1973年BS期权定价模型的诞生标志着期权定价进入精确的数量化测度阶段。但是BS模型假设标的资产波动率为常数，这与现实市场观测到的“波动率微笑”曲线严重不符。 heston假设标的资产的价格服从如下过程，其中波动率为时变函数[1]： 并且求出了欧式看涨期权定价公式[2]： 本文使用python实现了上述定价公式。该公式需要输入一共九个参数，其中[v0,kappa,theta,sigma,rho]
转载
2024-09-14 09:43:30
56阅读
一、问题求解的计算之道基于有穷观点的能行方法：由有限数量的明确有限指令构成指令执行在有限步骤后终止指令每次执行都总能得到唯一结果原则上可以由人单独采用纸笔完成，而不依靠其它辅助每条指令可以机械地被精确执行，而不需要智慧和灵感关于计算的数学模型：哥德尔和克莱尼的递归函数模型丘奇的Lambda演算模型波斯特的Post机模型图灵的图灵机模型注：研究证明，上述几个“基于有穷观点的能行方法”的计算模型，全都
转载
2024-10-21 13:56:08
31阅读
在学习统计学贾书的过程，在第6—14章节出有许多需要理解与记忆的公式和概念，在此通过博客的形式做一次梳理，主要内容为统计学中抽样分布、假设检验、参数估计、分类数据分析、方差分析、一元二元线性分析、时间序列分析、指数的理论知识，不足之处望多多指正。参数估计的一般问题点估计与区间估计 (1)点估计定义：用样本的估计量的某个取值直接作为总体参数的估计值（如用样本均值直接作为总体均值的估计；用两个样本均值
新手阶段：经验是促进思维改变的事物，一年的经验重复9次，不算经验新手需要的是与情境无关的指令清单规则只能让你启程，不能让你走得更远 高级新手：高级新手能够开始摆脱固定的规则，在正确的情境中采纳建议，但比较吃力能够开始形成一些总体原则，但没有全面的理解 胜任者：胜任者能建立问题域的概念模型，可以独立解决自己遇到的问题，并开始寻求和运用专家的意见不是下意识反应，胜任者会探寻和解决问
拟牛顿法牛顿法具有不错的收敛性，但是每一次迭代需要计算此处的Hessian，这个计算代价是十分昂贵的，拟牛顿法就是用估计替代Hessian矩阵，使计算量大量减少。DFP假设现在已经来到了迭代点\(x_{k+1}\),这个点建立一个二次模型\[m_{k+1}(p) = f_{k+1} + \nabla f_{k+1}^T p+\frac{1}{2}p^T B_{k+1} p\]现在\(B\)是未知的
转载
2024-09-03 12:28:49
21阅读
这节内容主要是关于理论定价模型。1、what a option trader concerns about market?在期货交易中，如果你对市场的方向足够敏感，那么就可以在它上涨前做多，在它下跌前做空；而在期权交易中，单单预测市场的方向是不够的，还需要感受市场变化的速度。 如果对同一个标的物进行做多操作，当市场行情的确上涨了，那么多头期货持有者必然是获利的，而多头期权的持有者并不一定获利，因为
转载
2024-08-19 19:52:50
95阅读
给定模型与参数，我们就能对样本空间进行描述。大家很自然地会问，这个描述是不是最不好的呢？我们用什么评价标准判断这个描述的好坏呢？这篇博客将一起探讨这个问题。在统计学中，根据从总体中抽取的随机样本来估计模型未知参数的过程被称为参数估计（parameter estimation）。 常用的参数估计方法有：最小二乘估计，最大似然估计和最大后验估计，其中最小二乘估计用于函数模型的参数估计，最大似然估计和最
转载
2024-09-25 09:05:55
190阅读
目录实践中的 Heston 模型之随机模拟引言四种模拟策略Euler 离散策略精准模拟近似分布对数正态近似截断正态近似（TG 形式）和二次正态近似（QE 形式）鞅修正GammaQE 和双 Gamma 形式混合模式参考文献实践中的 Heston 模型之随机模拟引言对于随机波动率驱动的资产价格过程，\[\begin{align}
dS &= (r-q)Sdt + \sqrt{v}S\left[
转载
2023-07-30 20:06:02
155阅读
哈希算法经常会被用到，比如我们Go里面的map，Java的HashMap，目前最流行的缓存Redis都大量用到了哈希算法。它们支持把很多类型的数据进行哈希计算，我们实际使用的时候并不用考虑哈希算法的实现。而其实不同的数据类型，所使用到的哈希算法并不一样。DJB下面是C语言实现。初始值是5381，遍历整个串，按照hash * 33 +c的算法计算。得到的结果就是哈希值。unsigned long
