多风险期权组合

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


首先建立单个风险因子的模型，然后对单个和多个衍生工具进行建模，最后对衍生品投资组合进行建模。

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

复制代码

一、风险因子

本小节将做单个风险因子的模型。从风险中性贴现对象的定义开始。

1. # 固定短期利率
   
2. r = constant_short_rate('r', 0.02)

复制代码

用三个风险因子来建模：

• 几何布朗运动
• 跳跃扩散
• 随机波动过程
  

1. # 市场环境
   
2. me_gbm = market_environment('gbm', dt.datetime(2015, 1, 1))
   
3. me_jd = market_environment('jd', dt.datetime(2015, 1, 1))
   
4. me_sv = market_environment('sv', dt.datetime(2015, 1, 1))

复制代码

对geometric_brownian_motion对象的设定

1. # 几何布朗运动
   
2. me_gbm.add_constant('initial_value', 36.)
   
3. me_gbm.add_constant('volatility', 0.2)
   
4. me_gbm.add_constant('currency', 'EUR')
   
5. me_gbm.add_constant('model', 'gbm')

复制代码

对jump_diffusion对象的设定

1. # 跳跃扩散
   
2. me_jd.add_constant('initial_value', 36.)
   
3. me_jd.add_constant('volatility', 0.2)
   
4. me_jd.add_constant('lambda', 0.5)
   
5.     # 跳跃概率
   
6. me_jd.add_constant('mu', -0.75)
   
7.     # 期望跳跃大小[%]
   
8. me_jd.add_constant('delta', 0.1)
   
9.     # 跳跃波动率
   
10. me_jd.add_constant('currency', 'EUR')
    
11. me_jd.add_constant('model', 'jd')

复制代码

对stochastic_volatility对象的设定

1. # 随机波动模型
   
2. me_sv.add_constant('initial_value', 36.)
   
3. me_sv.add_constant('volatility', 0.2)
   
4. me_sv.add_constant('vol_vol', 0.1)
   
5. me_sv.add_constant('kappa', 2.5)
   
6. me_sv.add_constant('theta', 0.4)
   
7. me_sv.add_constant('rho', -0.5)
   
8. me_sv.add_constant('currency', 'EUR')
   
9. me_sv.add_constant('model', 'sv')

复制代码

最后，对评估环境进行统一的评估设定。

1. # valuation environment 评估环境
   
2. val_env = market_environment('val_env', dt.datetime(2015, 1, 1))
   
3. val_env.add_constant('paths', 10000)
   
4. val_env.add_constant('frequency', 'W')
   
5. val_env.add_curve('discount_curve', r)
   
6. val_env.add_constant('starting_date', dt.datetime(2015, 1, 1))
   
7. val_env.add_constant('final_date', dt.datetime(2015, 12, 31))

复制代码

这些被添加到风险因素的单个market_environment对象中。

1. # 把评估环境添加到市场环境中
   
2. me_gbm.add_environment(val_env)
   
3. me_jd.add_environment(val_env)
   
4. me_sv.add_environment(val_env)

复制代码

最后，有着风险因子的市场模型和两两之间的相关系数。

1. risk_factors = {'gbm' : me_gbm, 'jd' : me_jd, 'sv' : me_sv}
   
2. correlations = [['gbm', 'jd', 0.66], ['jd', 'sv', -0.75]]

复制代码

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1 回帖

关键词：期权组合 correlations environment correlation Volatility

谢谢分享