课程简介
从风险管理的角度来看,了解衍生品投资组合对某些参数值(市场报价,模型假设等)的敏感程度是很重要的。 本节内容一步步从建立模型开始,到补充衍生工具头寸,用蒙特卡洛方法模拟估值,分无相关和有相关两种情况进行讨论,说明了如何为衍生品投资组合对象生成特定的风险评估报告。
学习目标
- 学会用两个风险因子建立几何布朗运动模型
- 学会建立有6个衍生工具头寸的模型
- 学会投资组合模型用蒙特卡洛模拟的方法进行估值
- 学会生成投资组合风险报告,分为无相关和有相关两种情况进行讨论
- import dx
- import datetime as dt
- import time
- import numpy as np
这个例子是基于两个风险因子,都使用几何布朗运动模型。
- # 固定短期利率
- r = dx.constant_short_rate('r', 0.01)
- # 市场环境
- me_gbm_1 = dx.market_environment('gbm_1', dt.datetime(2015, 1, 1))
- # 几何布朗运动
- me_gbm_1.add_constant('initial_value', 40.)
- me_gbm_1.add_constant('volatility', 0.2)
- me_gbm_1.add_constant('currency', 'EUR')
- me_gbm_1.add_constant('model', 'gbm')
- me_gbm_2 = dx.market_environment('gbm_2', me_gbm_1.pricing_date)
- # 变量环境
- val_env = dx.market_environment('val_env', dt.datetime(2015, 1, 1))
- val_env.add_constant('paths', 25000)
- # 25,000 个路径
- val_env.add_constant('frequency', 'W')
- # 每周频率
- val_env.add_curve('discount_curve', r)
- val_env.add_constant('starting_date', dt.datetime(2015, 1, 1))
- val_env.add_constant('final_date', dt.datetime(2015, 12, 31))
- # 把变量环境加入市场环境
- me_gbm_1.add_environment(val_env)
- me_gbm_2.add_environment(me_gbm_1)
- me_gbm_2.add_constant('initial_value', 40.)
- me_gbm_2.add_constant('volatility', 0.5)
- # 波动较大
- risk_factors = {'gbm_1' : me_gbm_1, 'gbm_2' : me_gbm_2}
- # 双因子市场
我们将建立共有6个衍生工具头寸的模型
1、市场环境
所有的衍生工具头寸共用同一个market_environment对象。
- # 头寸的市场环境
- me_option = dx.market_environment('put', dt.datetime(2015, 1, 1))
- me_option.add_constant('maturity', dt.datetime(2015, 12, 31))
- me_option.add_constant('currency', 'EUR')
- me_option.add_environment(val_env)
两种不同类型的衍生产品组合 - 美式看跌期权和欧式最大看涨期权。 每种派生类型分别对应三个头寸。
以上内容转自 数析学院,如需完整内容可以直接查看原文


雷达卡



京公网安备 11010802022788号







