QuantLib 金融计算——数学工具之插值（一维插值方法）

概述
“插值”是量化金融中最常用的工具之一，已知一组离散点以及未知函数 f 在这些点上的值 (xi,f(xi))i∈{0,…,n}，要近似求出任意一点 x∈[x0,xn] 上的函数值。

标准的应用场景是对收益率曲线、波动率微笑曲线和波动率曲面的插值。quantlib-python 提供了下列一维和二维插值方法：

插值方法	数据维度
LinearInterpolation	（1-D）
LogLinearInterpolation	（1-D）
BackwardFlatInterpolation	（1-D）
ForwardFlatInterpolation	（1-D）
BilinearInterpolation	（2-D）
BicubicSpline	（2-D）

一维插值方法
一维插值方法常用于收益率曲线、波动率微笑曲线，其对象的构造基本如下：

myInt = XXXInterpolation(x, y)
x：浮点数序列，若干离散的自变量
y：浮点数序列，自变量对应的函数值，与 x 等长

插值类定义了 call 方法，一个插值类对象的使用方式如下，作为一个函数

myInt(x, allowExtrapolation)
x：浮点数，要插值的点
allowExtrapolation：布尔型，allowExtrapolation 为 True 意味着允许外推，默认值是 False。

import QuantLib as ql
import numpy as np

#
xVec = [0.0, 1.0, 2.0, 3.0, 4.0]
yVec = [np.exp(x) for x in xVec]
linInt = ql.LinearInterpolation(xVec, yVec)

print("Exp at 0.0  ", linInt(0.0))
print("Exp at 0.5  ", linInt(0.5))
print("Exp at 1.0  ", linInt(1.0))

Exp at 0.0   1.0
Exp at 0.5   1.8591409142295225
Exp at 1.0   2.718281828459045

其中：

yVec: 
[1.0,
 2.718281828459045,
 7.38905609893065,
 20.085536923187668,
 54.598150033144236]

参考文档：
https://www.cnblogs.com/xuruilong100/archive/2004/01/13/9873887.html