SPY 0-DTE and 1-DTE options data

该数据集包含通过Interactive Brokers API收集的SPY期权数据，重点关注当前SPY价格5%以内的期权以及0 DTE和1 DTE到期日。数据包括完整的定价信息，如希腊值（delta、gamma、theta、vega）。数据集存储在CSV文件中，包括历史数据点和最新数据快照。

This dataset comprises SPY options data collected via the Interactive Brokers API, with a focus on options within 5% of the current SPY price as well as those with 0 DTE and 1 DTE to expiration. The dataset includes comprehensive pricing information, such as the Greeks (delta, gamma, theta, vega). Stored in CSV files, the dataset contains both historical data points and the latest data snapshot.

原始信息汇总

IBKR SPY期权数据收集器数据集概述

数据集基本信息

• 数据来源：Interactive Brokers (IBKR) API
• 标的资产：SPY期权
• 收集频率：每3分钟一次
• 市场时段：美国东部时间9:30 AM - 4:00 PM
• 交易日：非美国市场假期的周内工作日

数据收集范围

• 行权价范围：当前SPY价格的±30%区间内
• 到期日类型：
  • 短期期权：0DTE和1DTE
  • 长期期权：最后两个LEAP到期日
• 期权类型：包含看涨和看跌期权

数据文件

1. options_spy_historical.csv：包含所有带时间戳的历史数据点
2. options_spy_latest.csv：仅包含最新收集的数据

数据字段

• 合约信息：代码、行权价、到期日、类型（看涨/看跌）等
• 定价数据：买价、卖价、最后成交价、买卖盘大小、成交量
• 希腊值：Delta、Gamma、Theta、Vega（针对买价、卖价、最后成交价和模型价格）
• 时间戳：每个数据点的收集时间

数据收集状态

• 当前状态：活跃收集中（定期更新）

技术要求

• Python版本：3.6+
• 依赖库：
  • ib_insync
  • pandas
  • schedule
  • pytz
• IBKR环境要求：需运行Trader Workstation (TWS)或IB Gateway并启用API连接（默认端口7497）

搜集汇总

数据集介绍

构建方式

在金融衍生品研究领域，SPY 0-DTE and 1-DTE options data数据集通过Interactive Brokers API实现了高频自动化采集。该构建方案采用ib_insync库作为技术核心，严格限定在美国交易日时段（东部时间9:30-16:00）以5分钟为间隔进行采样，智能排除非交易日与节假日。数据采集聚焦于SPY标的5%价格区间内的价外期权，特别捕获0日到期与1日到期的短期合约，完整记录包括希腊值在内的多维定价指标，并通过双文件存储机制实现历史数据归档与实时数据更新的分离。

特点

作为高频期权研究的特色数据集，其核心价值体现在三方面维度：时间维度上精准锁定超短期期权合约的生命周期，空间维度覆盖标的价5%波动区间的关键行权价，指标维度完整囊括买卖报价、成交量等市场数据及四类希腊字母风险参数。数据集采用CSV轻量化存储，通过时间戳字段实现毫秒级数据追溯，其独特的0DTE合约数据为研究日内波动率微笑现象提供了珍贵样本。每个数据点包含27个以上字段，形成多层次的期权定价观测矩阵。

使用方法

该数据集的应用需搭建Python3.6+环境并配置IBKR交易终端接口。研究者通过安装ib_insync等依赖库后，执行options_creation.py脚本即可启动自动化采集系统。系统默认连接本地7497端口，具备智能错误恢复机制与数据追加写入功能。对于量化策略研究，建议结合pandas进行时间序列分析，重点关注希腊值随标的波动的非线性变化。历史数据文件支持回溯测试，而实时数据文件适用于高频交易信号生成，研究者可根据需要调整采集频率与行权价范围参数。

背景与挑战

背景概述

SPY 0-DTE和1-DTE期权数据集由Interactive Brokers（IBKR）API通过自动化脚本采集，专注于追踪标普500指数ETF（SPY）的极短期期权合约。该数据集由独立开发者构建，旨在捕捉临近到期日的期权动态，其核心研究问题聚焦于高频市场环境下隐含波动率曲面变化与希腊值敏感性分析。作为量化金融领域的重要补充，该数据集为研究零日到期期权定价异常、日内波动率聚类等现象提供了独特的微观结构视角，填补了传统低频期权数据在超短期合约观测上的空白。

当前挑战

该数据集面临双重挑战：在领域问题层面，极短期期权存在隐含波动率跳跃风险与市场流动性骤变等特征，传统Black-Scholes模型对0-DTE合约的定价误差显著增大，且盘中买卖价差扩大现象加剧了套利策略执行的难度。在构建过程中，需克服IBKR API的实时数据吞吐限制，精确同步多合约希腊值计算时点，并解决交易时段内因SPY现货价格波动导致的合约筛选范围动态调整问题。此外，美国东部时间下午3:00后0-DTE合约的流动性衰减特性，要求数据采集系统具备异常值实时检测与过滤能力。

常用场景

经典使用场景

SPY 0-DTE和1-DTE期权数据集为高频交易和量化金融研究提供了重要支持。在金融衍生品领域，短期期权因其对市场波动的敏感性而备受关注。该数据集通过捕获SPY指数0日和1日到期期权的实时定价信息，包括希腊值等关键指标，为研究人员分析市场微观结构、波动率曲面动态变化以及高频做市策略提供了丰富素材。特别是在市场剧烈波动时期，这些近月期权数据能够清晰反映投资者情绪和风险管理需求的变化。

解决学术问题

该数据集有效解决了金融工程领域关于短期期权定价效率的核心问题。学术界长期关注到期日效应和期权希腊值动态变化规律，但缺乏高频、结构化的实证数据。通过系统采集0DTE和1DTE期权的买卖报价、成交量及希腊值数据，研究人员能够精确检验波动率微笑曲线在超短期期权中的形态特征，验证随机波动率模型在微观时间尺度上的预测能力。这些数据尤其有助于揭示市场流动性在临近到期时的非线性变化规律，为完善期权定价理论提供了实证基础。

衍生相关工作

基于该数据集的衍生研究已催生多项重要成果，包括《超短期期权市场微观结构》等开创性论文。部分团队将希腊值时间序列与订单流数据融合，开发出新型流动性风险预警模型。在算法交易领域，有研究者利用该数据集构建了基于gamma暴露的动态对冲框架，显著提升了高频做市策略的夏普比率。此外，这些数据还支持了多个关于零日到期期权到期时价格收敛特征的实证研究，推动了市场有效性理论的边界。