American Option Pricing via Longstaff and Schwartz (2001)

最新推荐文章于 2022-12-18 18:19:12 发布

zhucai4

最新推荐文章于 2022-12-18 18:19:12 发布

阅读量1.5k

点赞数 1

分类专栏： quantitative finance 文章标签： Derivatives python

本文链接：https://blog.csdn.net/zhucai4/article/details/45556155

版权

这篇博客介绍了如何利用Python实现Longstaff和Schwartz (2001)提出的算法来模拟美式期权的价格。通过设置初始股票价格、到期时间、无风险利率、波动率等参数，模拟股票路径，并应用最少平方回归计算预期持有价值，最终确定期权在各个时间点的价值，从而得到美式期权的定价结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
import matplotlib.pyplot as plt
import numpy.random as npr

def gen_sn(M, I,  anti_paths=True, mo_match=True):
    if anti_paths is True:
        sn = npr.standard_normal((M+1, I/2))
        sn = np.concatenate((sn,-sn), axis=1)
    else:
        sn = npr.standard_normal((M+1, I))
    
    if mo_match is True:
        sn = (sn-sn.mean())/sn.std()
    
    return sn

def gbm_mcs_amer(K, option='C'):
    # set model paramters
    S0 = 100    # initial stock level
    T = 1.0     # time to maturity
    r = 0.05    # risk free rate
    vol = 0.20  # volatility 
    M = 1000    # time stpes
    
    dt = T/M
    df = np.exp(-r*dt)
    
    # simulation of stock levels
    S = np.zeros((M+1, I))
    S[0] = S0
    rn = gen_sn(M, I)
    
    for t in range(1, M+1):
        S[t] = S[t-1]*np.exp((r-0.5*vol**2)*dt+vol*np.sqrt(dt)*rn[t])