opl-lang

OPL‑Lang 白皮书 – 精简规范 v 1.0.0‑rc6

状态发布候选版本 6 — 2025年5月24日 目标读者 量化工程师 / 编译器开发者 / API 实现者 许可证 MIT 非目标 教学用途、盈亏图示（请参见即将发布的交易者手册）

← 返回索引

📙 Click to view English version ➜ OPL‑Lang Spec v1.0.0‑rc6

0 语言目标与适用范围

OPL‑Lang 是一个用于 描述、生成与评估 股票 + 期权混合策略的 领域专用语言（DSL），同时兼具 可供机器解析 和 人类可书写性。它不是一个定价引擎；数值定价的职责由下游组件承担。

1.x 版本线不包含的内容： 奇异期权 / 亚洲期权 / 障碍期权、多币种结算、加密资产标的、跨多个标的的差异化交易，以及经纪商特定的投资组合保证金聚合。

[核心] 部分具备规范性 —— 实现必须 MUST 遵循。
[可选] 部分可被忽略而不会影响语言完整性。

1 核心语言组成 [核心]

1.1 基础组件 `C`

符号	描述
`Cash` (可选)	无风险占位符；按短期利率 r 计息。引擎可拒绝使用空头现金。
`Stock`	标的资产上的线性工具（股票）。
`Future`	线性远期合约，到期时间为 T；适用交易所/券商保证金规则。
`ETF`	一篮子资产的线性工具。
`LeveragedETF{β}` (可选)	杠杆（β 倍）路径相关工具，β ∈ ℝ⁺，默认值为 1。长期持有受限于 § 3.3。
`Option(Call)` / `Option(Put)`	标准化合约，具备执行价 K 与到期时间 T。

标记为可选的行可以被轻量级引擎忽略。

1.2 操作组件 `O`

O = qty n × polarity (+1│-1) × C

qty n 正整数（默认值为 1）。控制模块可以通过 scale_qty 调整 n。 合约乘数说明： 1 份期权合约 = 100 股标的资产。引擎必须依据此常量（或本地交易所规范）转换名义本金。
polarity +1 表示多头，‑1 表示空头。
语法糖 n×O(...) 展开为 n 个完全相同的腿。

1.3 策略系统 `S`

S = Σ Oᵢ   (i = 1…N)

S 以腿的希腊值 非线性聚合 方式响应。

2 系统响应模型 [核心]

Δ (delta)   – ∂V/∂Price
Γ (gamma)   – ∂Δ/∂Price
V (vega)    – ∂V/∂IV
Θ (theta)   – ∂V/∂Time
ρ (rho)     – ∂V/∂Rate
Charm       – ∂Δ/∂Time

对于策略 S = Σ Vᵢ 在状态 (S₀,t₀,σ₀,r₀) 下：

G_loc(S) := Σ G_loc(Vᵢ)     G ∈ {Δ, Γ, V, Θ, ρ, Charm}

实现必须提供准确的 Δ、Γ、V、Θ。
实现应当提供 ρ 与 Charm（若到期日大于 45 天或需考虑利率敏感性 / Delta 对冲自动化），否则可以返回 null。
实现应当在市场状态显著变化时重新计算希腊值。

线性腿说明： Stock / ETF / Future 提供 Δ = ±1（根据方向），其余希腊值为 0。

控制变量与希腊值关系： 修改 {执行价 K、到期 T、腿集合 L、数量 Q} 会重新加权组合希腊值；引擎可以直接在这些控制项上求解目标希腊值。

3 输入与约束层 [核心]

3.1 市场输入

字段	含义
`price`	即时现价 P(t)
`iv`	隐含波动率曲面
`time`	当前时间 t
`rate`	无风险利率 r(t)

3.2 意图、风险与资金约束

字段	示例取值 / 域	角色说明
`direction_intent`	Bull • Bear • RangeBound • Breakout	主要方向假设
`vol_intent` (可选)	↑IV • ↓IV • =IV	明确的波动率观点；如省略，则由 `vega_style` 推断
`vega_style`	Debit • Credit	区分中性策略是多波动率还是空波动率
`holding_horizon`	10天 / 日内 / 波段	持仓周期
`price_target` (可选)	120 USD	目标价格点（用于退出参考）
`vol_target` (可选)	35 IV	目标波动率水平
`max_risk` (可选)	2,000 USD	最差情况下的最大亏损上限
`premium_offset` (可选)	50%	期权支出希望通过信用腿抵消的比例

