为什么 Woody API 的设计如此神奇？

我们都在做跨境 LOF 基金的折溢价套利，一定对“实时估值”这个词不陌生。

在盘中，为了捕捉那稍纵即逝的套利空间，需要通过底层美股 ETF 的实时盘口和实时汇率，去推演当前 LOF 基金的“公允净值”（实时估值）。

前一阵，无敌为了给我们半自动套利小组提供便利，封装了一个数据源 Woody API ，我在对接这个接口时有一个困惑：为了算实时估值，我们需要基准日的 “ETF 收盘价”和“汇率”，那为什么 Woody 的 API 接口里，不提供收盘价呢？却给了 calibration（校准值） 和 hedge（对冲值） 的参数？，这两个参数，我自己是能够计算出来的。

直到无敌今天发的这篇文章，招安他耐心地再次给读者们做了仔细的数学推导.。尽管这套公式我早烂熟于心，再次阅读，我突然在这个看似“反直觉”的设计中迎来了极大的顿悟。 这根本不是API的数据缺失，而是一种极其优雅的“降维打击”与“常量折叠”。

今天，我来硬核拆解一下这段藏在 API 底层的数学魔法。

1. “笨重”的传统推导法

在我自己python手搓套利程序时，实时估值的公式是这么写的：

假设：

• V_base = 基准日（昨天）的 LOF 净值
• P = 基金的基础股票仓位（比如 0.90）
• E_base, F_base = 基准日的 ETF 价格、基准日的汇率
• E_rt, F_rt = 盘中实时的 ETF 价格、实时汇率

根据最朴素的逻辑，盘中实时估值（V_rt）的计算公式如下：

V_rt = V_base × [ 1 + P × ( (E_rt × F_rt) / (E_base × F_base) - 1 ) ]

这个公式大家都很熟悉，对于我们编程来说，有什么痛点？如果要在前端网页或交易终端里实时运算这个公式，程序在盘中就必须时刻携带一个“沉重的历史账本”——它必须知道 E_base（昨天的ETF）和 F_base（昨天的汇率）到底是多少。

这不仅让前端代码变得臃肿，也让数据传输变得低效。

2. Woody 的降维魔法：常量折叠（Constant Folding）

在 T 日盘中运算时，**V_base（基准净值）、E_base（基准ETF）、F_base（基准汇率），这三个数全都是昨天就已经定死的常量！**

既然是永远不变的常量，为什么要在盘中的每一秒钟都让前端重新去除一遍呢？

当然，更重要的是，woody为了计算对冲数量，他定义了一个降维常量，命名为 Calibration（校准值）：

Calibration = (E_base × F_base) / V_base

（这个值的物理意义其实非常深刻：它代表着每 1 份 LOF 净值里，包含了多少人民币价值的底层 ETF 资产。）

见证奇迹的时刻到了。 我们把这个 Calibration 倒推代入传统的长公式中，去替换掉原本臃肿的分母，稍微展开化简一下：

1. V_rt = V_base + P × (V_base × E_rt × F_rt) / (Calibration × V_base) - V_base × P
2. 分子分母的 V_base 完美抵消！
3. 重组公式：

V_rt = V_base × (1 - P)  +  (P / Calibration) × E_rt × F_rt

发现了吗？基准日的 ETF 价格和基准日的汇率，凭空消失了！

在 Woody 自己写的说明文档中，他对这个终极公式留下了一句神级总结：

“前半部分是不变的现金仓位，后半部分是变化的股票持仓。API 接口的使用者只需要自行拿到 XOP（底层ETF）的价格，就能计算对应的 LOF 净值。”

太绝了！盘中实时估值，瞬间被拆解成了一块固定不变的现金底仓 V_base×(1-P)，加上一块纯线性的波动仓位。 前端程序再也不需要背着昨天的账本跑了，只要拿到 API 传来的 Calibration，计算速度和稳定性得到了质的飞跃！

3. 终极杀器：Hedge（对冲值）的物理奥义

如果你以为这就是 Woody 优化的终点，那就大错特错了。

在上面化简出的公式里，后半部分的系数是 P / Calibration。 Woody 将这个系数的倒数，单独提炼成了一个全新的 API 字段，命名为 Hedge（对冲值）！

Hedge = Calibration / P

这个参数有什么用？为什么它配得上叫“对冲值”？

让我们算一笔账：如果你打算投入 M 块钱买 LOF，为了对冲风险，你需要做空多少股美股 ETF？

• 你买到的 LOF 股数 = M / V_base
• 你需要的 ETF 股数 = (M × P) / (E_base × F_base)

我们把这两个股数拿来相除：LOF股数 / ETF股数 = (E_base × F_base) / (V_base × P)

各位，仔细看这个结果！ 这不就是 Calibration / P 吗？这正是 Hedge（对冲值）！

这就是 Hedge 隐藏的绝对物理意义：1 股美股 ETF，在底层物理资产上，恰好等于 Hedge 股 A股 LOF！

4. 总结：什么是顶级的量化系统设计？

当我们在盘中看到套利空间，想要一键打单时，还需要去算什么仓位百分比、还需要去管昨天的汇率是多少吗？完全不需要。

只需一句极简的代码：你需要买卖的 LOF 数量 = 你交易的美股 ETF 数量 × Hedge

这也是为什么 Woody API 不传基准价，只传校准值和对冲值的原因。

他把极其复杂的历史账本对齐工作、数据清洗工作，全部封锁在了服务器的黑盒子里；最后提炼出 calibration 和 hedge 这两个降维打击的参数，像两把钥匙一样通过 API 递给用户。

用户在前端，只需要做最简单的加法和乘法，就能享受极速的实时推演和精准对冲。

这，就是顶级量化交易系统的数学之美。