利用BS模型计算欧式看涨期权价格——基于中国沪深300ETF看涨期权_20200524

利用BS模型计算欧式看涨期权价格——基于中国沪深300ETF看涨期权验证，结果发现当期权虚值程度较深时，理论价格与现实价格差异极大。比如，在近年来沪深300很少能到4600点以上，因此理论价格几乎为零，但是现实市场中仍有投机者在够买
作者：袁江磊

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import datetime
import math
from scipy.stats import norm
plt.rcParams['font.sans-serif']=['simhei']#用于正常显示中文标签
plt.rcParams['axes.unicode_minus']=False#用于正常显示负号
import tushare as ts
pro=ts.pro_api()
pd.set_option('display.max_columns', None)# 显示所有列
pd.set_option('display.max_rows', None)# 显示所有行class BlackScholes():"""通过BS模型计算欧式看涨期权价格"""def __init__(self,ts_code):self.data_ = pro.index_daily(ts_code=ts_code)  # 获得指定标的资产的日行情数据def init_info(self,S_0,X,r):"""S_0为股票初始价格，X为行权价格,r为无风险利率"""self.S_0=S_0self.X=Xself.r=rdef time_through(self):"""计算期权到期所剩时间，以年为单位"""time1 = datetime.datetime.strptime(self.start_date, '%Y%m%d')time2 = datetime.datetime.strptime(self.end_date, '%Y%m%d')time_ = time2 - time1  # 作差days=time_.daysreturn days/365def cost(self):"""计算期权费用"""d_1 = (math.log(self.S_0 /self.X) + (self.sigma ** 2 / 2 * self.time_)) / (self.sigma * (math.sqrt(self.time_)))d_2 = d_1 - self.sigma * math.sqrt(self.time_)C = math.exp(-1 * self.r * self.time_) * (self.S_0 * norm.cdf(d_1) - self.X * norm.cdf(d_2))return C/1000def stock_miu_sigma(self,start_date,end_date):"""计算股票价格漂移率miu和波动率sigma,，start_date为现在日期（格式'20200305'）,end_date为到期日期,sigma为股票价格波动率（标准差）"""#ts_code = '000300.SH'self.start_date = start_dateself.end_date = end_dateself.time_ = self.time_through()data_ = self.data_data_ = pd.DataFrame(data_[['close','trade_date']])  # 获得其中的收盘价data_.sort_values(['trade_date'], ascending=True,inplace=True)data_['ratio'] = [0.0000000000000000000] * len(data_)data_.index = range(data_.shape[0])# 计算股价比率for i in range(data_.shape[0] - 1):data_['ratio'][i + 1] = np.log(data_['close'][i + 1] / data_['close'][i])# 计算基础参数T = self.time_*365  # 使用过去T天的数据计算漂移率和波动率，本处使用期权到期所剩时间data_train = data_.ix[(len(data_['ratio'])-T):len(data_['ratio']), :]  # 选取过去一月的时间作为训练集mean = data_train['ratio'].sum() / T  # 计算样本均值S_2 = ((data_train['ratio'] - mean) ** 2).sum() / (T - 1)  # 计算样本方差miu = (mean + S_2 / 2) / self.time_  # 股价漂移率sigma = np.sqrt(S_2)/np.sqrt(self.time_)  # 股价波动率self.miu=miuself.sigma = sigma#300ETF看涨期权日线行情
if __name__=='__main__':data_300opt=pd.read_excel('300ETF购.xlsx')data_300opt=data_300opt[['最新','行权','到期日']]data_300opt['行权']=data_300opt['行权']*1000data_300opt.columns=['最新价格','行权','到期日']cols=data_300opt.columns# 300指数日线行情ts_code = '000300.SH'close_300=pro.index_daily(ts_code=ts_code)[['trade_date','close']]#沪深300最新收盘价#df = pro.index_daily(ts_code=ts_code)BS=BlackScholes()S_0=close_300['close'][0]#初始股价，不变值X=data_300opt['行权'][0]#行权价格start_date=close_300['trade_date'][0]#今日日期end_date=str(data_300opt['到期日'][0])#行权日期BS.stock_miu_sigma(ts_code,start_date,end_date)#波动率r = 0.05#无风险收益率#print(BS.sigma)BS.init_info(S_0,X,r)BS.cost()if __name__=='__main__':data_300opt=pd.read_excel('300ETF购.xlsx')#从东方财富下载沪深300指数所有看涨期权的日行情数据data_300opt=data_300opt[['最新','行权','到期日']]data_300opt['行权']=data_300opt['行权']*1000data_300opt.columns=['最新价格','行权','到期日']data_300opt['BS价格']=0.0000000cols=data_300opt.columns# 300指数日线行情ts_code = '000300.SH'close_300=pro.index_daily(ts_code=ts_code)[['trade_date','close']]#获得标的资产指数沪深300日行情数据#df = pro.index_daily(ts_code=ts_code)BS=BlackScholes(ts_code)for i in range(len(data_300opt['行权'])):S_0=close_300['close'][0]#初始股价，不变值X=data_300opt['行权'][i]#行权价格start_date=close_300['trade_date'][0]#今日日期end_date=str(data_300opt['到期日'][i])#行权日期BS.stock_miu_sigma(start_date,end_date)#波动率r = 0.05#无风险收益率#print(BS.sigma)BS.init_info(S_0,X,r)data_300opt['BS价格'][i]=BS.cost()#将通过BS模型计算的期权理论价格并入print('已经完成'+str(round(i/len(data_300opt['行权']),2)*100)+'%')data_300opt