3.3 资源与流动性约束

字段	含义
`capital_limit`	可接受的最大名义本金 / 保证金
`liquidity_floor`	所需最小持仓量 / 深度
`granularity`	100 股 / 合约为基本交易单位
`ban_leveraged_longdated`	TRUE 表示禁止使用到期大于 45 天的 `LeveragedETF{β}`

3.4 内建启发式守护逻辑 [可选]

守护逻辑默认启用；如需禁用某项，则需加入 --no-guard XYZ。

守护规则 DSL	逻辑解释	默认行为
`avoid_leg_if days_left<2d && strike_offset>10%`	“0DTE 且深度 OTM”，价值极低	阻止生成；发出警告 W401
`warn_if days_left>30d && leg_pnl>+25%`	过早深 ITM 盈利易被回撤	提示进行 `roll` 或 `close`；W402
`exit_triggers += days_left<2d`	临近到期自动平仓	在运行时追加触发器

引擎可以添加自定义的守护（如波动骤降、流动性枯竭），使用 W4xx 编码。

3.5 方向意图到组件映射 [核心]

意图类型	允许的基础组件集合 `S(I)`
Bull	{ `long Stock`, `long call`, `short put` }
Bear	{ `short Stock`, `long put`, `short call` }
Neutral (Debit)	{ `long call` + `long put` }
Neutral (Credit)	{ `short call` + `short put` }
Not‑Bear	Bull ∨ Neutral
Not‑Bull	Bear ∨ Neutral

规范化规则： Breakout → Neutral (Debit)；RangeBound → Neutral (Credit)。

MapIntentToO 在无需波动敞口时可以返回线性组件（如 Stock / Future）。

4 策略构建路径 [核心]

4.0 控制模块

符号	单腿场景	多腿场景 (N ≥ 1)
K	执行价	向量 K = (K₁…Kₙ)
T	到期时间	向量 T = (T₁…Tₙ)
L	腿集合（固定长度）	{O₁…Oₙ}
Q	数量	向量 Q = (q₁…qₙ)

对于线性腿，仅适用 scale_qty, add_leg, remove_leg；shift_strike 与 roll_tenor 为无操作（NOP）。

调整 {K, T, L, Q} 与插入、移除、缩放腿等价，均会影响组合的希腊值。

原子控制操作

操作	参数类型	效果说明
`shift_strike(leg=i, ΔK)`	绝对值或百分比	调整第 i 腿的执行价
`roll_tenor(leg=i, ΔT)`	天数	移动第 i 腿的到期时间
`replace_leg(i, newO)`	—	用新腿替换第 i 腿
`add_leg(O)` / `remove_leg(i)`	—	扩展或收缩腿集合
`scale_qty(leg=i, factor)`	浮点数	乘以数量系数 qᵢ

上述控制动词适用于每条路径循环与调整模块中。

4.1 路径 A — 意图驱动的逻辑树

依赖链：

市场快照
   ↓
方向 / 波动意图
   ↓   → 初始腿选择
市场反馈 + 控制调整
   ↓   → 细化希腊值
风险限制检查
   ↓
应用成本抵消比例（如指定）
   ↓
资源 / 流动性验证
   ↓
循环直至满足全部约束

最后进行资源检查，以防止中间变更引发误判。

重点：

优先风险控制： max_risk 优先级最高，若超限必须添加保护翼或直接拒绝。
其次考虑成本： premium_offset 是最佳努力，不能突破风险上限。
控制操作可在任意循环中应用。
每次结构更改后都会重新计算系统希腊值。

4.2 路径 B — 批量生成 → 全局微调

S₀ ← one_shot_generate(intent, constraints_with_basic_liquidity)  # 轻量预筛选
S₁ ← global_tweak(S₀, target_Greeks, max_risk, premium_offset)
S₂ ← reality_check(S₁)    # 完整的资本与流动性验证
if !ok  then iterate or fallback(Path A)
return S₂

