python波动率函数 波动率指标怎么用

如何用python计算隐含波动率

设定参数

r=0.032 # risk-free interest rate

t=float(30)/365 # time to expire (30 days)

q=0 # dividend yield

S0=2.3 # underlying price

X=2.2 # strike price

mktprice=0.18 # market price

# 用二分法求implied volatility，暂只针对call option

sigma=0.3 # initial volatility

C=P=0

upper=1

lower=0

while abs(C-mktprice)1e-6:

d1=(np.log(S0/X)+(r-q+sigma**2/2)*t)/(sigma*np.sqrt(t))

d2=d1-sigma*np.sqrt(t)

C=S0*np.exp(-q*t)*norm.cdf(d1)-X*np.exp(-r*t)*norm.cdf(d2)

P=X*np.exp(-r*t)*norm.cdf(-d2)-S0*np.exp(-q*t)*norm.cdf(-d1)

if C-mktprice0:

upper=sigma

sigma=(sigma+lower)/2

else:

lower=sigma

sigma=(sigma+upper)/2

print sigma # implied volatility

相关问答

Q1: Python常用函数三有哪些？这7个函数使用频率最高，总算搞明白了

1.1 例如python波动率函数：print(hex(2))案例

1.2 输出函数：print(hex(2))

1.3 输出结果：0x2

1.4 解析说明：返回16进制python波动率函数的数。

2.1 例如：print(chr(10))案例

2.2 输出函数：print(chr(10))

2.3 输出结果：0o12

2.4 解析说明：返回当前整数对应python波动率函数的ASCll码

3.1 例如：print(ord("b"))案例

3.2 输出函数：print(ord("b"))

3.3 输出结果：98

3.4 解析说明：返回当前ASCll码python波动率函数的10进制数

4.1 例如：print(chr(97))

4.2 输出函数：print(chr(97))

4.3 输出结果：b

4.4 解析说明：返回当前ASCll码的10进制数。

案例一：给你一个字符串,s = 'hello kitty'

1.1 输出函数：print(s.capitalize())

1.2 输出结果：0x2

1.3 解析说明：返回16进制的数。

2.1输出函数：print(s.replace('kitty','kuang'))

2.2 输出结果：hello kuang

2.3 解析说明：替换功能python波动率函数，将kitty换成kuang。

2.4 输出函数：print(s.replace('4','KK'))

2.5 输出结果：12KK12KK

2.6 解析说明：所有的4都替换成KK

2.7 输出函数：print(s.replace('4','KK'))

2.8 输出结果：12KK12KK124

2.9 解析说明：将前两个的4替换成go

案例一：给你一个字符串，ip = '192.168.1.1'

3.1 输出函数：print(ip.split(','))

3.2 输出结果：['192.168.1.1']

3.3 解析说明：将字符串分割成列表

案例一：给你一个字符串，ip = '192.168.1.1'

3.3 输出函数：print(ip.split(',',2))

3.4 输出结果：['192.168.1.1']

3.5 解析说明：从第二个开始分割成列表

Q2: 在Python库中的static模块用什么函数可以求数据的样本方差

自定义函数求解即可python波动率函数，参考代码如下：

def f_sigma(x):

# 通过Python定义一个计算变量波动率python波动率函数的函数

# x：代表变量python波动率函数的样本值，可以用列表的数据结构输入

n = len(x)

u_mean = sum(x)/n #计算变量样本值的均值

z = [] #生成一个空列表

for t in range(n):

z.append((x[t]-u_mean)**2)

return (sum(z)/(n-1))**0.5 # n-1 自由度

a = f_sigma(x = [1,2,3])

print('样本方差：', a)

Q3: Python气象数据处理与绘图(2)：常用数据计算方法

对于气象绘图来讲，第一步是对数据的处理，通过各类公式，或者统计方法将原始数据处理为目标数据。

按照气象统计课程的内容，我给出了一些常用到的统计方法的对应函数：

在计算气候态，区域平均时均要使用到求均值函数，对应NCL中的dim_average函数，在python中通常使用np.mean()函数

numpy.mean(a, axis, dtype)

假设a为[time,lat,lon]的数据，那么

需要特别注意的是，气象数据中常有缺测，在NCL中，使用求均值函数会自动略过，而在python中，当任意一数与缺测(np.nan)计算的结果均为np.nan，比如求[1,2,3,4，np.nan]的平均值，结果为np.nan

因此，当数据存在缺测数据时，通常使用np.nanmean()函数，用法同上，此时[1,2,3,4，np.nan]的平均值为(1+2+3+4)/4 = 2.5

同样的，求某数组最大最小值时也有np.nanmax(), np.nanmin()函数来补充np.max(), np.min()的不足。

其他很多np的计算函数也可以通过在前边加‘nan’来使用。

另外，

也可以直接将a中缺失值全部填充为0。

np.std(a, axis, dtype)

用法同np.mean()

在NCL中有直接求数据标准化的函数dim_standardize()

其实也就是一行的事，根据需要指定维度即可。

皮尔逊相关系数：

相关可以说是气象科研中最常用的方法之一了，numpy函数中的np.corrcoef(x, y)就可以实现相关计算。但是在这里我推荐scipy.stats中的函数来计算相关系数：

这个函数缺点和有点都很明显，优点是可以直接返回相关系数R及其P值，这避免了我们进一步计算置信度。而缺点则是该函数只支持两个一维数组的计算，也就是说当我们需要计算一个场和一个序列的相关时，我们需要循环来实现。

其中a[time,lat,lon]，b[time]

(NCL中为regcoef()函数)

同样推荐Scipy库中的stats.linregress(x,y)函数：

slop: 回归斜率

intercept：回归截距

r_value： 相关系数

p_value： P值

std_err： 估计标准误差

直接可以输出P值，同样省去了做置信度检验的过程，遗憾的是仍需同相关系数一样循环计算。

Q4: 怎么利用python绘制sse值与k值的函数图像

可以使用Python计算机图形学库matplotlib来绘制SSE值与K值的函数图像python波动率函数，具体步骤如下：

1. 导入必要的库python波动率函数，例如matplotlibpython波动率函数，numpy，scipy等。

2. 使用numpy和scipy生成k值与SSE值之间的矩阵，并将其存储到列表中。

3. 使用matplotlib绘制输入矩阵中包含的散点图，即k值与SSE值的函数图像。

Q5: python里面pow(）函数作用是什么？

pow()函数，是Python的内置函数,它计算并返回x的y次方的值。

import math

math.pow( x, y )

这个函数还有一个用法：

pow(x, y, z)

函数是计算 x 的 y 次方，如果 z 在存在，则再对结果进行取模，其结果等效于 pow(x,y) %z。

关于python波动率函数和波动率指标怎么用的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。