基于PYTHON的场外期权动态对冲回测工具

最新推荐文章于 2024-08-12 09:03:54 发布

Maple丶峰

最新推荐文章于 2024-08-12 09:03:54 发布

阅读量3.8k

点赞数 5

分类专栏： python

本文链接：https://blog.csdn.net/lvlinfeng970/article/details/105154964

版权

本文介绍了在金融衍生品部门面试中的技术项目，即使用Python进行基于Delta区间的场外期权动态对冲策略回测。通过`hedge.py`计算对冲效果，`MonteCarlo.py`进行蒙特卡洛模拟寻找最优阈值。面试中深入讨论了对冲理论，强调收益率变动而非价格差、期权到期时的头寸调整以及风险中性定价原理的应用。

摘要由CSDN通过智能技术生成

周四面试了某比较想去的公司的金融衍生品部门，技术面的项目是在交易所市场买卖期货，用以对冲卖出场外期权。我采用的是Delta区间动态对冲的方法，记录一下这次技术面中编写的策略回测工具，之后以备使用。时间较少，代码结构与变量命名较为随意。

hedge.py

用来计算在特定阈值下的对冲的效果，输入文件:marketinfo.xlsx为期货一分钟级行情数据，输出文件trade.xlsx和result.xlsx分别为期货端交易记录和分钟级对冲时的各项参数与损益指标。

import math
import pandas as pd
from scipy.stats import norm
def bsm(pnow,k,rf,remainingday,yearvol):
    #输入：（现价,执行价，连续无风险利率3%，剩余天数100天，年波动率0.15）
    #输出：看涨期权价格[0]，看涨期权delta[1]
    d1 = ((math.log(pnow/k))+(rf+0.5*yearvol*yearvol)*(remainingday/255))/(yearvol*math.sqrt(remainingday/255))
    d2 = ((math.log(pnow/k))+(rf-0.5*yearvol*yearvol)*(remainingday/255))/(yearvol*math.sqrt(remainingday/255))
    nd1 = norm.cdf(d1)
    nd2 = norm.cdf(d2)
    exprt = math.exp(-rf*remainingday/255)
    prise = pnow*nd1-k*exprt*nd2
    return [prise,nd1]

# getbsm = bsm(3400,3400,0.03,100,0.15)
# print("看涨期权的价格为",getbsm[0],"看涨期权的delta为",getbsm[1])

#BSM参数设定
k=3400
rf=0.03#连续复利无风险利率
firstremaingday=93#第一天开始交易时剩余交易日，假设期权4月15日到期，距离12月1日还有93个交易日
yearvol=0.1257

#其他参数设定
marginrate=0.1#期货保证金率
rr=0.07#年化单利公司资金成本
ga