在金融市场中,优化投资组合对于实现风险与回报之间的预期平衡至关重要。蒙特卡罗模拟提供了一个强大的工具来评估不同的资产配置策略及其在不确定市场条件下的潜在结果。
可视化技术在任何投资分析中都是一种关键要素。今天公众号为大家介绍一个基于三角形图的Python项目,用于可视化长期投资指标!
风险价值 (VaR) 是一种统计数据,用于量化公司、投资组合在特定时间范围内可能发生的财务损失程度
利用刚才工商银行股票期权作为分析对象,通过 Python 演示期权价格与基础资产(股票)价格、期权执行价格、波动率、无风险收益率、期限等变量之间的关系。
如今Python语言的学习已经上升到了国家战略的层面上。Python语言是人工智能的基础语言,国家相关教育部门对于“人工智能普及”格外重视,不仅将Python列入到小学、中学和高中等传统教育体系中,并
Echarts 是一个由百度开源的数据可视化工具,凭借着良好的交互性,精巧的图表设计,得到了众多开发者的认可,而 Python 就不用多说了。
❈ 作者:酱油哥,清华程序猿、IT非主流 专栏地址:https://zhuanlan.zhihu.com/c_147297848 ❈ 要点抢先看 1.csv数据的读取 2.利用常用函数获取均值、中位数、方差、标准差等统计量 3.利用常用函数分析价格的加权均值、收益率、年化波动率等常用指标 4.处理数据中的日期 我们最后会介绍一下NumPy库中的一些非常实用和常用的函数方法。 要知道,NumPy的常用数学和统计分析的函数非常多,如果我们一个一个的分散来讲,一来非常枯燥,二来呢也记不住,就仿佛又回到了昏昏欲睡
但在实践中,通常会使用所谓的隐含波动率( implied volatility),该波动率是指通过期权的市场价格、运用B-S模型计算得到的波动率。但比较棘手的问题是,无法直接通过反解看涨期权定价式子或看跌期权定价式子将σ表示为变量c(或p)、S、K、r、T的函数,只能运用迭代方法求解出隐含的σ值。常用的迭代方法包括牛顿迭代法和二分查找法。
在实际中,波动率会随时间的变化而变化,这意味着期权价值不仅会随着基础资产价格、期权期限的变化而变化,同时也会随波动率的变化而变化。期权的Vega(V)是指期权价值变化与基础资产波动率变化的比率。如果一个期权的Vega绝对值很大,该期权的价值会对基础资产波动率的变化非常敏感;相反,当一个期权的vega接近零时,基础资产波动率的变化对期权价值的影响则会很小。此外,基础资产本身的vega等于零,也就意味着基础资产波动率对基础资产价格的影响为零,原因是影响基础资产价格的变量中没有其自身波动率这个变量。
用于分析投资组合风险的最受欢迎的模型是因子模型,因为股票具有共同移动的趋势。证券的主要组成部分经常会解释很大一部分差异。由于我们主要关注构成投资组合的多种资产,因此需要对此进行说明。有些问题可能是为什么低市净率的股票要比具有较高市净率的股票好吗?在此,比率的“价格”部分仅是股价(每股),比率的“帐面”部分是“股东权益” /“流通股”,这是公司资产负债表上的项目。
最近我们被客户要求撰写关于马科维茨Markowitz均值-方差(风险投资模型)的研究报告,包括一些图形和统计输出。
股票市场波动性模型一直是金融领域研究的热点之一。传统的波动性模型往往只考虑了静态条件下的波动性和相关性,难以准确捕捉市场的复杂性和多样性。
专栏地址:https://zhuanlan.zhihu.com/c_147297848
作者:酱油哥,清华程序猿、IT非主流 专栏地址: https://zhuanlan.zhihu.com/c_147297848 要点抢先看 1.csv数据的读取 2.利用常用函数获取均值、中位数、方差、标准差等统计量 3.利用常用函数分析价格的加权均值、收益率、年化波动率等常用指标 4.处理数据中的日期 我们最后会介绍一下NumPy库中的一些非常实用和常用的函数方法。 要知道,NumPy的常用数学和统计分析的函数非常多,如果我们一个一个的分散来讲,一来非常枯燥,二来呢也记不住,就仿佛又回到了昏昏欲睡的
