量化分析师的Python日记【Q Quant兵器谱之二叉树】

最新推荐文章于 2024-05-30 13:37:30 发布

置顶

artemis_123

最新推荐文章于 2024-05-30 13:37:30 发布

阅读量5.9k

点赞数 2

分类专栏： Quant 文章标签： python 量化 quant c语言二叉树

本文链接：https://blog.csdn.net/artemis_123/article/details/53760606

版权

这篇博客介绍了量化分析师如何使用Python实现二叉树算法，以期权为例，详细阐述了从单棵二叉树的构造到面向对象的封装过程。内容包括Jarrow-Rudd树的描述、偿付函数的定义以及算法的组装，旨在教会读者如何构造和扩展二叉树模型，探讨了二叉树在期权定价中的应用。

摘要由CSDN通过智能技术生成

通过之前几天的学习，Q Quant们应该已经熟悉了Python的基本语法，也了解了Python中常用数值库的算法。到这里为止，小Q们也许早就对之前简单的例子不满意，希望能在Python里面玩票大的！Ok，我们这里引入一个不怎么像玩具的模型——二叉树算法。我们仍然以期权为例子，教会大家：

import numpy as np
import math
import seaborn as sns
from matplotlib import pylab
from CAL.PyCAL import *
font.set_size(15)

我们这边只会简单的描述二叉树的算法，不会深究其原理，感兴趣的读者可以很方便的从公开的文献中获取细节。

我们这里仍然考虑基础的 Black - Scholes 模型：

d S = (r - d) S d t + σ S d W t

这里各个字母的含义如之前介绍，多出来的 r 代表股息率。

之所以该算法被称为二叉树，因为这个算法的基础结构是一个逐层递增的树杈式结构：

关注