python金融衍生品大数据分析豆瓣_Python金融衍生品大数据分析：建模、模拟、校准与对冲...

第 1 章 快速导览 1

1.1 基于市场的估价

1.2 本书的结构

1.3 为什么选择 Python

1.4 深入阅读

第 1 部分 市场 6

第 2 章 什么是基于市场的定价 6

2.1 期权及其价值

2.2 普通金融工具与奇异金融工具

2.3 影响股权衍生工具的风险

2.3.1 市场风险

2.3.2 其他风险

2.4 对冲

2.5 基于市场的定价过程

第 3 章 市场典型事实 15

3.1 简介

3.2 波动率、相关性

3.3 基本案例：正态收益率

3.4 指数和股票

3.4.1 典型事实

3.4.2 DAX 指数收益率

3.5 期权市场

3.5.1 买卖价差

3.5.2 隐含波动率曲面

3.6 短期利率

3.7 结论

3.8 Python 脚本

3.8.1 GBM 分析

3.8.2 DAX 分析

3.8.4 EURO STOXX 50 隐含波动率

3.8.5 EURIBOR 分析

第 2 部分 理论定价 42

第 4 章 风险中性定价 42

4.1 简介

4.2 离散时间不确定性

4.3 离散市场模型

4.3.1 基本元素

4.3.2 基础定义

4.4 离散时间模型的主要结果

4.5 连续时间模型

4.6 总结

4.7 证明

4.7.1 引理 1

4.7.2 命题 1

4.7.3 定理 1

第 5 章 完全市场模型 62

5.1 简介

5.2 Black-Scholes-Merton 模型

5.2.1 市场模型

5.2.2 基本 PDE

5.2.3 欧式期权

5.3 BSM 模型的 Greeks

5.4 Cox-Ross-Rubinstein 模型

5.5 总结

5.6 证明及 Python 脚本

5.6.1 伊藤引理

5.6.2 BSM 期权定价的脚本

5.6.3 BSM 看涨期权 Greeks 脚本

5.6.4 CRR 期权定价脚本

第 6 章 基于傅里叶的期权定价 84

6.1 概述

6.2 定价问题

6.3 傅里叶变换

6.4 基于傅里叶的期权定价

6.4.1 Lewis(2001)

6.4.2 Carr-Madan(1999)

6.5 数值计算

6.5.1 傅里叶级数

6.5.2 快速傅里叶变换

6.6 应用

6.6.1 Black-Scholes-Merton(1973)模型

6.6.2 Merton(1976)模型

6.6.3 离散市场模型

6.7 总结

6.8 Python 脚本

6.8.1 使用傅里叶方法的 BSM 看涨期权定价

6.8.2 傅里叶级数

6.8.3 单位根

6.8.4 卷积

6.8.5 参数模块

6.8.6 卷积计算看涨期权价值

6.8.7 卷积期权定价

6.8.8 DFT 期权定价

6.8.9 DFT 速度检验

第 7 章 利用模拟的美式期权定价 114

7.1 概述

7.2 金融模型

7.3 美式期权定价

7.3.1 问题形式

7.3.2 定价算法

7.4 数值结果

7.4.1 美式看跌期权

7.4.2 美式空头秃鹰式价差

7.5 总结

7.6 Python 脚本

7.6.1 二项定价

7.6.2 LSM 蒙特卡罗定价

7.6.3 原始算法和对偶算法

第 3 部分 基于市场的定价 132

第 8 章 基于市场定价的第一个例子 132

8.1 概述

8.2 市场模型

8.3 定价

8.4 校准

8.5 模拟

8.6 总结

8.7 Python 脚本

8.7.1 数值积分定价

8.7.2 FFT 定价

8.7.3 根据三种到期日的期权报价校准模型

8.7.4 根据到期时间较短的期权报价校准模型

8.7.5 MCS 定价

第 9 章 一般市场模型 154

9.1 概述

9.2 框架

9.3 框架的特征

9.4 零息债券定价

9.5 欧式期权定价

9.5.1 PDE 方法

9.5.2 变换方法

9.5.3 蒙特卡罗模拟

9.6 总结

9.7 证明和 Python 脚本

9.7.1 伊藤引理

9.7.3 欧式看涨期权定价的 Python 脚本

第 10 章 蒙特卡罗模拟 171

10.1 概述

10.2 零息债券定价

10.3 欧式期权定价

10.4 美式期权定价

10.4.1 数值结果

10.4.2 高准确性与低速度

10.5 总结

10.6.1 一般零息债券定价

10.6.3 通过蒙特卡罗模拟对欧式期权自动定价

10.6.4 通过蒙特卡罗模拟对美式看跌期权自动定价

第 11 章 模型校准 202

11.1 概述

11.2 一般考量

11.2.1 为什么校准

11.2.2 模型的不同部分分别是什么角色

11.2.3 什么是目标函数

11.2.4 什么是市场数据

11.2.5 什么是最优化算法

11.3 短期利率部分的校准

11.3.1 理论基础

11.3.2 根据 Euribor 校准模型

11.4 股权部分的校准

11.4.1 傅里叶变换方法定价

11.4.2 根据 EURO STOXX 50 期权的报价进行校准

11.4.3 H93 模型校准

11.4.4 跳跃部分校准

11.4.5 BCC97 模型的完全校准  2

11.4.6 根据隐含波动率校准

11.5 总结

11.6 COX-INGERSOLL-ROSS 模型的 PYTHON 脚本

11.6.1 CIR85 模型校准

11.6.2 H93 随机波动率模型校准

11.6.3 隐含波动率的比较

11.6.4 模型跳跃扩散部分的校准

11.6.5 BCC97 完全模型的校准

11.6.6 根据隐含波动率校准 BCC97 模型

第 12 章 一般模型框架下的模拟与定价 240

12.1 概述

12.2 模拟 BCC97 模型

12.3 股权期权定价

12.3.1 欧式期权

12.3.2 美式期权

12.4 总结

12.5 Python 脚本

12.5.1 模拟 BCC97 模型

12.5.2 MCS 法对欧式看涨期权定价

12.5.3 MCS 法对美式看涨期权定价

第 13 章 动态对冲 256

13.1 概述

13.2 BSM 模型对冲研究

13.3 BCC97 模型对冲研究

13.4 总结

13.5 Python 脚本

13.5.1 BSM 的 LSM Delta 对冲(单一路径)

13.5.2 BSM 的 LSM Delta 对冲(多条路径)

13.5.3 BCC97 中美式看跌期权的 LSM 算法

13.5.4 BCC97 的 LSM Delta 对冲(单一路径)

第 14 章 摘要 280

附录 A 果壳里的 Python 281

A.1 Python 基础

A.1.1 安装 Python 包

A.1.2 Python 第一步

A.1.3 数组操作

A.1.4 随机数

A.1.5 绘图

A.2 欧式期权定价

A.2.1 Black-Scholes-Merton 方法

A.2.2 Cox-Ross-Rubinstein 方法

A.2.3 蒙特卡罗方法

A.3 金融选题

A.3.1 近似

A.3.2 最优化

A.3.3 数值积分

A.4 Python 进阶

A.4.1 类和对象

A.4.2 基本的输入输出

A.4.3 与电子表格交互

A.5 快速金融工程

^ 收 起