量化投资分析平台 迅投 QMT(六)资产定价绕不过去的BSM模型

量化投资分析平台 迅投 QMT

  • [迅投 QMT](https://www.xuntou.net/?user_code=7NYs7O)
    • 我目前在使用
    • 什么是BSM模型
      • CQF课程
      • 介绍
      • 模型的五个重要的假设
      • 模型公式
    • 我们为啥要学(知道)这玩意儿呢?
      • 隐含波动率(Implied Volatility)
      • 希腊字母(Greeks)
        • 历史帖子

迅投 QMT

我目前在使用

两个月前(2024年4月)迅投和CQF有一个互动的活动,进行了平台的一个网上路演,刚好我也去听了,感觉还是挺不错的。后来与“客服麻瓜”进行了对QMT的深入了解和使用,最后决定买了他们的服务。注册就可以进行试用,但是是有期限的。如果只是单方面的研究的话,还是建议用稍微便宜些的平台,我主要是需要期权的实时数据进行分析和交易。

什么是BSM模型

CQF课程

CQF的模块M3会着重讲解BSM模型,其推导的过程,计算的流程和方法,BSM代码,蒙特卡洛模拟,等等。知识量大且非常丰富。感兴趣的同学可以看看我的CQF相关帖子。

介绍

布莱克-舒尔斯模型(英语:Black-Scholes Model),简称BS模型,又称布莱克-舒尔斯-墨顿模型(Black–Scholes–Merton model),是一种为期权或权证等金融衍生工具定价的数学模型,由美国经济学家迈伦·舒尔斯(Myron Scholes)与费雪·布莱克(Fischer Black)首先提出,并由罗伯特·墨顿(Robert C. Merton)修改模型于有派发股利时亦可使用而更完善。由此模型可以推导出布莱克-舒尔斯公式,并由此公式估算出欧式期权的理论价格。此公式问世后带来了期权市场的繁荣。该公式被广泛使用,虽然在很多情况下被使用者进行一定的改动和修正。很多经验测试表明这个公式足够贴近市场价格,然而也有会出现差异的时候,如著名的“波动率的微笑”。
该模型就是以迈伦·舒尔斯和费雪·布莱克命名的。1997年迈伦·舒尔斯和罗伯特·墨顿凭借该模型获得诺贝尔经济学奖。然而它假设价格的变动,会符合高斯分布(即俗称的钟形曲线),但在财务市场上经常出现符合统计学肥尾现象的事件,这影响此公式的有效性。

模型的五个重要的假设

  1. 金融资产价格服从对数正态分布,即金融资产的对数收益率服从正态分布;
  2. 在期权有效期内,无风险利率和金融资产收益变量是恒定的;
  3. 市场无摩擦,即不存在税收和交易成本;
  4. 金融资产在期权有效期内无红利及其它所得(该假设后被放弃);
  5. 该期权是欧式期权,即在期权到期前不可实施。

模型公式

BSM模型公式
BSM模型是一类二阶偏微分方程,具体推导我就不详细展开了。感兴趣的同学可以自行查找,视频网站上有很多。
经过一系列的推导后我们将获得几个等式的信息,这些信息就是我们编程的基础。
BSM模型推导结果

  1. C是Call购期权的价格,
  2. Put沽的期权价格把C等式中减号两边对调,d1和d2取负值即可
  3. S是标的资产的价格
  4. K是行权价
  5. r是无风险利率
  6. t是距离行权日所剩的日期
  7. N是正态分布概率

我们为啥要学(知道)这玩意儿呢?

其实我们对于模型产生出来的期权的价格并不感兴趣,因为那只是个理论上的数值,拿着理论价格取投资肯定是不行的。我们学习公式的主要原因是为了计算隐含波动率和希腊字母

隐含波动率(Implied Volatility)

隐含波动率(Implied Volatility)是将市场上的期权或权证交易价格代入权证理论BSM模型,反推出来的波动率数值。由于期权定价模型给出了期权价格与五个基本参数(标的股价、执行价格、利率、到期时间、波动率)之间的定量关系,只要将其中前4个基本参数及期权的实际市场价格作为已知量代入定价公式,就可以从中解出惟一的未知量,其大小就是隐含波动率。感兴趣的朋友可以去看看关于隐含波动率微笑的相关书籍。根据我上一帖或第五帖的相关知识,我们知道期权分OTM, ATM, ITM,即虚值期权,平值期权,实值期权。以平值期权的隐波为中心,向两边OTM,ITM扩散,隐波的图将会是一个诡异的微笑的图案,哈哈哈哈哈,即隐波的微笑。
隐波的立体绘图

