具体描述
产品特色
编辑推荐
适读人群 ：本书专门针对量化投资从业人员、交易员、风控经理等而写，也可作为各大高校、培训机构、研究机构的优秀参考书。阅读本书读者可掌握：
基于巿场的定价
风险中性定价
离散巿场模型
Black-Scholes-Merton 模型
傅里叶期权定价
美式期权定价
随机波动率与跳跃扩散模型
模型校准
数值模拟与定价
内容简介
Python在数据分析领域得到了越来越广泛的应用。第一部分着眼于风险对股市指数期权的价值、股票、利率的影响。第二部分介绍套利定价理论、离散时间内风险中性估值持续时间介绍了两种流行的期权定价方法。最后第三部分介绍市场估值工作的整个过程。
作者简介
作者Yves Hilpsch是Python Quants（德国）股份有限公司的创始人和任事股东，也是Python Quants（纽约）有限责任公司的共同创办人。该集团提供基于Python的金融和衍生品分析软件以及与Python及金融相关的咨询、开发和培训服务。Yves Hilpsch还是Python for Finance（《Python金融大数据分析》）一书的作者。
译者蔡立耑
美国伊利诺伊大学金融硕士，华盛顿大学经济学硕士、博士。熟悉行为金融与量化投资。在金融、计算机等领域的学术、实战经验丰富。
精彩书评
本书是Hilpisch 博士的另一大作，书中完整介绍了衍生工具分析及其Python实践。
——Baruch金融工程副教授 Alain Ledon
这是一本关于股票衍生工具定价前沿的全面性综述，并从实务工作者的角度，巨细靡遗地介绍如何通过Python来实践。
——Washington Square Technologies总裁、前摩根大通量化研究部门联席主管 Mark Higgins博士
不论是学术界或金融产业，目前Python在量化金融中的应用分外热络。Yves 这本不朽的著作，以专家的角度及教学的方式，引导读者熟悉衍生工具定价的数学与数值方法，并通过Python编程加以实践。我会将本书作为计算金融课程的标准教材。
——惠誉学习与伦敦大学学院数学系 Riaz Ahmad博士
每一个想认真在衍生工具平台使用Python的业界人士必读之书。书中包含复杂且前沿的衍生工具定价与量化对冲的Python实践，行家与学者必会赞赏Hilpisch博士擅于化繁为简的能力。
——Asymmetric Return Capital公司创始人及CIO Bryan Wisk
目录
第 1 章 快速导览 1
1.1 基于市场的估价
1.2 本书的结构
1.3 为什么选择 Python
1.4 深入阅读
第 1 部分 市场 6
第 2 章 什么是基于市场的定价 6
2.1 期权及其价值
2.2 普通金融工具与奇异金融工具
2.3 影响股权衍生工具的风险
2.3.1 市场风险
2.3.2 其他风险
2.4 对冲
2.5 基于市场的定价过程
第 3 章 市场典型事实 15
3.1 简介
3.2 波动率、相关性
3.3 基本案例：正态收益率
3.4 指数和股票
3.4.1 典型事实
3.4.2 DAX 指数收益率
3.5 期权市场
3.5.1 买卖价差
3.5.2 隐含波动率曲面
3.6 短期利率
3.7 结论
3.8 Python 脚本
3.8.1 GBM 分析
3.8.2 DAX 分析
3.8.4 EURO STOXX 50 隐含波动率
3.8.5 EURIBOR 分析
第 2 部分 理论定价 42
第 4 章 风险中性定价 42
4.1 简介
4.2 离散时间不确定性
4.3 离散市场模型
4.3.1 基本元素
4.3.2 基础定义
4.4 离散时间模型的主要结果
4.5 连续时间模型
4.6 总结
4.7 证明
4.7.1 引理 1
4.7.2 命题 1
4.7.3 定理 1
第 5 章 完全市场模型 62
5.1 简介
5.2 Black-Scholes-Merton 模型
