Put-Call Ratio, Implied Volatility, Max Pain / Wall
미국 주식 옵션은 특정 주식(기초자산, Underlying Asset)을 미래의 지정된 일자(만기일, Expiration Date)까지 미리 정해진 가격(행사가격, Strike Price)으로 사거나 팔 수 있는 권리를 부여하는 표준화된 파생상품 계약이다. 1계약은 일반적으로 기초자산 100주를 인수도하는 권리를 나타낸다.
현물 주가(\(S\))와 행사가격(\(K\))의 상대적 위치에 따라 옵션 상태는 세 가지로 구분된다.
CBOE를 비롯한 미국 옵션 거래소는 미국 옵션 심볼 규격(OSI, Option Symbology Initiative)에 따라 계약 코드를 표기한다.
NVDA261009C00050000
NVDA (기초자산 티커)26 (2026년)10 (10월)09 (09일)C (Call) 또는 P (Put)00050000 (소수점 3자리 고정 표기로 $50.00 달러를 의미)옵션 시장을 분석할 때 거래량과 미결제약정은 서로 다른 성격의 정보를 제공한다.
풋콜비율은 풋옵션의 수량을 콜옵션의 수량으로 나눈 지표로, 시장 참여자들의 강세/약세 심리를 판별하는 대표적인 센티먼트 지표다.
\[\text{PCR} = \frac{\text{Put 수량}}{\text{Call 수량}}\]
내재변동성(Implied Volatility, IV)은 블랙-숄즈(Black-Scholes) 옵션 가격 모델 등에서 시장에 형성된 실제 옵션 프리미엄을 기반으로 역산한 연율화 기대 변동폭이다. CBOE가 산출하는 IV30은 향후 30일간 기초자산의 기대 변동성을 나타낸다.
IV30과 PCR을 2차원 축으로 결합하면 시장의 국면을 4개 사분면으로 분류할 수 있다.
옵션 시장의 유동성을 공급하는 마켓 메이커(딜러)는 옵션을 매도하고 기초자산 현물 주식을 매매하여 델타를 0으로 유지하는 델타 헤징(Delta Hedging)을 수행한다. 이 메커니즘으로 인해 대규모 미결제약정이 형성된 행사가격은 강력한 가격 방어선으로 작용한다.
\[\text{Total Loss}(S) = \sum_{k} \left[ \text{Call\_OI}_k \times \max(0, S - K_k) + \text{Put\_OI}_k \times \max(0, K_k - S) \right]\]
위 식에서 총 지급 손실액 \(\text{Total Loss}(S)\)를 최소화하는 행사가격 \(S\)를 구하면 Max Pain 가격이 도출된다.
CBOE는 공식 CDN 엔드포인트를 통해 지연 시세 기반의 전 종목 옵션 체인을 JSON 포맷으로 공개 제공한다.
https://cdn.cboe.com/api/global/delayed_quotes/options/{SYMBOL}.jsonNVDA, PLTR 등) 및 인덱스 지표(_SPX, _VIX 등)필요한 패키지를 임포트하고 시각화 기본 스타일을 설정한다.
import re
import requests
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 시각화 기본 스타일 설정 (영문 기본 폰트)
plt.style.use("seaborn-v0_8-whitegrid" if "seaborn-v0_8-whitegrid" in plt.style.available else "default")
plt.rcParams["axes.unicode_minus"] = False
print("Required analytics libraries loaded successfully.")Required analytics libraries loaded successfully.CBOE 엔드포인트 호출, 옵션 티커 정규식 파싱, Max Pain 및 지지·저항벽 연산 함수를 정의한다.
