σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academy路线图学习路线
Ctrl K
AO
+1.2k 位学习者
登录加入 ↗
路线图学习路线
AO
+1.2k 位学习者
登录
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academy路线图学习路线
Ctrl K
AO
+1.2k 位学习者
登录加入 ↗
路线图学习路线
AO
+1.2k 位学习者
登录
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
SciPy 学习路线›模块 3 · 矩阵、信号与结构›主题 3.9·~55分钟中级

跨多个到期日校准微笑曲面

路线进度模块 3/3 · 主题 9/10
3.9 跨多个到期日校准微笑曲面
—实验得分— / 100总 XP—连续天数—

每个到期日一条微笑曲线,且它们必须协调

使用总方差 w=σ²T 对对数货币性 k=ln(K/F) 作图。SVI 微笑曲线为 w(k)=a+b(ρ(k-m)+√((k-m)²+s²)),有五个参数:a 抬高水平,b 决定两翼角度,-1<ρ<1 使微笑倾斜(股票为负),m 移动最低点,s 使底部变圆。用报价拟合它是最小二乘问题,但很微妙:参数之间会部分相互补偿,起点不好会卡住。least_squares(residuals, x0, bounds=(lower, upper)) 处理保持 b>0、|ρ|<1、s>0 的边界,而稳健的答案来自多个起点,保留 cost 最低的那个。

曲面是每个到期日一条微笑曲线,并且曲线之间必须在时间上协调。如果某个行权价上的总方差随期限增长而下降,日历价差的价格就为负,这就是套利。检验很便宜:对相邻到期日,在 k 的网格上计算两条拟合曲线,数出 w_T₂<w_T₁ 的点数(带极小容差)。记得先给到期日排序,因为字典不保证顺序。一次拟合的隐含波动率是 σ(k)=√(w(k)/T)。实验中对含 0.2% 噪声的报价拟合四个到期日:rmse 与噪声同量级,平值波动率的恢复误差在 1% 以内,曲面没有违规;交换两个到期日的参数则在每个网格点都出现违规,共 121 个。

  • 边界与多个起点:SVI 参数相互补偿,因此从三个起点拟合并保留最低代价。
  • 用总方差而非波动率:用 w=σ²T 比较期限,它不能随 T 增大而下降。
  • 先给到期日排序再比较相邻项;字典不保证顺序。

实验:评分内容

  • SVI 微笑曲线10 分
  • 拟合一条微笑曲线25 分
  • 校准曲面20 分
  • 隐含波动率10 分
  • 日历套利20 分
  • 曲面研究15 分
资源管理器 · lab-sp-23
▾ lab-sp-23
…
bash · 浏览器内
learner@quantcraft:~/lab-sp-23$
Python 尚未加载PythonLn 1, Col 1Spaces: 4UTF-8

要重置此主题吗?

lab-sp-23 中的所有内容将恢复为初始文件,终端也会被清空。你当前的解答将丢失,且无法撤销。

将被重置
  • main.py → 初始代码
  • 终端历史与测试输出
  • 未提交的更改
将被保留
  • 实验最高得分
  • 你的 XP 与连续天数
  • 讲解进度与笔记

登录后即可运行你的代码。

所有讲解均可免费阅读。创建账户或登录后,即可运行代码、运行测试并提交此实验。

  • 浏览器内 IDE 与 bash 终端,无需安装
  • 即时评分、XP 以及你在学习路线中的位置
创建账户登录
或
使用 GitHub 继续