Python金融应用编程:衍生品定价和套期保值的随机过程

最新推荐文章于 2023-03-22 11:03:22 发布

weixin_33770878

最新推荐文章于 2023-03-22 11:03:22 发布

阅读量1.3k

点赞数

文章标签： python 人工智能

原文链接：http://www.cnblogs.com/tecdat/p/10559686.html

版权

本文介绍了随机过程在金融领域的应用，特别是用于衍生品定价和套期保值。文章涵盖了布朗运动、几何布朗运动、默顿跳跃扩散过程、赫斯顿随机波动率过程、Cox Ingersoll Ross和Ornstein-Uhlenbeck随机过程，以及Black-Scholes模型和模拟方法在衍生品定价中的作用。通过Python实现这些过程，展示了它们在模拟资产价格和利率变化中的行为。

摘要由CSDN通过智能技术生成

随机过程对定量融资的许多方面都很有用，包括但不限于衍生品定价，风险管理和投资管理。这些应用程序将在本文后面进一步详细讨论。本节介绍了量化融资中使用的一些流行的随机过程及其在Python中的实现。

模型参数

模型参数类包含以下随机过程使用的所有参数。为了便于理解，这些参数的前缀是它们所用的随机过程的名称。随机过程的校准将涉及寻找与某些历史数据相符的参数值。对于那些感兴趣的校准，将在我博客后面的后续帖子中讨论。

绘制结果图

下面的代码使用Matplotlib来绘制一组随机过程。

布朗运动随机过程

布朗运动是由悬浮在气体或液体中的颗粒表现出的随机运动。这种随机运动是由颗粒与液体或气体中的原子或分子碰撞引起的。布朗运动以植物学家罗伯特·布朗的名字命名，他观察了1827年的随机运动。布朗运动与金融市场之间的关系可以追溯到1900年路易斯·巴舍利尔撰写的题为“投机理论 ” 的论文。 他的论文是第一个提出使用布朗运动来评估股票期权的论文。这篇论文直到后来才得出由Fisher Black和Myron Scholes于1973年开发的着名的Black Scholes期权定价公式。在金融中使用的随机过程的背景下，Brownian Motion经常被描述为Wiener过程，用表示t。Wiener过程由以下属性描述，WtWt

W0=0W0=0

函数是连续的t→Wtt→Wt

具有独立的正态分布增量，即Wt-Ws ~N（0，t-s）WtWtWt−WsWt−WsN(0,t−s)N(0,t−s)

在实践中，布朗运动不用于模拟资产价格。我已将其包含在内，因为它是本文中讨论的每个其他随机过程的基础。

以下是此方法生成的输出示例。请注意，平均而言，生成的路径不会随着时间的推移而向上或向下漂移，换句话说，预期的回报为零。