情感倾向最强烈的十大ETF；红色=看跌，绿色=看涨情绪指标是一个加权平均值，涵盖以下2年百分位数的跨期平均：1周移动平均的看跌/看涨未平仓合约比率，1周移动变化的2周变化。Put-Call Open Interest Ratio的移动平均数，2m 25-delta偏斜的1周移动平均数，偏斜的2周变化，2周ETF流量，SI和SI的2周变化（以作为AUM的百分比。加权方案是，平仓的看跌/看涨持仓量、偏斜度、ETF资金流和SI指标均平等地贡献于我们的情绪指标。Source: OptionMetrics, Bloomberg. Data as of 13-May-25. Skew Screen图 6. 排名前 10 的具有昂贵偏差的 ETFSkew: 2个月25行权价的看跌期权与2个月25行权价的看涨期权之间的价差1周移动平均数Delta Call implied vol, normalized by 2m 50-delta implied vol, i.e., 1w MA 2m (25dput– 25d call)/50d IVOL. This measure of normalized delta skew (as opposed to(moneyness skew) allows for easier comparison across ETFs with wildly different基准波动水平。来源：OptionMetrics，彭博。数据截至2025年5月13日。 图8. 最昂贵的10只ETF以下偏（下行偏度）下行偏差：2个月期25 delta看跌期权的价差1周移动平均。2个月50delta隐含波动率，相对于2个月50delta隐含波动率的归一化值，即1周滚动平均2个月（25天）put– 50d)/50d IVOL. This measure of normalized delta skew (as opposed to(moneyness skew) allows for easier comparison across ETFs with wildly different基准波动水平来源：OptionMetrics，彭博。数据截至2025年5月13日。 -50-30-101030507090110估值图11. 股票ETF估值Barclays | ETF Compass市盈率XLFEWU TUR XHB FEZ XLBETFs是根据市盈率5年期百分位数和市盈率与SPX比率的等权重平均值进行排名的。过去的表现并不能保证未来的结果。*估值得分（百分位数）：市盈率及其与标普比率的5年期百分位数平均值。数据来源：OptionMetrics、彭博。数据日期为2025年5月13日。看涨/看跌开仓量（及其变化）被当前ETF成交量标准化 *期权活跃度得分（百分比位数）：标准化后的看涨+看跌开仓量及其变化2周内的2年百分比位数的平均值 来源：OptionMetrics、彭博。数据截至2025年5月13日。标准化期权活动图10。交易量最大的/最小的十大ETF 最昂贵的 0.01.02.03.04.05.06.07.08.09.010.0→←90%70%50%30%10%最低价市盈率与标普的比率SPYXLIHEDJ EWT SMH QQQ EEM IWM XLP EZA XLVIYRGDXJICLN EWY GDX市盈率市盈率与标普的比率（右侧）估值分数（百分比位数）（右侧）*：- 估值得分（%） 顶尖的“性价比”尾部对冲筛选器对冲全球股票的尾部风险图12。在当前成本下，HYG（美国高收益信用债）、XLF（金融）和IYR（房地产）的短期看跌期权，在历史2个月全球股票回撤（MXWO）方面曾提供最佳价值。过往业绩并不必然预示未来结果。来源：彭博，巴克莱衍生品研究。数据截至2025年5月13日。我们筛选了29种具有活跃期权的跨资产ETF组合，以寻找针对多个基准指数的最佳尾部对冲工具，具体包括全球股票(MSCI全球),大型科技企业,EM股票(MSCI EM),中国股票：(HSCEI)，和商品：(BCOM). 在此，我们i) 识别自2008年以来基准在任何2个月非重叠期内的前10个最大跌幅，ii) 根据平均派息（历史跌幅与当前~2个月25-delta看跌期权成本之比）进行计算和排名。下方的热力图显示了不同基准在前10个最大跌幅下的最高（绿色）和最低（红色）看跌期权派息比率。 8 对冲中国股市的尾部风险对冲新兴市场股票的尾部风险对冲商品市场的尾部风险对大型科技公司的尾部风险进行对冲。图16。在当前成本下，针对HYG（美国高收益信用债）、XLF（金融板块）和EEM（新兴市场股票）的短期看跌期权，曾为商品历史上的2个月最大回撤提供了最佳价值。FIGURE 15.在当前成本下，针对HYG（美国高收益信用债）、XLF（金融）和EEM（新兴市场股票）的短期看跌期权，对于中国股票的历史2个月最大回撤而言，将提供最佳价值。图13。在当前成本下，针对HYG（美国高收益信用）、XLF（金融）和IYR（房地产）的短期看跌期权，在历史2个月最大回撤方面，为大型科技行业提供了最佳价值。图14.在当前成本下，针对HYG（美国高收益信用）、XLF（金融）和EEM（新兴市场股票）的短期看跌期权，对于历史上的新兴市场股票2个月回撤，将提供最佳价值。过往业绩并不必然预示未来结果。来源：彭博，巴克莱衍生品研究。数据截至2025年5月13日。过往业绩并不必然预示未来结果。来源：彭博，巴克莱衍生品研究。数据截至2025年5月13日。过往业绩并不必然预示未来结果。来源：彭博，巴克莱衍生品研究。数据截至2025年5月13日。过往业绩并不必然预示未来结果。资料来源：彭博，巴克莱衍生品研究。数据截至2025年5月13日。 -404820102011201220132014长期跨资产期权趋势15 May 2025图17。跨资产ETF短期隐含波动率（z分数）的长期历史。波动性Skew来源：OptionMetrics，彭博社。数据截至2025年5月13日。图18。长期跨资产ETF短期波动率偏斜（z分数）z-score of 2m25-delta 偏斜美国股票Z分数以1个月移动平均表示。偏差 = 1周移动平均2个月（25天看跌期权 - 25天看涨期权）/ 50天波动率。这种标准化Delta偏差（而非期权金偏差）便于在基波动率差异悬殊的ETF之间进行更便捷比较。来源：OptionMetrics，Bloomberg。数据截至2025年5月13日。 20152016国际股票 -2-1012345201020112012-2-10123456201020112012趋势总结图 21. ETF 波动率、偏度、波动率时间序列、常态 OI Z 分数的资产类别平均历史数据期权交易活动波动率期限结构图19. 跨资产ETF波动率期限结构（z分数）的长期历史图20。长期历史交叉资产ETF看涨看跌期权OI规范。z-score of Put + Call OInorm. by ETF volumez-scoreZ分数表示为1个月移动平均值。标准化看跌期权+看涨期权未平仓合约量= #（看跌期权+看涨期权）*100 / ETF交易量。来源：OptionMetrics，Bl