5.2.1 市场模型
5.2.2 基本 PDE
5.2.3 欧式期权
5.3 BSM 模型的 Greeks
5.4 Cox-Ross-Rubinstein 模型
5.5 总结
5.6 证明及 Python 脚本
5.6.1 伊藤引理
5.6.2 BSM 期权定价的脚本
5.6.3 BSM 看涨期权 Greeks 脚本
5.6.4 CRR 期权定价脚本
第 6 章 基于傅里叶的期权定价 84
6.1 概述
6.2 定价问题
6.3 傅里叶变换
6.4 基于傅里叶的期权定价
6.4.1 Lewis（2001）
6.4.2 Carr-Madan（1999）
6.5 数值计算
6.5.1 傅里叶级数
6.5.2 快速傅里叶变换
6.6 应用
6.6.1 Black-Scholes-Merton（1973）模型
6.6.2 Merton（1976）模型
6.6.3 离散市场模型
6.7 总结
6.8 Python 脚本
6.8.1 使用傅里叶方法的 BSM 看涨期权定价
6.8.2 傅里叶级数
6.8.3 单位根
6.8.4 卷积
6.8.5 参数模块
6.8.6 卷积计算看涨期权价值
6.8.7 卷积期权定价
6.8.8 DFT 期权定价
6.8.9 DFT 速度检验
第 7 章 利用模拟的美式期权定价 114
7.1 概述
7.2 金融模型
7.3 美式期权定价
7.3.1 问题形式
7.3.2 定价算法
7.4 数值结果
7.4.1 美式看跌期权
7.4.2 美式空头秃鹰式价差
7.5 总结
7.6 Python 脚本
7.6.1 二项定价
7.6.2 LSM 蒙特卡罗定价
7.6.3 原始算法和对偶算法
第 3 部分 基于市场的定价 132
第 8 章 基于市场定价的第一个例子 132
8.1 概述
8.2 市场模型
8.3 定价
8.4 校准
8.5 模拟
8.6 总结
8.7 Python 脚本
8.7.1 数值积分定价
8.7.2 FFT 定价
8.7.3 根据三种到期日的期权报价校准模型
8.7.4 根据到期时间较短的期权报价校准模型
8.7.5 MCS 定价
第 9 章 一般市场模型 154
9.1 概述
9.2 框架
9.3 框架的特征
9.4 零息债券定价
9.5 欧式期权定价
9.5.1 PDE 方法
9.5.2 变换方法
9.5.3 蒙特卡罗模拟
9.6 总结
9.7 证明和 Python 脚本
9.7.1 伊藤引理
9.7.3 欧式看涨期权定价的 Python 脚本
第 10 章 蒙特卡罗模拟 171
10.1 概述
10.2 零息债券定价
10.3 欧式期权定价
10.4 美式期权定价
10.4.1 数值结果
10.4.2 高准确性与低速度
10.5 总结
10.6.1 一般零息债券定价
10.6.3 通过蒙特卡罗模拟对欧式期权自动定价
10.6.4 通过蒙特卡罗模拟对美式看跌期权自动定价
第 11 章 模型校准 202
11.1 概述
11.2 一般考量
11.2.1 为什么校准
11.2.2 模型的不同部分分别是什么角色
11.2.3 什么是目标函数
11.2.4 什么是市场数据
11.2.5 什么是最优化算法
11.3 短期利率部分的校准
11.3.1 理论基础
11.3.2 根据 Euribor 校准模型
11.4 股权部分的校准
11.4.1 傅里叶变换方法定价
11.4.2 根据 EURO STOXX 50 期权的报价进行校准
11.4.3 H93 模型校准
11.4.4 跳跃部分校准
11.4.5 BCC97 模型的完全校准 2
11.4.6 根据隐含波动率校准
11.5 总结
11.6 COX-INGERSOLL-ROSS 模型的 PYTHON 脚本
11.6.1 CIR85 模型校准
11.6.2 H93 随机波动率模型校准
11.6.3 隐含波动率的比较
11.6.4 模型跳跃扩散部分的校准
