市场风险中性假设的r0只是等效r的其中之一于德浩2020.6.23在BS期权定价方程中,用到了一个市场风险中性假设,可后来人们发现,由此方程解出的期权价格C不仅适用于理想的市场风险中性条件,也符合现实的风险厌恶或风险未知的情形。我在上一篇的推导中,指出BS期权定价方程是特殊条件下成立,但解得的认购期权价格C具有一般普适性。因为,我们只要找到一个等效的收益率r,使得a*r1-b*r2=(a-b)*r
转载 2024-05-15 14:52:45
30阅读
1.背景介绍投资组合优化是资产管理和投资银行业务中的一个核心话题。因子分析是一种常用的投资组合优化方法之一,它可以帮助投资者更好地理解市场数据,从而更好地管理投资风险。本文将详细介绍因子分析的核心概念、算法原理、具体操作步骤以及代码实例。1.1 投资组合优化的重要性投资组合优化是指通过优化投资组合的收益与风险来实现投资目标的过程。投资组合优化可以帮助投资者找到满足风险承受能力和收益要求的最佳投资组
1、VaR简介 2、VaR原理3、不同VaR实现方法及适用场景3.1 历史模拟法3.1.1 使用TUSHARE读入美的复权后估计数据隆重介绍一下TUSHARE, 非常好的财经数据库, 能获取到国内股价信息#环境&数据准备 import sys as sy import numpy as np import pandas as pd import tushare as ts imp
转载 2023-11-03 12:03:38
98阅读
险型决策的基本方法是将状态变量看成随机变量,用先验分布表示状态变量的概率分布,用期望值准则计算方案的满意程度。 但是在日常生活中,先验分布往往存在误差,为了提高决策质量,需要通过市场调查来收集补充信息,对先验分布进行修正,然后用后验分布来决策,这就是贝叶斯决策。贝叶斯理论是决策领域的一个重要分支,关于风险型决策和贝叶斯决策的理论知识,大家可以查阅相关书籍,没有电子版,这是代码学习,我就不多赘述了。
import pandas as pd import numpy as np import calendar import matplotlib.pyplot as plt import matplotlib.dates as mdate from datetime import datetime from dateutil.parser import parse from scipy.optim
在项目经理做一个项目的时候,预算往往是很重要的,首先可以保证企业的效益,在项目进行中,人机料法环每一个环节都会影响项目的成本,而预算做得好,在很大程度上保证了企业的效益。其次可以控制项目的风险,项目预算做得好,在项目的启动规划执行收尾等过程中都有计划,所以在项目各个环节出现问题后,都有应对计划,那么就可以避免很多风险。同时项目预算做得好,有助于合理利用资源,在一个项目中,需要使用很多资源,而制定合
1952年,马科维兹的一篇《证券投资组合选择》开启了现代投资组合理论的时代,该理论包括两个重要内容:均值-方差分析和有效前沿。有效前沿大概长这样:通过资产的均值方差分析,我们可以找到一条有效前沿,在这条有效前沿上的点就是最佳的投资组合,这些投资组合有这样的特点:给定组合收益水平,组合的风险最小;给定组合的风险水平,组合的收益最大。传统的60/40组合一直以来,人们喜欢60/40这个投资组合,也就是
# 用 Python 实现风险评估 风险评估是分析和评估潜在风险以作出决策的一种重要方法。在金融、工程、医疗和其他行业中,风险评估都是至关重要的。本文将向你展示如何使用 Python 实现一个简单的风险评估模型。 ## 流程概述 在开始之前,我们可以先看一下整个风险评估的流程。以下是我们需要遵循的步骤: | 步骤 | 描述 | |------|------| | 1 | 收集数据 |
原创 2024-08-03 07:34:17
210阅读
# Python实现风险平价策略的指南 在金融投资中,风险平价(Risk Parity)是一种重要的资产配置策略。它的基本思想是根据资产的风险进行资金的分配,而非单纯根据期望收益来分配资金。下面我们将逐步实现一个简单的Python风险平价模型。 ## 流程概述 实现风险平价的步骤如下表所示: | 步骤 | 描述 | |------|--------
原创 9月前
99阅读
# Python 风险分类科普文章 风险分类是数据分析中一项重要的任务,特别是在金融、医疗等行业,通过对数据的深入分析和模型预测,可以有效识别和管理潜在的风险。本文将围绕使用 Python 进行风险分类的过程,介绍相关的方法,并提供代码示例和可视化图表。 ## 风险分类的基本流程 风险分类的基本流程可以概括为以下几个步骤: 1. **数据收集**:收集相关的风险数据。 2. **数据预处理
原创 2024-10-31 08:25:24