SciPy 是 Python 里处理科学计算 (scientific computing) 的包,使用它遇到问题可访问它的官网 (https://www.scipy.org/). 去找答案。 在使用 scipy 之前,需要引进它,语法如下:
大数据文摘作品,转载要求见文末 编译 | 徐宇文,蒋晔、范玥灿 卞峥,yawei xia 技术早已成为金融业的一项资产:金融交易的高速、高频与超大数据体量结合,促使金融机构在一年一年不断地加深对技术的关注,在今天,技术已经切实成为了金融界的一项主导能力。 在金融界最受欢迎的编程语言中,你会看到R和Python,与C++,C#和Java这些语言并列。在本教程中,你将开始学习如何在金融场景下运用Python。本教程涵盖以下这些方面: 基础知识:对于金融入门阶段的读者,你将会首先学到股票和交易策略,什么是时间序列
标题中的英文首字母大写比较规范,但在python实际使用中均为小写。 2018年7月27日笔记 学习内容: 1.从文件中读取数据 2.将数据写入文件 3.利用数学和统计分析函数完成实际统计分析应用 4.掌握数组相关的常用函数
本案例适合作为大数据专业数据清洗或数据可视化课程的配套教学案例。通过本案例,能够达到以下教学效果:
如何使用Python通过蒙特卡洛模拟自动计算风险值(VaR)来管理投资组合或股票的金融风险。
2020年可谓是黑天鹅乱舞的一年,新冠疫情肆虐全球;原油危机引发的资本市场动荡;地缘政治冲突以及美国大选,市场处于时不时来一波的上蹿下跳的状态当中。
风险价值 (VaR) 是金融风险管理中使用最广泛的市场风险度量,也被投资组合经理等从业者用来解释未来市场风险
标准差越高,股票涨跌的离差(dispersion)就越高,因此在二叉树里评估each time period股票的价格时,就可以捕获波动率。
将价格动态转换为收益(2),用几何时间序列(4)计算期望收益(3),而不是算术平均(收益率的波动越大,算术平均和几何平均之间的差异越大)。
2021年3月11日,十三届全国人大四次会议表决通过了关于国民经济和社会发展第十四个五年规划和2035年远景目标纲要的决议。“十四五”规划强调“数字经济”是未来推动经济发展的重要手段, 要对中国现有经济全面进行“数字化”转型,大力发展数字经济,扎实推进传统产业数字化赋能改造提升。目前在金融领域,各大国有商业银行、股份制商业银行、城商行和互联网银行也都开启了数字化转型的工作。然而,金融数字化转型推动传统业务信息化、日常操作线上化、决策分析智能化的同时,也对金融系统的算力提出了更高要求。
金融资产/证券已使用多种技术进行建模。该项目的主要目标是使用几何布朗运动模型和蒙特卡罗模拟来模拟股票价格。该模型基于受乘性噪声影响的随机(与确定性相反)变量 ( 点击文末“阅读原文”获取完整代码数据******** )。 最近我们被客户要求撰写关于模拟股票的研究报告,包括一些图形和统计输出。
金融资产/证券已使用多种技术进行建模。该项目的主要目标是使用几何布朗运动模型和蒙特卡罗模拟来模拟股票价格。该模型基于受乘性噪声影响的随机(与确定性相反)变量
上上周发的那篇资产瞎配模型,事实证明,果然是瞎配,有大佬指出组合净值计算有一定的问题,所以这里对净值计算部分及进行改正,重新计算结果。
在上贴〖从 Tick 到 Bar〗里,我们已经会从「异质」的 tick 数据采样出「同质」的 bar 数据。当数据太多时,传统 (非深度) 机器学习算法的表现会有上限,如下图的红线所示。
在传统的金融理论中,理性和同质的投资者是核心假设之一,表明每个投资者都有相同的信息,从而做出同样的决定。然而,投资者显然是不均衡的,信息的不对称在股市中很普遍。当知情投资者优先考虑某种类型的资产时,该类资产可能包含更多隐含信息。
Python是一门广泛在各个行业应用的语言,包括计算机,生物学,金融。可以说,python除了不会生孩子,其他啥都行。本文将使用python来玩转股票数据,让你见识Python的强大。
问:现在上有关numeric analysis的课时,都用Python,实际工作时候呢?