用于偏好单次优化流程而非交互式编辑的场景。

4.3 路径 C — 希腊值目标反向求解（先反应市场）

target_G ← user_or_model_vector()     # 期望的 Δ, Γ, V, Θ, ρ …
candidate ← solve_leg_set(target_G, market, constraints)
── control_tune(candidate, policy)     # strike/tenor/leg/qty 微调
candidate ← ensure_max_risk(candidate, max_risk)
candidate ← apply_premium_offset(candidate, premium_offset)

return reality_check(candidate)

求解完成后，引擎可以调用 control_tune 进行最终微调，然后执行风险与成本校验。

路径 C 计算开销较大（可能采用线性/二次规划或启发式搜索），适合机器学习 / 机构引擎。

5 调整模块 [核心]

用途： 当原始观点有所削弱但未完全失效时，对已有持仓进行再设计。

字段	描述说明
`adjust_when`	布尔触发条件，与 `entry_when` 使用相同语法。为真时引擎尝试执行调整脚本。
`adjust_playbook`	原子操作组成的有序列表（如 `roll`, `hedge`, `add_leg`, `remove_leg`, `scale_qty`, `delta_neutralise` 等）
`abort_if`	守护条件 —— 每条操作前判定；为真时中止调整，转入退出模块。

示例：

adjust_when  price_retrace(>-3%) or vega_crush(>20%)
adjust_playbook [ roll_nearest_term(), hedge_gamma(target=0.10) ]
abort_if additional_margin(%) > 15

6 退出模块 [核心]

用途： 定义平仓或自然到期的触发条件。

字段	描述说明
`exit_mode`	多个触发器的评估方式：`first_hit`（默认）/ `all_required` / `machine_decide(score_fn)`
`exit_triggers`	条件数组，如：`price_target_hit(108)`, `pnl_percent(<‑25%)`, `days_left(<2d)` 等

结构模板：

exit_mode first_hit
exit_triggers [
    price_target_hit(108),
    pnl_percent(>30%),
    days_left(<2d)
]

若未定义退出模块，引擎将发出警告，并默认使用 exit_triggers [ expiry_passed() ]。

7 文法与验证 [核心]

7.1 EBNF 文法（文本形式）

Strategy      ::= Expression EOF
Expression    ::= Term (('+'|'-') Term)*
Term          ::= Multiplier '×'? Atom
Multiplier    ::= INTEGER
Atom          ::= Primitive | AliasCall | '(' Expression ')'
Primitive     ::= StockLeg | FutureLeg | CashLeg | ETFLeg | LeveragedETFLeg | OptionLeg
StockLeg      ::= ('long' | 'short')? 'Stock'
FutureLeg     ::= ('long' | 'short')? 'Future' '(' Expiry ')'
CashLeg       ::= ('long' | 'short')? 'Cash'
ETFLeg        ::= ('long' | 'short')? 'ETF'
LeveragedETFLeg::= ('long' | 'short')? 'LeveragedETF' '{' NUMBER '}'
OptionLeg     ::= ('long' | 'short')? 'Option' '(' CallPut ',' Strike ',' Tenor ')'
AliasCall     ::= IDENTIFIER '(' ArgList? ')'
CallPut       ::= 'Call' | 'Put'
Strike        ::= NUMBER | RelNUMBER
Tenor         ::= TIME_LITERAL | RelTIME
Expiry        ::= DATE_LITERAL
RelNUMBER     ::= ('+'|'-') NUMBER '%'
RelTIME       ::= ('+'|'-') NUMBER 'd'
ArgList       ::= Expression (',' Expression)*

官方 JSON 模式（opl-lang‑1.0.schema.json）随参考实现发布，用于严格的机器校验。

7.2 验证码

代码	含义说明
`E101`	未知的原始类型
`E201`	禁用的杠杆 ETF 长期腿 (§ 3.3)
`E301`	超出资本限制
`E302`	最终生成后仍超出 `max_risk` 限制
`E303`	`premium_offset` 目标无法满足
`E304`	缩放后数量低于最小单位
`E305`	检测到负数或 0 数量

