1

我知道有很多与我类似的帖子，但我真的无法将它们应用于我的情况，所以请寻求您的帮助。基本上，我的代码如下：

def Black_min(f, k, ann, vol, ex, cp):
    d1=(math.log(f/k)+0.5*vol**2*ex)/math.sqrt(vol**2*ex)
    d2=(math.log(f/k)-0.5*vol**2*ex)/math.sqrt(vol**2*ex)
    Price=cp*(f*norm.cdf(cp*d1)-k*norm.cdf(cp*d2))*ann*20000
    return Price

banana = lambda x: (Price_Cube[0][4]-Black_min(F[0], K[0][4], Annuity[0], x, Expiry[0], CP[4]))**2
xopt, fopt = scipy.optimize.fmin(func=banana, x0=[Vol_Cube[0][0]],  disp=False)

Price_Cube, K 是里面有数字的列表，Annuity, Expiry 和 CP 是简单的列表。当我运行代码时，我得到了这个。

    xopt, fopt = scipy.optimize.fmin(func=banana, x0=[Vol_Cube[0][0]],  disp=False)

ValueError: need more than 1 value to unpack

我知道这是一个愚蠢的错误，但我真的不明白。任何帮助表示赞赏，在此先感谢。

4

1 回答 1

1

问题是您尝试将 的返回值分配fmin给两个变量xopt和fopt，但默认情况下fmin只返回xopt。你应该试试

xopt = scipy.optimize.fmin(func=banana, x0=[Vol_Cube[0][0]])

如果您还希望函数值最小，则必须设置full_output为True，然后您还可以获得更多诊断信息：

xopt, fopt, iter, funccalls, warnflags = scipy.optimize.fmin(func=banana, x0=[Vol_Cube[0][0]], full_output=True)
于 2017-10-04T00:05:02.297 回答