CBOE_HEADERS = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"
}
def fetch_cboe_options(symbol: str) -> dict:
"""CBOE CDN 지연 시세 API로부터 특정 심볼의 전체 옵션 체인 JSON 수신"""
url = f"https://cdn.cboe.com/api/global/delayed_quotes/options/{symbol}.json"
resp = requests.get(url, headers=CBOE_HEADERS, timeout=15)
resp.raise_for_status()
return resp.json()
def parse_option_symbol(opt_symbol: str):
"""OSI 옵션 심볼 규격 파싱 (만기일, Call/Put, Strike 도출)"""
match = re.match(r"^([A-Z_]+)(\d{2})(\d{2})(\d{2})([CP])(\d{8})$", opt_symbol)
if not match:
return None, None, None, None
base_sym, yy, mm, dd, opt_type, strike_str = match.groups()
exp_date = f"20{yy}-{mm}-{dd}"
strike = int(strike_str) / 1000.0
return exp_date, opt_type, strike
def calculate_max_pain(pivot_oi: pd.DataFrame) -> float:
"""행사가격별 총 옵션 매수자 내재가치를 계산하여 최소 손실 행사가 산출"""
strikes = pivot_oi.index.values
call_oi = pivot_oi["CALL"].values
put_oi = pivot_oi["PUT"].values
total_losses = []
for s in strikes:
call_loss = np.sum(np.maximum(0, s - strikes) * call_oi)
put_loss = np.sum(np.maximum(0, strikes - s) * put_oi)
total_losses.append(call_loss + put_loss)
return strikes[np.argmin(total_losses)]
def analyze_cboe_options(symbol: str):
"""단일 심볼에 대한 옵션 체인 정제, 주요 PCR 및 구조 레벨 산출 총괄"""
raw = fetch_cboe_options(symbol)
d = raw.get("data", {})
current_price = d.get("current_price", 0.0)
prev_close = d.get("prev_day_close", 0.0)
iv30 = d.get("iv30", 0.0)
raw_options = d.get("options", [])
parsed_rows = []
for opt in raw_options:
opt_sym = opt.get("option", "")
exp_date, opt_type, strike = parse_option_symbol(opt_sym)
if not opt_type:
continue
vol = float(opt.get("volume", 0.0) or 0.0)
oi = float(opt.get("open_interest", 0.0) or 0.0)
iv = float(opt.get("iv", 0.0) or 0.0)
parsed_rows.append({
"symbol": symbol,
"option": opt_sym,
"expiration": exp_date,
"type": "CALL" if opt_type == "C" else "PUT",
"strike": strike,
"volume": vol,
"open_interest": oi,
"iv": iv
})
df_opts = pd.DataFrame(parsed_rows)
call_vol = df_opts[df_opts["type"] == "CALL"]["volume"].sum()
put_vol = df_opts[df_opts["type"] == "PUT"]["volume"].sum()
call_oi = df_opts[df_opts["type"] == "CALL"]["open_interest"].sum()
put_oi = df_opts[df_opts["type"] == "PUT"]["open_interest"].sum()
pcr_vol = (put_vol / call_vol) if call_vol > 0 else np.nan
pcr_oi = (put_oi / call_oi) if call_oi > 0 else np.nan
# 행사가격별 미결제약정 피벗
pivot_oi = df_opts.groupby(["strike", "type"])["open_interest"].sum().unstack(fill_value=0)
if "CALL" not in pivot_oi: pivot_oi["CALL"] = 0
if "PUT" not in pivot_oi: pivot_oi["PUT"] = 0
call_wall = pivot_oi["CALL"].idxmax() if len(pivot_oi) > 0 else np.nan
put_wall = pivot_oi["PUT"].idxmax() if len(pivot_oi) > 0 else np.nan
max_pain = calculate_max_pain(pivot_oi) if len(pivot_oi) > 0 else np.nan
summary = {
"Symbol": symbol,
"Price": current_price,
"IV30": iv30,
"Put Wall": put_wall,
"Max Pain": max_pain,
"Call Wall": call_wall,
"PCR (Volume)": round(pcr_vol, 4),
"PCR (OI)": round(pcr_oi, 4),
"Call Volume": int(call_vol),
"Put Volume": int(put_vol),
"Call OI": int(call_oi),
"Put OI": int(put_oi),
"Total Contracts": len(df_opts)
}
return summary, df_opts, pivot_oi
print("Option analytics engine defined successfully.")Option analytics engine defined successfully.시장 벤치마크 지수 2종(_SPX, _VIX)과 미국 테크 대표 5개 종목(PLTR, MSFT, NVDA, AMD, DELL)을 대상으로 실제 데이터를 조회하여 종합 데이터프레임을 생성한다.