在本文中，我将向您展示如何模拟股票价格的Heston随机波动率模型。Heston模型是是一种期权估值方法，它考虑到同一资产在给定时间交易的不同期权的波动性变化。它试图通过使用随机过程来模拟波动率和利率来重新创建市场定价。Heston模型的特点是将波动率函数的平方根包含在整个定价函数中。
原创
2021-05-12 14:13:33
1435阅读
一、HMM中的第三个基本问题O=O1O2…OT，如何调节模型μ=(A,B,π)的参数，使得P(O|μ)最大化： argmaxμP(Otraining|μ) 模型的参数是指构成
μ的
πi,aij,bj(k)。本文的前序两节讲的EM算法就是为了解决模型参数的最大化问题。其基本思想是，初始时随机地给模型参数赋值，该赋值遵循模型对参数的限制，例如，从某一状态出发的所有转移概率之和为1.给模型
转载
2024-05-30 09:25:27
96阅读
原文链接：http://tecdat.cn/?p=12111在本文中，我将向您展示如何模拟股票价格的Heston随机波动率模型。Heston模型是是一种期权估值方法，它考虑到同一资产在给定时间交易的不同期权的波动性变化。它试图通过使用随机过程来模拟波动率和利率来重新创建市场定价。Heston模型的特点是将波动率函数的平方根包含在整个定价函数中。
原创
2021-05-19 23:36:18
1827阅读
R语言中进行期权定价的Heston模型
原创
2022-12-12 21:48:31
121阅读
动性变化。它试图通
转载
2023-05-13 22:14:21
209阅读
参数估计简介及概念介绍(上)参数估计简介及概念介绍(上) 参数估计简介及概念介绍(上)参数绑定参数绑定是把当前请求的变量作为操作方法(也包括架构方法)的参数直接传入，参数绑定并不区分请求类型。参数绑定传入的值会经过全局过滤，如果你有额外的过滤需求可以在操作方法中单独处理。参数绑定方式默认是按照变量名进行绑定，例如，我们给Blog控制器定义了两个操作方法read和archive方法，由于read操作
转载
2024-05-28 13:23:15
58阅读
本文提出了一个在存在交易成本、市场冲击、流动性约束或风险限制等市场摩擦的情况下，使用现代深度强化学
本文提出了一个在存在交易成本、市场冲击、流动性约束或风险限制等市场摩擦的情况下，使用现代深度强化学习方法对衍生品投资组合进行套期保值的框架。我们讨论了标准强化学习方法如何应用于非线性奖励结构，即本文中的凸风险度量。作为深度学习在随机过程应用中的一般性贡献，我们算法所使用的受限交易策略集足够大，可以对任何最优解进行ϵ-近似。我们的算法即使在高维情况下也可以使用现代机器学习工具高效实现。其结构不依赖于
V模型,W模型,X模型,H模型一、V模型 在软件测试方面，V模型是最广为人知的模型，尽管很多富有实际经验的测试人员还是不太熟悉V模型，或者其它的模型。V模型已存在了很长时间，和瀑布开发模型有着一些共同的特性，由此也和瀑布模型一样地受到了批评和质疑。V模型中的过程从左到右，描述了基本的开发 过程和测试行为。V模型的价值在于它非常明确地标明了测试过程中存在的不同级别，并且清楚地描述了这些测试阶段和开
原创
2014-04-11 11:25:12
10000+阅读
这三个模型都可以用来做序列标注模型。但是其各自有自身的特点，HMM模型是对转移概率和表现概率直接建模，统计共现概率。而MEMM模型是对转移 概率和表现概率建立联合概率，统计时统计的是条件概率。MEMM容易陷入局部最优，是因为MEMM只在局部做归一化，而CRF模型中，统计了全局概率，在 做归一化时，考虑了数据在全局的分布，而不是仅仅在局部归一化，这样就解决了MEMM中的标记偏置的问题。举个例
转载
2022-12-19 17:37:40
220阅读
推理的基本概念3.1.1 推理的定义3.1.2 推理方式及其分类 1.演绎推理：一般 → 个体三段论式（三段论法）2.归纳推理：个体 → 一般完全归纳推理（必然性推理）不完全归纳推理（非必然性推理） 3.默认推理（缺省推理）：知识不完全的情况下假设某些条件已经具备所进行的推理。 1.确定性推理：推理时所用的知识与证据都是确定的，推出的结论也是确定的，其真值或者为真或者为假。 2.不确定性推理：推理