利用BS模型计算欧式看涨期权价格——基于中国沪深300ETF看涨期权_20200524_相关推荐

基于主成分分析沪深300个股一致性IF股指交易策略
策略概述一般而言,趋势策略在市场有趋势的时候盈利丰厚,而在震荡市场,趋势策略容易发生亏损. 我们可以通过对市场的趋势和震荡进行判断,使策略具有更好的收益表现.此前,我们发布了一系列报告,用来衡量市场 ...
第2节二叉树计算欧式和美式期权价格
第2节二叉树计算欧式和美式期权价格 2.1 简介 2.2 二叉树计算期权价格算法 2.3 计算过程 Python 代码实现 2.4 相关说明 2.4.1 计算例子 2.4.2 树形定价收敛情况 1. ...
【SWAT水文模型】SWAT水文模型建立及应用第三期：基于中国土壤数据库建立土壤库（待更新）
SWAT水文模型建立及应用:基于中国土壤数据库建立土壤库 1 简介 2 土壤数据下载 2.1 数据下载方式 2.1.1 世界土壤数据库HWSD数据 2.1.2 中国土壤数据库 2.2 数据下载 3 土 ...
基于量子计算的无收益标的资产欧式看涨期权定价和delta风险分析
目录 1. 问题 1.1. 描述 1.2. 解读 2. 原理 2.1. BSM模型 2.2. 经典蒙特卡洛算法 2.3. 量子蒙特卡洛算法 2.4. 量子.量子计算和量子算法 2.5. 量子算法在金融 ...
如何用MATLAB写欧氏看涨看跌期权(B-S模型)的代码
如何用MATLAB写欧氏看涨看跌期权(B-S模型)的代码欧式期权 (European Options) 即是指买入期权的一方必须在期权到期日当天才能行使的期权. 具体的数学模型为: 无收益欧式看涨期 ...
在隧道内放置多个地感线圈，车辆通过时、对通过的相邻两个线圈的脉冲信号数据进行实时采集，首先利用云模型算法，计算得到车速的估计值
1.简介与仿真结论在隧道内放置多个地感线圈(间距相同),车辆通过时.对通过的相邻两个线圈(或单线圈)的脉冲信号数据进行实时采集,首先利用云模型算法(正向云与逆向云算法结合)或其他,计算得到车速的估计 ...
ML之nyoka：基于nyoka库利用LGBMClassifier模型实现对iris数据集训练、保存为pmml模型并重新载入pmml模型进而实现推理
ML之nyoka:基于nyoka库利用LGBMClassifier模型实现对iris数据集训练.保存为pmml模型并重新载入pmml模型进而实现推理目录基于nyoka库利用LGBMClassifi ...
DL之DNN：自定义2层神经网络TwoLayerNet模型(计算梯度两种方法)利用MNIST数据集进行训练、预测
DL之DNN:自定义2层神经网络TwoLayerNet模型(计算梯度两种方法)利用MNIST数据集进行训练.预测导读利用python的numpy计算库,进行自定义搭建2层神经网络TwoLayerN ...
NLP之WE之Skip-Gram：基于TF利用Skip-Gram模型实现词嵌入并进行可视化、过程全记录
NLP之WE之Skip-Gram:基于TF利用Skip-Gram模型实现词嵌入并进行可视化目录输出结果代码设计思路代码运行过程全记录输出结果代码设计思路代码运行过程全记录 3081 or ...

利用BS模型计算欧式看涨期权价格——基于中国沪深300ETF看涨期权_20200524_

利用BS模型计算欧式看涨期权价格——基于中国沪深300ETF看涨期权_20200524_相关推荐

最新文章

热门文章