9

我有使用 RQuantlib 库的 R 代码。为了从 python 运行它，我使用的是 RPy2。我知道 python 有自己的 quantlib (quantlib-python) 绑定。我想完全从 R 切换到 python。

请让我知道如何使用 quantlib-python 运行以下命令

import rpy2.robjects as robjects

robjects.r('library(RQuantLib)')
x = robjects.r('x<-EuropeanOptionImpliedVolatility(type="call", value=11.10, underlying=100,strike=100, dividendYield=0.01, riskFreeRate=0.03,maturity=0.5, volatility=0.4)')
print x

样品运行：

$ python vol.py 
Loading required package: Rcpp
Implied Volatility for EuropeanOptionImpliedVolatility is 0.381
4

1 回答 1

26

你需要一些设置。为方便起见，除非您遇到名称冲突，否则最好导入所有内容：

from QuantLib import *

然后，创建需要行使和回报的期权：

exercise = EuropeanExercise(Date(3,August,2011))
payoff = PlainVanillaPayoff(Option.Call, 100.0)
option = EuropeanOption(payoff,exercise)

（请注意，您需要一个行使日期，而不是到期时间。）

现在，无论您是想对其定价还是获得其隐含波动率，您都必须设置一个 Black-Scholes 过程。这涉及到一些机器，因为你不能只传递一个值，比如无风险利率：你需要一条完整的曲线，所以你将创建一个平坦的曲线并将其包裹在一个手柄中。股息收益率和波动率同上；基础价值在报价中。（我没有解释所有对象是什么；如果需要，请发表评论。）

S = QuoteHandle(SimpleQuote(100.0))
r = YieldTermStructureHandle(FlatForward(0, TARGET(), 0.03, Actual360()))
q = YieldTermStructureHandle(FlatForward(0, TARGET(), 0.01, Actual360()))
sigma = BlackVolTermStructureHandle(BlackConstantVol(0, TARGET(), 0.20, Actual360()))
process = BlackScholesMertonProcess(S,q,r,sigma)

（波动率实际上不会用于隐含波动率计算，但无论如何你都需要一个。）

现在，对于隐含波动率，您将调用：

option.impliedVolatility(11.10, process)

和定价：

engine = AnalyticEuropeanEngine(process)
option.setPricingEngine(engine)
option.NPV()

您可能会使用其他功能（在报价中包含价格，以便您以后可以更改它们等），但这应该可以帮助您入门。

于 2011-02-04T08:45:33.567 回答