11.6.5 BCC97 完全模型的校准
11.6.6 根据隐含波动率校准 BCC97 模型
第 12 章 一般模型框架下的模拟与定价 240
12.1 概述
12.2 模拟 BCC97 模型
12.3 股权期权定价
12.3.1 欧式期权
12.3.2 美式期权
12.4 总结
12.5 Python 脚本
12.5.1 模拟 BCC97 模型
12.5.2 MCS 法对欧式看涨期权定价
12.5.3 MCS 法对美式看涨期权定价
第 13 章 动态对冲 256
13.1 概述
13.2 BSM 模型对冲研究
13.3 BCC97 模型对冲研究
13.4 总结
13.5 Python 脚本
13.5.1 BSM 的 LSM Delta 对冲（单一路径）
13.5.2 BSM 的 LSM Delta 对冲（多条路径）
13.5.3 BCC97 中美式看跌期权的 LSM 算法
13.5.4 BCC97 的 LSM Delta 对冲（单一路径）
第 14 章 摘要 280
附录 A 果壳里的 Python 281
A.1 Python 基础
A.1.1 安装 Python 包
A.1.2 Python 第一步
A.1.3 数组操作
A.1.4 随机数
A.1.5 绘图
A.2 欧式期权定价
A.2.1 Black-Scholes-Merton 方法
A.2.2 Cox-Ross-Rubinstein 方法
A.2.3 蒙特卡罗方法
A.3 金融选题
A.3.1 近似
A.3.2 最优化
A.3.3 数值积分
A.4 Python 进阶
A.4.1 类和对象
A.4.2 基本的输入输出
A.4.3 与电子表格交互
A.5 快速金融工程
前言/序言
译者序
自20世纪后期以来，衍生品市场蓬勃发展，成为金融创新的主流。作为金融产品的重要组成部分，衍生品强化了跨时间、跨空间的价格竞争，提高了资产配置的效率，在金融市场中扮演着举足轻重的角色。一方面，衍生品有助于价格发现，使得各类资产能够更有效地被定价；另一方面，衍生品也具有套期保值的功能，可以帮助投资者认识、分离各种风险构成，进而根据各种风险大小和个人偏好更有效地配置资金。衍生工具的定价及对冲（避险）一直是金融工程的核心内容。
然而，衍生品的定价与对冲并不是容易掌握的技术。首先，其相关理论较艰涩难懂，许多抽象的数学知识对不少人而言难以逾越。其次，现实世界显然并不如理论假设那般完美，存在着各种各样的问题，如何将理论应用于偏离假设的现实世界是一项颇具挑战的任务。此外，衍生品定价与对冲的数值计算往往非常繁琐；在实务中，没有一定的编程能力难竟其功。
本书很大程度解决了上述典型的困难。作者以其丰富的业界经验及深厚的学识修养，清晰地表达了衍生工具定价、模拟、校准及对冲方法，让读者得以全面地了解衍生品相关的理论知识。而本书尤为出色之处，更在于作者匠心独运地将抽象的数学模型以Python实践，并与巿场实际相结合，因此对于实务工作者而言，阅读本书后学习效率是立竿见影的。
值得一提的是，作者选择Python作为实践的编程语言，有其与时俱进的睿智。相较于C++、Java等语言，Python一个广为人知的特色是简单易学，即便非专业的程序员也能轻易上手。除此之外，Python平台上累积了相当完整的标准模块和包，功能强大的非标准模块和包更是无以计数，涵盖范围相当广泛。这样的环境对程序开发效率的提升不言可喻。Python还提供了丰富的API和工具，方便程序员在必要之时可以用其他语言来编写扩充模块，故有“胶水语言”之称。再者，各种主要的操作系统都支持Python；Python程序往往不需要修改，便能同时在Linux与Windows平台上执行，可移植性非常好。综上所述，科学计算人员使用Python可以在很大程度上减少学习、处理编程细节的许多心力，从而专注于问题本身。对金融行业而言，这意味着成本降低与效率提升。读者不难发现，Python能在金融界迅速地流行开来，其来有自。
