Optopsy 数据契约：期权链要长什么样，怎么喂进去

head -1 options.csv
# 输出示例：Symbol,Type,Expiration,QuoteDate,Strike,Bid,Ask,Delta
# 列号：      0      1        2           3        4     5    6     7

列号从 0 开始。上例中 Delta 在第 8 列，所以 delta=7。数错一位会把买价当成行权价，而 pandas 不会替你发现。

预期输出：拿到一张「列名 → 列号」的对照表

import optopsy as op

data = op.csv_data(
    "options.csv",
    underlying_symbol=0,
    option_type=1,
    expiration=2,
    quote_date=3,
    strike=4,
    bid=5,
    ask=6,
    delta=7,
)
print(data.columns.tolist())

未显式指定的可选列保持缺省。也可以传 start_date / end_date 只取一段区间，避免一次载入过大数据。

预期输出：打印出标准化后的列名列表（underlying_symbol 等），顺序与你的 CSV 无关

print(data[["strike", "bid", "ask", "delta"]].describe())

如果 delta 的均值在 0.3 附近、strike 是合理的价格量级，说明映射正确。如果 delta 出现了上千的值，多半是列号错位把别的列当成了 Delta。

预期输出：delta 落在 0–1，strike 与标的价位量级一致

print(op.long_calls(data, max_entry_dte=45, exit_dte=0).head())

先用最简策略验证；如果这一步有结果，再换成你想研究的多腿策略。

预期输出：按 dte_range / delta_range 分组的统计表