DX 库快速入门

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

以下内容转自 数析学院，只节选了部分，有需要的同学可以直接查看原文

本部分简单的说明了 DX 分析库的应用，拟合了投资组合条件下两个风险因子、两个衍生工具，并进行了相应的估值。

1. import dx
   
2. import datetime as dt
   
3. import pandas as pd
   
4. import seaborn as sns; sns.set()

复制代码

一、风险因子模型

第一步，定义一个风险中性的贴现模型。

1. r = dx.constant_short_rate('r', 0.01)

复制代码

接下来定义一个市场环境，包括需要设定的主要参数。

1. me_1 = dx.market_environment('me', dt.datetime(2015, 1, 1))

复制代码

1. me_1.add_constant('initial_value', 100.)
   
2.   # 模拟过程的起始值
   
3. me_1.add_constant('volatility', 0.2)
   
4.   # 波动因子
   
5. me_1.add_constant('final_date', dt.datetime(2016, 6, 30))
   
6.   # 模拟范围
   
7. me_1.add_constant('currency', 'EUR')
   
8.   # 书面货币
   
9. me_1.add_constant('frequency', 'W')
   
10.   # 频率离散化
    
11. me_1.add_constant('paths', 10000)
    
12.   # 路径数
    
13. me_1.add_curve('discount_curve', r)
    
14.   # 路径数

复制代码

下一步，依据几何布朗运动建立第一风险因子模型。

1. gbm_1 = dx.geometric_brownian_motion('gbm_1', me_1)

复制代码

一些可视化路径。

1. pdf = pd.DataFrame(gbm_1.get_instrument_values(),
   
2.                    index=gbm_1.time_grid)

复制代码

1. %matplotlib inline
   
2. pdf.ix[:, :10].plot(legend=False, figsize=(10, 6))

复制代码

<matplotlib.axes._subplots.AxesSubplot at 0x7fb487d5c750>
以上内容转自 数析学院，如需完整内容可以直接查看原文

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：快速入门 environment Instrument Volatility Matplotlib