总之，从理论与实务结合的角度，本书不论对于学者或金融行业的专业人员，都是一本难得一见、不可或缺的参考书。最后提醒读者，本书并不是入门书籍。为了能够更好地理解本书的内容，我们建议读者具有与下列书籍同等的背景知识：JohnHull的Options,Futures,andOtherDerivatives，StevenE．Shreve的StochasticCalculusforFinance，以及UmbertoCherubini和GiovanniDellaLunga的FourierTransformMethodsinFinance一书。
前言
这本书是我在公司工作、大学教书过程中，自己诸多活动及同事间互动衍生的产物。一方面，在ThePythonQuantsGmbH公司，我们从事的领域包括金融工程、计算金融和Python编程；另一方面，我在萨尔大学教数理金融学课程。
本书的目标读者是那些对基于市场的期权评估实务，即透过单一数值与技术的实践来完成工作感兴趣的业界人士、研究人员与学生，也为那些想要了解Python如何应用于衍生品分析与金融工程的人士而作。然而，除了主要以实务与实践为导向外，本书也提供了必要的理论基础与数值工具。
Python在金融界、尤其是分析领域中的作用越来越不可小视，我希望本书能对此有所贡献。如果您想要获取本书附带的Python脚本及IPython笔记，可以访问http://wiley.quant-platform.com，注册网站上的QuantPlatform，它允许用户在浏览器上以互动与协作方式进行金融分析。更多的资源可以在http://derivatives-analytics-with-python.com上找到。您也应去http://dx-analytics.com网站上查看Python的开源库DXAnalytics，它能够用一种标准和可重复使用的方式，来实现本书展现的概念与方法。
此书的撰写需要长时间的独处，感谢我的家人、尤其我的妻子Sandra的支持与理解。也要感谢我的同事MichaelSchwed一直以来的帮助与支持。同时，感谢AlainLedon与RiazAhmad的评论与反馈。在萨尔大学的课堂与研讨会上，参与者的讨论也对此书贡献卓著。这本书的部分内容，也得益于这些年来我在各种各样的Python及金融会议中的演讲。
谨以此书献给我可爱的儿子HenryNikolaus，我赞赏他那种直接的生活方式，以及对世界清晰的观察。
YvesHilpisch
萨尔
用户评价
作为一名希望将Python应用于金融衍生品分析的初学者，我一直在寻找一本能将理论与实践相结合的优秀书籍。这本书的书名《Python金融衍生品大数据分析：建模、模拟、校准与对冲》无疑具有极强的吸引力，让我以为能获得一套完整的实操框架。然而，在阅读过程中，我发现书中对于“金融衍生品”的介绍，更多的是偏向于宏观的市场和产品分类，而对于具体的期权、期货、掉期等衍生品，其定价模型（如二叉树模型、蒙特卡洛模拟）的Python代码实现，以及如何处理这些模型的细节，例如步长选择、随机数生成器的选择等，都没有进行深入的讲解。我尤其期待能够看到如何利用Python库，如NumPy、SciPy、以及专门的金融计算库，来构建和验证这些模型。此外，“大数据分析”的部分，虽然提及了数据的重要性，但我认为书中对于如何从海量历史和实时数据中提取有效信息，进行特征工程，以及如何构建能够处理高维度数据的机器学习模型，来预测市场波动或衍生品价格，缺乏具体的案例和代码演示。书中对“校准”和“对冲”的讨论，也相对浅显，未能提供可供直接应用的算法和实现。
