Python 金融数据分析 DX 库模型

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

主要介绍 DX 库中模拟金融市场的基本模型类，以及如何用它们来表示基本的不确定性风险因素如股票，股票指数和利率。

具体包括下模型类：
geometric_brownian_motion: Black-Scholes-Merton (1973) 几何布朗运动
jump_diffusion: Merton (1976) 跳跃扩散
stochastic_volatility: Heston (1993) 随机波动率模型
stoch_vol_jump_diffusion: Bates (1996) 随机波动率跳跃扩散
square_root_diffusion: Cox-Ingersoll-Ross (1985)平方根扩散
square_root_jump_diffusion: 平方根跳跃扩散（实验）
square_root_jump_diffusion_plus: 平方根跳跃扩散加期限结构（实验）

1. from dx import *
   
2. import seaborn as sns; sns.set()

复制代码

1. np.set_printoptions(precision=3)

复制代码

在本节中，我们集中于constant_short_rate这个折现对象。

1. r = constant_short_rate('r', 0.06)

复制代码

一、几何布朗移动

为了实例化所有类型的模型类，我们需要建立一个包含最小数据集的market_environment对象（取决于特殊模型类）

1. me = market_environment(name='me', pricing_date=dt.datetime(2015, 1, 1))

复制代码

对于几何布朗运动类（geometric Browniam motion class），最小集是如下关于常量参数值。 在这里，我们只是做一些假设，实际上单一的值可以从汤森路透（Thomson Reuters）或彭博（Bloomberg）等数据服务提供商那里获得。 频率参数是依据pandas的频率惯例（参见http://pandas.pydata.org/pandas-docs/stable/timeseries.html ）。

1. e.add_constant('initial_value', 36.)
   
2. me.add_constant('volatility', 0.2)
   
3. me.add_constant('final_date', dt.datetime(2015, 12, 31))
   
4.   # 模拟的时间范围
   
5. me.add_constant('currency', 'EUR')
   
6. me.add_constant('frequency', 'M')
   
7.   # 每月频率；参数设置使用 pandas 的惯例
   
8. me.add_constant('paths', 10000)
   
9.   # 模拟的路径数

复制代码

每个模型类都需要一个贴现对象，因为这定义了风险因素的风险中性漂移。

1. me.add_curve('discount_curve', r)

复制代码

用string对象的名称和相关的market_environment对象来实现模型类的实例化。

1. gbm = geometric_brownian_motion('gbm', me)

复制代码

generate_time_grid方法根据市场环境中的规格生成一个datetime对象的ndarray对象。 这代表了pricing_date和final_date之间时间间隔的离散化。这个方法不需要被主动调用。

1. gbm.generate_time_grid()

复制代码

1. gbm.time_grid

复制代码

array([datetime.datetime(2015, 1, 1, 0, 0),       datetime.datetime(2015, 1, 31, 0, 0),       datetime.datetime(2015, 2, 28, 0, 0),       datetime.datetime(2015, 3, 31, 0, 0),       datetime.datetime(2015, 4, 30, 0, 0),       datetime.datetime(2015, 5, 31, 0, 0),       datetime.datetime(2015, 6, 30, 0, 0),       datetime.datetime(2015, 7, 31, 0, 0),       datetime.datetime(2015, 8, 31, 0, 0),       datetime.datetime(2015, 9, 30, 0, 0),       datetime.datetime(2015, 10, 31, 0, 0),       datetime.datetime(2015, 11, 30, 0, 0),       datetime.datetime(2015, 12, 31, 0, 0)], dtype=object)

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3 回帖

感谢分享！！

感谢分享