qmt量化交易策略小白学习笔记第60期【qmt编程之期权数据--基于BS模型计算欧式期权隐含波动率--内置Python】

V_fanglue37052024-09-14 8:51

qmt编程之获取期权数据

qmt更加详细的教程方法，会持续慢慢梳理。

也可找寻博主的历史文章，搜索关键词查看解决方案！

基于BS模型计算欧式期权隐含波动率

基于Black-Scholes-Merton模型,输入期权标的价格、期权行权价、期权现价、无风险利率、剩余天数、标的分红率,计算期权的隐含波动率

方法1：内置python

调用方法

内置python

#encoding:gbk
def init(ContextInfo):
    pass

def after_init(ContextInfo):
    ContextInfo.bsm_iv(optionType,objectPrices,strikePrice,optionPrice,riskFree,days,dividend)

参数

字段	类型	说明
`optionType`	`str`	`期权类型，认购：'C'，认沽：'P'`
`objectPrices`	`float`	`期权标的价格，可以是价格列表或者单个价格`
`strikePrice`	`float`	`期权行权价`
`riskFree`	`float`	`无风险收益率`
`sigma`	`float`	`标的波动率`
`days`	`int`	`剩余天数`
`dividend`	`float`	`分红率`

double

示例

#encoding:gbk
import numpy as np

def init(ContextInfo):
    pass

def after_init(ContextInfo):
    # 计算剩余15天的行权价3.5的认购期权,在无风险利率3%,分红率为0时,标的现价3.51元,期权价格0.0725元时的隐含波动率
    iv=ContextInfo.bsm_iv('C',3.51,3.5,0.0725,0.03,15)
    print(iv)

返回值

    0.2299