python学习之路：期权定价与python实现

最新推荐文章于 2024-08-29 11:00:00 发布

五月和小土豆

最新推荐文章于 2024-08-29 11:00:00 发布

阅读量7.2k

点赞数 9

文章标签： python

本文链接：https://blog.csdn.net/m0_47781094/article/details/108566355

版权

本文介绍了国际上主流的期权定价模型，包括BSM、BAW、CRR和二叉树模型，详细讨论了各模型的适用场景。接着，文章探讨了如何使用Python实现欧式期权和美式期权的定价，通过Python编程直接计算BS模型和运用蒙特卡洛模拟。内容涵盖希腊字母的理解和计算，以及对国内美式期权如豆粕期权的定价应用。

摘要由CSDN通过智能技术生成

一、目前国际上主流的期权定价模型主要有：

BSM定价模型
BAW定价模型
CRR定价模型
二叉树模型

二、模型适用，需要说明的是：

1、可以直接用BS模型计算欧式期权的理论价格。

2、BS模型对欧式期权定价有较好的支持，但美式期权由于可以随时执行，影响模型对时间和价格的参数设置，因此对美式期权定价存在困难。

3、BAW定价模型，对美式期权价格进行了近似解析方法求解。该模型，多用于美式期权定价。

4、CRR模型也可以对美式期权进行定价。

5、二叉树模型对美式期权和欧式期权定价都具有较好的支持，但是为了达到一定的精度，必须有大量的模拟运算，对系统要求较高。

三、欧式期权定价的python实现

#期权定价与希腊字母
import numpy as np
from math import sqrt, log
from scipy import stats

# 欧式期权BSM定价公式


#欧式期权的看涨期权价格及各种希腊值

"""
    Parameters:
    ==========
    S0: float
        标的物初始价格水平
    K: float
       行权价格
    T: float
       到期日
    r: float
       固定无风险短期利率
    sigma: float
       波动因子
    ==========
"""

def d(S0, K, T, r, sigma):
    S0 = float(S0)
    d1 = (np.log(S0 /K) + (r + 0.5 * sigma**2) * T )/(sigma * np.sqrt(T))
    d2 = (np.log(S0 /K) + (r - 0.5 * sigma**2) * T )/(sigma * np.sqrt(T))
    return (d1,d2)

def