125阅读
一 基于风险的测试起源     基于风险的测试起源,在软件测试领域,基于风险测试最早的是测试大师Boris Beizer《软件测试技术》提及,测试时需要考虑到风险。接下来James Bach 在1995年第一次介绍了基于风险的测试(RBT),然后又在1999年在《启发式基于风险的测试》(“Heuristic Risk-based T
银行信贷风险评估模型代码分析一、背景概要信贷业务又称为信贷资产或贷款业务,是商业银行最重要的资产业务,通过放款收回本金和利息,扣除成本后获得利润,所以信贷是商业银行的主要赢利手段。二、代码解析1 相关技术背景XGBoost是一套提升树可扩展的机器学习系统。目标是设计和构建高度可扩展的端到端提升树系统。提出了一个理论上合理的加权分位数略图来计算候选集。引入了一种新颖的稀疏感知算法用于并行树学习。提出
典型案例:    A公司是一家专门从事ERP系统研发和实施的IT企业,目前该公司正在为某大型生产单位(甲方)研发一个ERP系统。A公司同甲方关系比较密切,也正因为 如此,双方合同签订的较为简单,项目执行较为随意。项目组经过艰苦努力,系统总算能够进入试运行阶段,但是由于各种因素,甲方不太愿意进行正式验收,影响 项目的结项。 风险的概述:由于签订合同内容简单,
 信用风险计量体系包括主体评级模型和债项评级两部分。主体评级和债项评级均有一系列评级模型组成,其中主体评级模型可用“四张卡”来表示,分别是A卡、B卡、C卡和F卡;债项评级模型通常按照主体的融资用途,分为企业融资模型、现金流融资模型和项目融资模型等。 我们主要讨论主体评级模型的开发过程。在互金公司等各种贷款业务机构中,普遍使用信用评分,对客户实行打分制,以期对客户有一个优质与否的评判。主要
1. 风险价值(VaR)简述风险价值(value at risk,VaR)是指在一定的持有期和给定的置信水平下,利率、汇率、股价等风险因子发生变化时可能对投资组合造成的潜在最大损失。例如:持有期 1 天、置信水平 95% 的情况下,计算得到的 VaR 值为 1000 万元,则表明该投资组合在1天中有 95%的可能性损失不会超过1000万,换句话说,1 天中,有5%的可能性损失会超过 1000 万元
转载 2023-07-24 16:10:26
269阅读
PRINCE是Project In Controlled Environment(受控环境下的项目管理)的简称。 PRINCE2描述了如何以一种逻辑性的、有组织的方法,按照明确的步骤对项目进行管理。它不是一种工具也不是一种技巧,而是结构化的项目管理流程。这也是为什么它容易被调整和升级,适用于所有类型的项目和情况。本一篇主要介绍P2的风险与变更管理的道与术。 第八章、风险-风险预算:风险
目录一、前期准备二、数据来源与样式 三、数据的预处理(一)表格处理(二)数据导入(三)数据处理 四、模型构建(指数平滑)(一)数据作图(二)观察季节性与趋势(三)一阶指数平滑(四)二阶指数平滑(五)三阶指数平滑(六)均方误(MSE)比较 (七)正态性检验五、数据预测六、总结七、完整代码一、前期准备本次模型的构建与预测都是用的是python进行,其中涉及多个库:impo
# 风险预算与Python:实用导引 在金融投资和项目管理中,风险预算是一种重要的管理工具。它帮助管理者分配和控制资源,以应对不同风险的可能性和影响。本文将介绍风险预算的基本概念,并结合Python代码示例来演示如何实现风险预算模型。我们还将通过图示来直观展示风险预算的组成部分。 ## 什么是风险预算? 风险预算是对项目或投资组合中可承受风险的量化评估。这通常涉及确定每项投资或项目的潜在风险
原创 9月前
54阅读
# 实现Python风险平价 ## 流程概述 在实现Python风险平价的过程中,我们将分为以下几个步骤: | 步骤 | 描述 | | ---- | ---- | | 1 | 数据准备 | | 2 | 计算资产权重 | | 3 | 计算风险平价权重 | | 4 | 生成交易信号 | ## 1. 数据准备 在这一步,我们需要准备数据,包括各资产的收益率数据。 ```python # 导入
原创 2024-02-29 03:41:49
109阅读
组合优化- 均值方差、最大夏普、风险平价模型-基于matlab的实现理论性质的大家参考网上搜索吧: 关键词:均值方差模型的实现 风险平价模型的实现 组合优化matlab以上模型实现本质是 二次规划问题求最优。数理理解还最好搜索下 二次型,规划求解,导数常见概念。简单概括: 均值方差模型思想:在一定收益水平下,最小化风险 风险平价模型的思想:每个子资产贡献给组合的风险相同。 最大夏普思想:组合的超额
  • 1
  • 2
  • 3
  • 4
  • 5