target_symbols = ["_SPX", "_VIX", "PLTR", "MSFT", "NVDA", "AMD", "DELL"]
summaries = []
options_data_map = {}
pivots_map = {}
for sym in target_symbols:
try:
summary, df_opts, pivot_oi = analyze_cboe_options(sym)
summaries.append(summary)
options_data_map[sym] = df_opts
pivots_map[sym] = pivot_oi
except Exception as e:
print(f"[{sym}] Data fetch error: {e}")
df_summary = pd.DataFrame(summaries)
display_cols = ["Symbol", "Price", "Put Wall", "Max Pain", "Call Wall", "PCR (Volume)", "PCR (OI)", "IV30", "Total Contracts"]
df_summary[display_cols]| Symbol | Price | Put Wall | Max Pain | Call Wall | PCR (Volume) | PCR (OI) | IV30 | Total Contracts | |
|---|---|---|---|---|---|---|---|---|---|
| 0 | _SPX | 7811.5400 | 7000.0 | 7500.0 | 7000.0 | 1.2375 | 1.4367 | 11.649 | 29904 |
| 1 | _VIX | 14.8400 | 17.0 | 19.0 | 20.0 | 0.4368 | 0.3303 | 86.658 | 1520 |
| 2 | PLTR | 208.7300 | 140.0 | 150.0 | 200.0 | 0.6082 | 1.0506 | 56.571 | 2494 |
| 3 | MSFT | 535.0000 | 350.0 | 460.0 | 575.0 | 0.6459 | 0.5775 | 31.293 | 3872 |
| 4 | NVDA | 229.3300 | 200.0 | 200.0 | 200.0 | 0.7591 | 0.9064 | 29.642 | 4410 |
| 5 | AMD | 608.4943 | 300.0 | 440.0 | 1120.0 | 0.7833 | 1.1341 | 53.697 | 7314 |
| 6 | DELL | 586.1000 | 400.0 | 450.0 | 600.0 | 0.9823 | 1.3675 | 56.426 | 3934 |
_SPX, _VIX):
_SPX의 거래량 PCR은 1.2375, 미결제약정 PCR은 1.8415로 나타난다. 기관 포트폴리오의 하방 꼬리위험(Tail Risk) 헤지용 풋옵션 매수가 누적되어 상시 1.0을 크게 웃도는 전형적인 지수 옵션 구조를 보인다._VIX는 변동성 지수 옵션으로, 지수 하락 시 VIX가 급등하므로 콜옵션이 시장 하방 헤지 역할을 수행한다. 이에 따라 PCR(Volume)은 0.4368로 낮은 수치를 나타낸다.PLTR의 PCR(Volume)은 0.6082, MSFT는 0.6459, NVDA는 0.7591로 대형 기술주 전반에서 콜옵션 매수세가 풋옵션을 압도하고 있다.NVDA의 경우 Put Wall, Max Pain, Call Wall이 모두 $200.0 달러 선에 형성되어 있어, 해당 가격대에 막대한 옵션 만기 계약이 결집되어 있음을 증명한다.당일 거래량 기준 PCR(당일 단기 심리)과 미결제약정 기준 PCR(누적 포지션 심리)을 중립선(1.0)과 함께 비교한다.
fig, ax = plt.subplots(figsize=(11, 5.5))
x = np.arange(len(df_summary))
width = 0.35
bars1 = ax.bar(x - width/2, df_summary["PCR (Volume)"], width, label="PCR (Volume)", color="#2b5c8f", alpha=0.9)
bars2 = ax.bar(x + width/2, df_summary["PCR (OI)"], width, label="PCR (Open Interest)", color="#d95f02", alpha=0.9)
ax.axhline(1.0, color="red", linestyle="--", linewidth=1.5, label="Neutral Line (PCR = 1.0)")
ax.set_title("CBOE Option Market: Put-Call Ratio by Symbol (Volume vs. Open Interest)", fontsize=13, pad=12)
ax.set_ylabel("Put-Call Ratio (Put / Call)", fontsize=11)
ax.set_xticks(x)
ax.set_xticklabels(df_summary["Symbol"], fontsize=11)
ax.legend(frameon=True, facecolor="white", loc="upper right")
ax.grid(True, linestyle=":", alpha=0.6)
for bar in bars1:
h = bar.get_height()
if not np.isnan(h):
ax.annotate(f"{h:.2f}", xy=(bar.get_x() + bar.get_width()/2, h), xytext=(0, 3),
textcoords="offset points", ha="center", va="bottom", fontsize=9)
for bar in bars2:
h = bar.get_height()
if not np.isnan(h):
ax.annotate(f"{h:.2f}", xy=(bar.get_x() + bar.get_width()/2, h), xytext=(0, 3),
textcoords="offset points", ha="center", va="bottom", fontsize=9)
plt.tight_layout()
plt.show()
종목별 PCR과 IV30을 교차하여 콜옵션 과열(투기), 안정 상승, 하방 헤지 공포 국면을 구분한다.
