Python和MATLAB及C++资产价格看涨看跌对冲模型和微积分

2024-05-07 18:44

本文主要是介绍Python和MATLAB及C++资产价格看涨看跌对冲模型和微积分,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

🎯要点

  1. 🎯资产价格动态数学随机模型:🖊价格几何布朗运动过程积分 | 🖊布朗运动和几何布朗运动随时间概率密度 | 🖊几何布朗运动离散过程 | 🖊电动车历史股票价值及预期。
  2. 🎯金融衍生品估值偏微分方程:🖊期权合约 | 🖊计算看涨期权期权面,显示对冲参数及预期价格 | 🖊计算看跌期权的期权面 | 🖊对冲看涨期权投资组合 | 🖊再平衡频率对投资组合方差的影响。
  3. 🎯期权价格与隐含概率密度函数关系模型:🖊看涨期权隐含波动率 | 🖊看涨期权敏感度值曲面 | 🖊隐含波动率曲面 | 🖊看涨期权价值函数偏微分变化趋势 | 🖊看涨期权价格执行价格对比 | 🖊哈根隐含波动率参数化下的不同隐含波动率形状 | 🖊外汇市场报价数据插值 | 🖊局部波动模型模拟。
  4. 🎯价格泊松过程中偏积分微分方程:🖊价格跳跃扩散的蒙特卡罗路径和补偿泊松过程 | 🖊默顿模型,跳跃扩散过程 | 🖊跳跃扩散过程概率密度三维分布和二维动态 | 🖊默顿跳跃扩散模型对隐含波动率影响 | 🖊对冲看涨期权价格波动 | 🖊不同对冲频率对损益方差的影响。
  5. 🎯傅立叶余弦级数和风险中性估值期权定价方法 | 🎯多维期权定价和风险中性措施
  6. 🎯C++和Python计算金融数学方程算法模型

🍇Python风险中性资产定价

β = 1 / ( 1 + ρ ) \beta=1 /(1+\rho) β=1/(1+ρ) 为跨期贴现因子,其中 ρ \rho ρ 是主体对未来贴现的利率。为一单位除息资产定价的基本风险中性资产定价方程为
p t = β E t [ d t + 1 + p t + 1 ] p_t=\beta E _t\left[d_{t+1}+p_{t+1}\right] pt=βEt[dt+1+pt+1]
这里 E t [ y ] E _t[y] Et[y] 表示 y y y 的最佳预测,以时间 t t t 可用的信息为条件。

最简单的情况是恒定、非随机股息流的风险中性价格 d t = d > 0 d_t=d>0 dt=d>0。从上式中删除期望并向前迭代得出,
p t = β ( d + p t + 1 ) = β ( d + β ( d + p t + 2 ) ) ⋮ = β ( d + β d + β 2 d + ⋯ + β k − 2 d + β k − 1 p t + k ) \begin{aligned} p_t & =\beta\left(d+p_{t+1}\right) \\ & =\beta\left(d+\beta\left(d+p_{t+2}\right)\right) \\ & \vdots \\ & =\beta\left(d+\beta d+\beta^2 d+\cdots+\beta^{k-2} d+\beta^{k-1} p_{t+k}\right) \end{aligned} pt=β(d+pt+1)=β(d+β(d+pt+2))=β(d+βd+β2d++βk2d+βk1pt+k)
如果 lim ⁡ k → + ∞ β k − 1 p t + k = 0 \lim _{k \rightarrow+\infty} \beta^{k-1} p_{t+k}=0 limk+βk1pt+k=0,该序列收敛为
p ˉ : = β d 1 − β \bar{p}:=\frac{\beta d}{1-\beta} pˉ:=1ββd
这是股息不变情况下的均衡价格。

考虑一个增长的非随机股息过程 d t + 1 = g d t d_{t+1}=g d_t dt+1=gdt,其中 0 < g β < 1 0<g \beta<1 0<gβ<1。虽然当股息随着时间的推移而增长时,价格通常不会保持不变,但价格股息率却可以。

如果我们猜到这一点,将 v t = v v_t=v vt=v 代入下式以及我们的其他假设,我们得到 v = β g ( 1 + v ) v=\beta g(1+v) v=βg(1+v)​。
v t = E t [ m t + 1 d t + 1 d t ( 1 + v t + 1 ) ] v_t= E _t\left[m_{t+1} \frac{d_{t+1}}{d_t}\left(1+v_{t+1}\right)\right] vt=Et[mt+1dtdt+1(1+vt+1)]
由于 β g < 1 \beta g<1 βg<1,我们有唯一的正解:
v = β g 1 − β g v=\frac{\beta g}{1-\beta g} v=1βgβg
价格为:
p t = β g 1 − β g d t p_t=\frac{\beta g}{1-\beta g} d_t pt=1βgβgdt
在这个例子中,如果我们采用 g = 1 + κ g=1+\kappa g=1+κ 并让 ρ : = 1 / β − 1 \rho:=1 / \beta-1 ρ:=1/β1,那么价格就变成
p t = 1 + κ ρ − κ d t p_t=\frac{1+\kappa}{\rho-\kappa} d_t pt=ρκ1+κdt
这就是所谓的戈登公式。

代码实现一个著名的定价模型:

class PricingModel:def __init__(self, β=0.96, mc=None, γ=2.0, g=np.exp):self.β, self.γ = β, γself.g = g# A default process for the Markov chainif mc is None:self.ρ = 0.9self.σ = 0.02self.mc = qe.tauchen(n, self.ρ, self.σ)else:self.mc = mcself.n = self.mc.P.shape[0]def test_stability(self, Q):sr = np.max(np.abs(eigvals(Q)))if not sr < 1 / self.β:msg = f"Spectral radius condition failed with radius = {sr}"raise ValueError(msg)def tree_price(ap):# Simplify names, set up matricesβ, γ, P, y = ap.β, ap.γ, ap.mc.P, ap.mc.state_valuesJ = P * ap.g(y)**(1 - γ)# Make sure that a unique solution existsap.test_stability(J)# Compute vI = np.identity(ap.n)Ones = np.ones(ap.n)v = solve(I - β * J, β * J @ Ones)return v

这是 v v v 作为 γ \gamma γ 几个值的状态函数的图,具有正相关的马尔可夫过程和 g ( x ) = exp ⁡ ( x ) g(x)=\exp (x) g(x)=exp(x)

γs = [1.2, 1.4, 1.6, 1.8, 2.0]
ap = AssetPriceModel()
states = ap.mc.state_valuesfig, ax = plt.subplots()for γ in γs:ap.γ = γv = tree_price(ap)ax.plot(states, v, lw=2, alpha=0.6, label=rf"$\gamma = {γ}$")ax.set_title('Price-dividend ratio as a function of the state')
ax.set_ylabel("price-dividend ratio")
ax.set_xlabel("state")
ax.legend(loc='upper right')
plt.show()

参阅一:计算思维

参阅二:亚图跨际

这篇关于Python和MATLAB及C++资产价格看涨看跌对冲模型和微积分的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/968083

相关文章

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Python Websockets库的使用指南

《PythonWebsockets库的使用指南》pythonwebsockets库是一个用于创建WebSocket服务器和客户端的Python库,它提供了一种简单的方式来实现实时通信,支持异步和同步... 目录一、WebSocket 简介二、python 的 websockets 库安装三、完整代码示例1.

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很