警告码：

代码	含义说明
`W401`	阻止 0DTE 且远 OTM 的腿生成
`W402`	深度 ITM 腿过早盈利，建议回滚或平仓
`W403`	为满足 `max_risk`，降低了 `premium_offset`

8 兼容模板库 [可选]

8.1 等价表达式 / 命名模式

别名	规范化展开式
Stock	`Option(Call,K=P,T→∞) + Option(Put,K=P,T→∞)`
Vertical(Call,K₁<K₂)	`long call@K₁ + short call@K₂`（相同到期日）
Condor	`VerticalCallBull + VerticalCallBear`

8.2 结合律与规范化流程

# normalise_strategy(S): 扁平化、排序、合并数量
legs = flatten_parentheses(S)
legs = merge_same_legs(legs)
legs = [l for l in legs if l.qty != 0]
legs = sort_by((underlying,strike,expiry,type,polarity))
return Σ legs

9 术语表 [核心]

术语	定义说明
`C`	基础组件（Cash / Stock / Option 等）
`O`	操作组件（数量 × 方向 × 组件）
`S`	策略系统，由多个 O 组成
`K`	执行价（或向量）
`T`	到期日 / 持有期（或向量）
`L`	腿集合（Leg Set）
`Q`	数量（或向量）
`Δ, Γ, V, Θ, ρ, Charm`	标准期权希腊值及一阶利率/时间敏感度
`qty`	整数型合约倍数
`polarity`	+1 多头 / ‑1 空头
`intent`	Bull / Bear / Neutral / Not‑Bull / Not‑Bear
`vega_style`	Debit（多波动率）/ Credit（空波动率）
Linear leg	指 Stock / ETF / Future，Δ = ±1（带符号），其余希腊值为 0

10 附录 A — 启发式守护库（完整表）

（见 § 3.3 表格结构；本库可扩展，统一采用 W4xx 编号）

11 附录 B — 黄金样例 [可选]

# 1 牛市垂直价差（DSL 表达）
S = long Option(Call,480,14d) + short Option(Call,500,14d)

# 2 合成多头股票（JSON 格式）
[
  {"qty":1,"side":"long","type":"call","strike":480,"exp":3650},
  {"qty":1,"side":"short","type":"put","strike":480,"exp":3650}
]

# 3 使用语法糖的 3× 空头看跌期权
S = 3×short Option(Put,450,30d)

# 4 使用别名生成 Condor
S = Condor(Call, K1=480, K2=520, T=30d)

# 5 设置 premium_offset = 40% 时，long call 自动转为垂直价差
intent         = Bull
premium_offset = 40%
max_risk       = 1500 USD

# 编译器输出（示意）
S = long Option(Call,480,30d) + short Option(Call,520,30d)

# 6 数量缩放示例
S = long Option(Call,480,30d)
adjust_playbook [ scale_qty(leg=1, factor=2.0) ]  # 名义值翻倍

# 7 备兑开仓
S = long Stock + short Option(Call,520,30d)

12 附录 C — 语言集成流程（自然语言 ➜ 策略结构 ➜ 执行）

🧠 “OPL‑Lang 的目标是成为人类意图与自动策略引擎之间的接口语言。”

人类自然语言意图
          ↓
AI 语义解析器（LLM / 规则 / 示例驱动）
          ↓
OPL‑Lang 策略结构（意图 + 约束 + 组件）
          ↓
执行引擎（Python / Rust / C++）
          ↓
回测 / 实盘下单系统 / 投资组合模拟器

在此流程中：

人类表达高层意图（例如“我预期上涨并伴随波动率上升，但最大亏损需受限”）；
AI 将意图解析为 OPL-Lang 结构，可采用映射规则或模型学习；
OPL-Lang 提供完整的结构语法，明确方向、风险、持有周期、资本等；
执行引擎 消化该结构并转化为回测、实盘交易或模拟器任务。

13 版本控制与兼容性

OPL‑Lang 遵循 语义版本规范 2.0.0：

MAJOR：不兼容的语法变更（如 2.0）
MINOR：向后兼容的新功能（如 1.1）
PATCH：编辑修复，无语法变动（如 1.0.1）

源文件需在前 256 字节内包含如下魔法头：

opl-lang 1.0   # 后续允许注释内容

工具必须拒绝解析无法识别主版本号的文件。