fig, ax = plt.subplots(figsize=(9, 6.5))
for idx, row in df_summary.iterrows():
sym = row["Symbol"]
pcr = row["PCR (Volume)"]
iv = row["IV30"]
if np.isnan(pcr) or np.isnan(iv):
continue
is_index = sym.startswith("_")
color = "#e41a1c" if is_index else "#377eb8"
size = 280 if is_index else 200
ax.scatter(pcr, iv, s=size, color=color, alpha=0.85, edgecolors="black", linewidth=1.2, zorder=5)
ax.annotate(f"{sym}\n(${row['Price']:.1f})", xy=(pcr, iv), xytext=(8, -5),
textcoords="offset points", fontsize=10, zorder=6)
ax.axvline(1.0, color="gray", linestyle="--", alpha=0.7)
ax.axhline(df_summary["IV30"].median(), color="gray", linestyle="--", alpha=0.7)
ax.set_title("CBOE Market Sentiment Matrix: Put-Call Ratio vs. 30-Day Implied Volatility (IV30)", fontsize=13, pad=12)
ax.set_xlabel("Put-Call Ratio (Volume)", fontsize=11)
ax.set_ylabel("30-Day Implied Volatility (IV30, %)", fontsize=11)
ax.grid(True, linestyle=":", alpha=0.6)
plt.tight_layout()
plt.show()
관심 5개 종목(PLTR, MSFT, NVDA, AMD, DELL)의 행사가격별 Call과 Put 미결제약정 분포 막대 위에 현재 주가, Max Pain, Put Wall, Call Wall을 수직선으로 오버레이한다.
stocks = ["PLTR", "MSFT", "NVDA", "AMD", "DELL"]
fig, axes = plt.subplots(len(stocks), 1, figsize=(13, 19), sharex=False)
for i, sym in enumerate(stocks):
ax = axes[i]
if sym not in pivots_map or sym not in options_data_map:
continue
pivot_oi = pivots_map[sym]
summary_row = df_summary.loc[df_summary["Symbol"] == sym].iloc[0]
cur_price = summary_row["Price"]
put_wall = summary_row["Put Wall"]
max_pain = summary_row["Max Pain"]
call_wall = summary_row["Call Wall"]
# 핵심선들을 모두 포함하는 표시 범위 필터링
min_focus = min(cur_price, put_wall, max_pain) * 0.85
max_focus = max(cur_price, call_wall, max_pain) * 1.15
pivot_filtered = pivot_oi[(pivot_oi.index >= min_focus) & (pivot_oi.index <= max_focus)]
strikes = pivot_filtered.index.values
call_oi = pivot_filtered["CALL"].values
put_oi = pivot_filtered["PUT"].values
width = (strikes[1] - strikes[0]) * 0.4 if len(strikes) > 1 else 1.0
# Call / Put 막대
ax.bar(strikes - width/2, call_oi, width=width, label="Call Open Interest", color="#2ca02c", alpha=0.75)
ax.bar(strikes + width/2, put_oi, width=width, label="Put Open Interest", color="#d62728", alpha=0.75)
# 4 core benchmark lines
ax.axvline(cur_price, color="black", linestyle="-", linewidth=2.2, label=f"Current Price: ${cur_price:.2f}", zorder=10)
ax.axvline(max_pain, color="#9467bd", linestyle="--", linewidth=2.0, label=f"Max Pain: ${max_pain:.1f}", zorder=9)
ax.axvline(put_wall, color="#d62728", linestyle=":", linewidth=2.5, label=f"Put Wall (Support): ${put_wall:.1f}", zorder=8)
ax.axvline(call_wall, color="#1f77b4", linestyle=":", linewidth=2.5, label=f"Call Wall (Resistance): ${call_wall:.1f}", zorder=8)
ax.set_title(f"{sym} Options Open Interest by Strike Price (Current: ${cur_price:.2f} | Max Pain: ${max_pain:.1f})",
fontsize=12, pad=10)
ax.set_xlabel("Strike Price ($)", fontsize=10)
ax.set_ylabel("Open Interest (Contracts)", fontsize=10)
ax.legend(loc="upper right", frameon=True, facecolor="white", framealpha=0.9, fontsize=9)
ax.grid(True, linestyle=":", alpha=0.6)
plt.tight_layout()
plt.show()