本文将介绍机器学习算法中的Logistic回归分类算法并使用Python进行实现。会接触到**最优化算法**的相关学习。
本文是 Python 系列的 Matplotlib 补充篇。整套 Python 盘一盘系列目录如下:
波动率是一个重要的概念,在金融和交易中有许多应用。这是期权定价的基础。波动率还使您可以确定资产分配并计算投资组合的风险价值(VaR)。甚至波动率本身也是一种金融工具,例如CBOE的VIX波动率指数。但是,与证券价格或利率不同,波动不能直接观察到。
网上有人用libsvm2.89在Python2.6成功。(一定要libsvm2.89搭配python2.6,其他版本都不能成功,我就是浪费了大量时间在这里!) python 搭建libsvm方法。python版本和libsvm版本匹配很重要! 两步: 1.将libsvm-2.89\windows\python目录下的svmc.pyd文件复制到C:\Python26\DLLs; 2.将libsvm-2.89\python目录下的svm.py放到C:\Python26\Lib目录里。 from svm impo
主程序是 asset-allocation.mlx, 这是 Maltab 里面的 Live Script 的格式 (如下图),类似于 Python 的 Jupiter Notebook。( Matlab 2015 之后的版本才能用)
由于某些不可抗拒的原因,LaTeX公式无法正常显示. 点击这里查看PDF版本 Github: https://github.com/yingzk/MyML 博 客: https://www.yingjoy.cn/ 1. 前言 本文将介绍机器学习算法中的Logistic回归分类算法并使用Python进行实现。会接触到最优化算法的相关学习。 2. 算法原理 什么是回归? 简单来说,回归就是用一条线对N多个数据点进行拟合或者按照一定的规则来划分数据集,这个拟合的过程和划分的过程就叫做回归。 Logistic 回归
之前几篇总结的方法都是对于向前一日VaR的建模,都以是以VaR=波动率乘以分布函数逆函数为基础。但如果要计算向前k日的VaR,如果还使用上述公式,波动率和分布函数应该换成k日滚动窗口的,好像还没见过这样的Garch模型。
最近参加了一个线上学习计划,一群人一起学《Elements of Financial Risk Management》这本书,主要偏向于金融时间序列和多因子模型的知识,结合python编程。现在已经看了三分之一左右,感觉写的还不错,有些收获,意外惊喜是教材的答案全是用excel公式做的,头一次发现excel还可以做极大似然估计这种东西,很神奇。
call option:可以用X价格购买资产的权利 put option:可以用X价格买出资产的权利
证券及其它风险资产的投资首先需要解决的是两个核心问题:即预期收益与风险。 那么如何测定组合投资的风险与收益和如何平衡这两项指标进行资产分配是市场投资者迫切需要解决的问题。正是在这样的背景下,在50年代和60年代初,马科维茨理论应运而生。
期权的 Delta 被定义为期权价格变动与基础资产价格变动的比率,也就是期权价格与基础资产价格之间关系曲线的切线斜率。比如,期权Dela值等于0.6就意味着当基础资产价格变化一个很小的金额时,相应的期权价格变化约等于基础资产价格变化的60%。
其中 F−1是分布函数的倒数,也称为分位数函数。因此,一旦可以定义收益序列的分布,VaR 就很容易计算。
领取专属 10元无门槛券
手把手带您无忧上云