Python使用BS定价公式计算欧式期权标记价(MarkPrice)

Blogfish

已于 2023-09-11 11:00:48 修改

阅读量1.3k

点赞数 2

分类专栏： BS 期权 numpy 文章标签： python 人工智能开发语言

于 2023-08-30 10:23:35 首次发布

本文链接：https://blog.csdn.net/wangjianhuahua/article/details/132576540

版权

本文介绍了如何使用Python及BS定价公式计算欧式期权的标记价格。关键因素包括标的资产价格、行权价、到期时间（秒为单位）、无风险利率和隐含波动率。在计算看涨和看跌期权标记价时，涉及正太分布的累积和概率密度函数，需要nump、scipy和math库。代码中从数据库获取到期时间并转换为秒，计算结果可能因波动率和价格变动导致小数点后数值偏差。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

影响标记价格的几个要素是标的资产价格（即标的价格）、行权价、到期日(可以是天或秒，使用秒计算更精确)、无风险利率、隐含波动率。

若要计算看涨(即Call)和看跌(Put)的标记价，还需要计算两个中间参数。一个参数用于计算认购(即看涨Call)期权的价格，一个参数用于计算认购或认沽(即看跌Put)价格。

用到知识点是正太分布累计概率和正太分布概率密度函数，需要引入的库是nump、scipy、norm、math,详细见实现过程。

1、导入必备的库

from math import log, sqrt, exp
from scipy.stats import norm
import numpy as np
from scipy import optimize

'''
# S 底层资产价格，即标的价格（官方为标的资产价格）
# K 期权执行价格，strike price   行权价
# T 期权的剩余期限，单位：年     合约到期时间，如果到期日不足一天需要换算成天，然后除以365(总小时/24)
# r 无风险收益率，数字货币市场一般为0,  0即可
# sigma 底层资产价格年化波动率，标记价的隐含波动率，去redis查
d1()、 d2() 说明：
这两个参数在期权定价模型中起到关键的作用，尤其在使用 Black-Scholes 期权定价模型时。
这个模型是一种用来估计欧式期权价格的数学公式。它假设市场是有效的，并且标的资产价格的变动服从几何布朗运动。
根据这个模型，可以使用 d1 和 d2 来计算认购期权和认沽期权的价格。
'''

def d1(S, K, T, r, sigma):
    '''d1 是一个中间参数，用于计算认购期权的价格''&