| |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
-> Python知识库 -> 使用Python的QuantLib库,进行期权的定价与希腊字母的计算 -> 正文阅读 |
|
[Python知识库]使用Python的QuantLib库,进行期权的定价与希腊字母的计算 |
由Black-Scholes在1973年提出的期权定价模型,可以说是现代财务的起始点。我们首先以一个简单的欧式(Vanilla)期权为例,说明如何使用QuantLib套件,简单的完成价格与Greeks的计算。并且呼叫隐含波动性的计算函数,轻易的算出这个交易时重要的参数。下表List 1_1便是整个程序的列表。 程序分为7个段落,第一段为定价环境参数设定,第二段为市场参数设定,第三段金融工具参数设定,第四段为定价引擎的设定,第五段为定价结果产出,第六段为敏感性结果产出,第七段为隐含波动性的计算产出。 #001 import QuantLib as ql # 1.Enviroment #003 settings = ql.Settings.instance() #004 evDate = ql.Date(8, 6, 2021) #005 settings.setEvaluationDate(evDate) #006 Cal = ql.NullCalendar() #007 DC365 = ql.Actual365Fixed() #008 settlementDays = 0 #009 refDate = Cal.advance(evDate, settlementDays, ql.Days, ql.Following, False) #010 maturity = Cal.advance(refDate, 1, ql.Years, ql.Following, False) #011 # 2.Market Data #013 S0 = 100 #014 QS = ql.SimpleQuote(S0) #015 h_QS = ql.QuoteHandle(QS) #016 r = 0.06 #017 rTS = ql.FlatForward(settlementDays, Cal, r, DC365, ql.Compounded, ql.Annual) #018 h_rTS = ql.YieldTermStructureHandle(rTS) #019 q = 0.03 #020 qTS = ql.FlatForward(settlementDays, Cal, q, DC365, ql.Compounded, ql.Annual) #021 h_qTS = ql.YieldTermStructureHandle(qTS) #022 vol = 0.3 #023 volTS = ql.BlackConstantVol(evDate, Cal, vol, DC365) #024 h_volTS = ql.BlackVolTermStructureHandle(volTS) #025 GBSProcess = ql.GeneralizedBlackScholesProcess(h_QS, h_qTS, h_rTS, h_volTS) #026 # 3.Instrument #028 europeanExer = ql.EuropeanExercise(maturity) #029 strike = 100.0 #030 optType = ql.Option.Call #031 vanillaPayoff = ql.PlainVanillaPayoff(optType, strike) #032 anEuroOption = ql.EuropeanOption(vanillaPayoff, europeanExer) #033 # 4.Engine #035 AEE = ql.AnalyticEuropeanEngine(GBSProcess) #036 anEuroOption.setPricingEngine(AEE) #037 # 5.MTM #039 Value = anEuroOption.NPV() #040 print("MTM: ", Value) #041 # 6.Greeks #043 Delta = anEuroOption.delta() #044 print("Delta: ", Delta) #045 Gamma = anEuroOption.gamma() #046 print("Gamma: ", Gamma) #047 Vega = anEuroOption.vega() #048 print("Vega: ", Vega) #049 #050 Theta = anEuroOption.theta() #051 print("Theta: ", Theta) #052 Rho = anEuroOption.rho() #053 print("Rho: ", Rho) #054 DividendRho = anEuroOption.dividendRho() #055 print("Dividend Rho: ", DividendRho) #056 # 7.Implied Volatility #058 Price1 = 15.0 #059 vol1 = anEuroOption.impliedVolatility(Price1, GBSProcess) #060 print("Implied Vol at Price ", Price1,": ", vol1) #061 Price2 = 10.0 #062 vol2 = anEuroOption.impliedVolatility(Price2, GBSProcess) #063 print("Implied Vol at Price ", Price2,": ", vol2) List 1-1 #001首先载入QuantLib套件,并简称为ql。#003产生环境设定对象settings,#004产生定价基准日evDate为2021/6/8,#005将定价基准日evDate设定到settings中。#006产生一个没有假日的日历Cal。#007建立一个Actual365的计息方式对象。#008令T+0的交割方式。#009使用Cal推算真正的交割日期refDate。#010推算一年后到期的日期maturity。 #013设定标的资产价格S0为100.0。#014产生标的资产的报价对象Q_S。#015产生标的资产报价对象的握柄(Handle)hQ_S。#016令资金成本r为6%。#017以r产生一条水平的利率期限结构对象rTS。#018以rTS产生水平的利率期限结构对象的握柄h_rTS。#019令资产收益q为3%。#020以q产生一条水平的收益期限结构对象qTS。#021以qTS产生水平的收益期限结构对象的握柄h_qTS。#022令资产波动性vol为30%。#023以vol产生一条水平的波动性期限结构对象volTS。#024以volTS产生水平的波动性期限结构对象的握柄h_volTS。#025用h_QS、h_rTS、h_qTS、h_volTS四个握柄,产生一般化的Black-Scholes过程对象GBSProcess。 #028以maturity产生一个欧式到期对象。#029设定执行价格strike为100.0。#030设定期权为Call类别optType。#031产生一个欧式期权的偿付对象vanillaPayoff。#032以optType与vanillaPayoff产生一个欧式期权anEuroOption。 #035产生一个解析解的计算引擎AEE。#036将计算引擎AEE设定给期权anEuroOption。 #039呼叫期权的NPV()方法计算价值,并将其印出。#043~#055分别叫用各个Greeks的方法,并印出结果。 #058设定价格Price1=15.0,#059并以此计算对应之隐含波动性vol1。#061设定价格Price2=10.0,#062并以此计算对应之隐含波动性vol2。 虽然程序有些长,但每一行的程序对应着实际金融计算的相关逻辑,这使得QuantLib的程序代码,可以非常正确的计算出真实世界的金融资产价格。尤其像是日历的假日推算、计息折现方式、与期限结构的设定,都与真实的金融计算一致。事实上QuantLib是一个以银行交易室实务使用为目标,开发出来的链接库。 QuantLib是一个面向对象的链接库,本书的前半部分将仔细说明这些金融市场的对象,让读者了解上述程序运作的原则,并自行加以调整变化。然后再进一步介绍其他各类的新奇(Exotic)期权,如二元期权、亚洲式期权、阻隔期权。以及各类的定价模型,如树状模型、有限差分法、蒙地卡罗模拟法。 事实上,QuantLib里面还有进阶的随机波动性模型,如Heston、SABR等模型。甚至包含更复杂的具有跳动的随机波动性模型(Stochastic Volatility Model with Jumps),如Bates模型,或是随机的局部波动性模型(Stochastic Local Volatility Model)。可以说实务上会使用的模型,它大概都有开发。如果能充分使用QuantLib,必能扩大我们金融计算的能力,当然它是免费的开源工具。 下图为在Jupyter Notebook中执行产出的画面。程序可在Github下载, GitHub - andydong1209/QuantLib_Python。 ? ? |
|
|
上一篇文章 下一篇文章 查看所有文章 |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年12日历 | -2024/12/26 2:17:10- |
|
网站联系: qq:121756557 email:121756557@qq.com IT数码 |
数据统计 |