希腊字母(Greeks)

低阶:delta、gamma、vega、theta、rho
高阶:vanna、zomma、speed、ultima、等等
希腊字母是通过BSM模型的一系列计算来观测的一些比率。

  1. delta观测的是期权价格变动与底层资产价格变动的指标;
  2. gamma观测的是delta的变化速度,也就是期权价格变化与底层资产价格变动的加速度;
  3. vega观测期权价格与隐波的关系;
  4. theta观测时间价值变化(卖方的最爱,买方的噩梦)
  5. rho观测利率变动(基本上不关心这个)
  6. 高阶我只讲一个vanna,测试的是期权价格的变动,基于标的资产和隐波的变动所带来的变化;
  7. 高阶字母有很多,期权玩儿high了也可以非常花式,大家可以自己去学习。
    期权希腊字母
    下一讲上BSM的代码讲解!

希望大家能够给予一键三连啥的,您的鼓励就是我最大的动力!

历史帖子

量化投资分析平台 迅投 QMT(一)激活python迅投对接端口
量化投资分析平台 迅投 QMT(二)服务器端订阅下载数据
量化投资分析平台 迅投 QMT(三)字典数据下载后读取成Dataframe形式
量化投资分析平台 迅投 QMT(四)获取标的期权的代码
量化投资分析平台 迅投 QMT(五)我对期权的理解和定义,普及向,无代码

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/695484.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

【qt】启动窗口的玩法

启动窗口的玩法 一.应用场景二.界面类设计窗口三.main中创建四.窗口显示标识五.功能实现1.读取注册表2.md5加密3.登录实现4.保存注册表5.功能演示 六.鼠标事件拖动窗口1.找到鼠标事件的函数2.点击事件3.移动事件4.释放事件 七.总结 一.应用场景 一般我们的软件和应用都会一个登…

MATLAB实现粒子群算法优化柔性车间调度(PSO-fjsp)

柔性车间调度是典型的N-P问题,数学模型如下: 数学模型 假设有n个工件需要在m台机器上进行加工。每个工件包含一道或多道工序,每道工序可以在多台机器上进行加工,但每道工序的加工时间随机器的不同而不同。 符号定义 n&#xf…

仓储系统的设计

管理员账户功能包括:系统首页,个人中心,管理员管理,用户管理,试剂管理,安全管理,存储管理 用户账户功能包括:系统首页,个人中心,试剂管理,安全管…

pytest构建和测试FastAPI CURD API

文章目录 概述目标FASTAPI 介绍CRUD API 项目设置freezepipreqs 代码介绍run APIpytest测试conftest测试用例测试报告 F&Q1.执行uvicorn app.main:app --host localhost --port 8000 --reload 报错 zsh: /usr/local/bin/uvicorn: bad interpreter2.生成requirement.txt时&a…

基于SSM+Jsp的家用电器销售网站

开发语言:Java框架:ssm技术:JSPJDK版本:JDK1.8服务器:tomcat7数据库:mysql 5.7(一定要5.7版本)数据库工具:Navicat11开发软件:eclipse/myeclipse/ideaMaven包…

技术玩家实现在不支持的CPU上运行 Windows 10 22H2

最近,AMD 悄然确认,其新款 Ryzen AI 300 系列 APU 将不再为 Windows 10 制作芯片组驱动程序,因为它将终止对Windows 10操作系统的支持,尽管它完全有能力这样做。这意味着想要获得官方驱动程序支持的用户必须在其上运行 Windows 11…

8.让画面动起来

一、Unity Shader中的内置变量(时间篇) 动画效果往往都是把时间添加到一些变量的计算中,以便在时间变化的同时也可以随之变化。Unity shader提供了一系列关于时间的内置变量来允许我们方便地在Shader中访问运行时间,实现各种动画…

基于小波的多元信号降噪-基于马氏距离和EDF统计(MATLAB R2018a)

马氏距离是度量学习中一种常用的距离指标,通常被用作评定数据样本间的相似度,可以应对高维线性分布数据中各维度间非独立同分布的问题,计算方法如下。 (1)计算样本向量的平均值。 (2)计算样本向…

插卡式仪器模块:示波器模块(插卡式)

• 12 位分辨率 • 125 MSPS 采样率 • 支持单通道/双通道模块选择 • 可实现信号分析 • 上电时序测量 • 抓取并分析波形的周期、幅值、异常信号等指标 • 电源纹波与噪声分析 • 信号模板比对 • 无线充电(信号解调) 通道12输入阻抗Hi-Z, 1 MΩ…

物联网实战--平台篇之(十四)物模型(用户端)

目录 一、底层数据解析 二、物模型后端 三、物模型前端 四、数据下行 本项目的交流QQ群:701889554 物联网实战--入门篇https://blog.csdn.net/ypp240124016/category_12609773.html 物联网实战--驱动篇https://blog.csdn.net/ypp240124016/category_12631333.html 物联网…

LLM技术

LLM 是利用深度学习和大数据训练的人工智能系统,专门设计来理解、生成和回应自然语言。这些模型通过分析大量的文本数据来学习语言的结构和用法,从而能够执行各种语言相关任务。以 GPT 系列为代表,LLM 以其在自然语言处理领域的卓越表现&…

表达式求值的相关语法知识(C语言)

目录 整型提升 整型提升的意义 整型提升规则 整型提升实例 算术转换 赋值转换 操作符的属性 C语言的语法并不能保证表达式的执行路径唯一!!! 问题表达式 整型提升 C的整型算术运算总是至少以缺省整型类型的精度来进行的。为了获得这…

JavaScript 动态网页实例 —— 图像运动与事件

除图像显示外,图像运动和对事件的响应也是常见的图像效果。本章介绍图像的运动与图像对事件的响应。其中,图像事件包括:图像的拖动、按钮控制图像的显示、图像感应鼠标等;图像运动包括:图像的滑动、图像的花环效果、图像的流星效果、图像的逐渐变大、图像分块飞行和图像分条飞…

window wsl2的ubuntu如何配置代理获取docker image

最近两天,docker pull一直下不来docker image, 研究了下可以通过代理pull, 我的是window电脑下的linux子系统wsl2, 装的是ubuntu跑docker. # 创建/etc/systemd/system/docker.service.d路径 sudo mkdir -p /etc/systemd/system/docker.service.d # 创建 http-proxy…

借助ChatGPT快速仿写一篇优质论文,无痛仿写、完美创作

大家好,感谢关注。我是七哥,一个在高校里不务正业,折腾学术科研AI实操的学术人。可以添加我(yida985)交流学术写作或ChatGPT等AI领域相关问题,多多交流,相互成就,共同进步 在学术写…

汽车数据应用构想(三)

上期说的,用数据去拟合停车信息的应用,那么类似的POI信息相关的场景其实都可以实现。今天讲讲用户使用频率也很高的加油/充电场景。 实际应用中,在加油场景中用户关心的通常还是价格。无论是导航还是各种加油APP/小程序,都已经很…

【云岚到家】-day02-1-区域服务后续开发及完善

【云岚到家】-day02-1-区域服务后续开发及完善 1 区域服务后续开发1.1 添加区域服务1.1.1 接口定义1.1.1.1 接口设计1.1.1.2 接口定义-json 1.1.2 接口开发1.1.2.1 mapper1.1.2.2 service1.1.2.3 controller 1.1.3 测试 1.2 修改价格1.2.1 接口定义1.2.1.1 接口设计1.2.1.2 接口…

Git发布正式

一般我们开发都是在测试环境开发,开发完成后再发布到正式环境。 一.分支代码合并到主分支1.首先切换到自己的分支(比如分支叫:dev)git checkout dev2.把本地分支拉取下来git pull 或者 git pull origin dev3.切换到主分支mastergit checkout master4.更新…

地图商家数据怎么查看?揭秘采集软件工作原理!

地图商家数据怎么查看?其实主要就是两种方法: 1. 直接使用地图服务提供的API:大多数地图提供商(如Google地图,百度地图等)都会提供一些API,通过这些API,可以获取到它们所拥有的商家…