评分这本书的标题本身就点明了其核心内容——金融衍生品、大数据分析、Python，以及最重要的四个环节：建模、模拟、校准与对冲。我之所以购买这本书，是希望能够深入了解如何在实际的金融市场中，运用Python强大的数据处理和计算能力，来构建、验证并最终应用于衍生品交易的各个环节。我特别期待书中能够详细阐述如何利用Python实现复杂的衍生品定价模型，例如，如何使用蒙特卡洛模拟来定价那些没有解析解的奇异期权，并展示如何通过Python代码来控制模拟的精度和速度。在“大数据分析”方面，我期望能看到关于如何处理大规模市场数据的技术细节，比如如何利用Python库（如Pandas, Dask, PySpark）进行高效的数据清洗、特征提取和存储，以及如何将这些大数据应用到模型的校准过程中，提高模型的准确性和鲁棒性。关于“校准”，我希望书中能提供关于参数估计的各种方法（如最大似然估计、矩估计），以及如何用Python实现这些方法的优化算法，并对校准结果进行敏感性分析。然而，在阅读过程中，我发现书中对于上述这些关键环节的论述，都显得有些蜻蜓点水，未能提供足够的细节和实际操作的指导，这让我感到有些失望。
评分这本书的标题着实抓人眼球，让我这种对金融衍生品和大数据分析都有浓厚兴趣的读者，立刻产生了想要深入了解一番的冲动。然而，在翻阅了部分章节后，我发现这本书似乎并没有完全触及我最期待的那些核心内容。我原本以为会看到关于构建复杂金融模型，比如布莱克-斯科尔斯模型或更高级的蒙特卡洛模拟在衍生品定价中的实际应用案例，并详细解析其背后的数学原理和Python代码实现。我也期待能学习到如何利用大数据技术，例如Hadoop或Spark，来处理海量的市场数据，提取有价值的特征，并以此来优化模型参数。此外，对于模型校准的各种策略，例如最大似然估计、贝叶斯方法等，我希望书中能提供详细的步骤和Python代码示例，帮助我理解如何在实际交易环境中精确地调整模型以贴合市场。更重要的是，书中对于如何将这些模型应用于实际的风险对冲操作，例如Delta对冲、Gamma对冲的实现路径，也只是一带而过，未能深入探讨。虽然书中提到了Python，但我感觉更多的是作为一种工具，而非深度结合的分析框架。整体而言，这本书的覆盖面似乎偏向于概念性的介绍，而对于我这种希望通过实战性内容来提升技能的读者来说，深度和广度上都还有很大的提升空间。
评分当我在书店看到《Python金融衍生品大数据分析：建模、模拟、校准与对冲》这本书时，它的标题立刻吸引了我。我一直在寻找一本能够帮助我掌握如何利用Python进行金融衍生品分析的书籍，并且希望它能涵盖从基础建模到实际对冲的整个流程。我非常期待书中能够提供详尽的Python代码示例，用以演示如何构建各种金融衍生品定价模型，例如，如何实现Black-Scholes模型，以及如何使用蒙特卡洛方法来定价更复杂的衍生品，如亚式期权或障碍期权。我也希望书中能够详细介绍如何利用Python进行大数据处理，例如，如何高效地读取、清洗和存储海量的市场数据，以及如何运用机器学习技术来发现数据中的模式，并将其应用于模型的校准。对于“校准”部分，我期望能看到如何利用Python的优化算法来估计模型参数，以及如何评估校准结果的有效性。在“对冲”方面，我希望能学习到如何利用Python来计算各种风险指标（如Delta, Gamma, Vega），并实现动态对冲策略。然而，在阅读了几章之后，我发现本书对于这些我期待的深度技术细节和实操代码的讲解，似乎并未完全达到我的预期，很多内容只是浅尝辄止，未能提供足够深入的指导。
评分刚拿到这本书，就对其“建模、模拟、校准与对冲”几个关键词充满了期待，特别是“Python金融衍生品大数据分析”这样的组合，预示着这是一本能够真正解决实际问题的技术指南。然而，在阅读过程中，我发现书中对于“大数据”的阐述，更多的是停留在概念层面，比如提到了数据的重要性，但缺乏对具体大数据处理框架（如分布式计算、云存储等）在金融衍生品分析中的实际应用详解。我期望能够看到如何利用Python生态中的大数据工具，例如Pandas、Dask、或者与Spark的集成，来处理TB甚至PB级别的高频交易数据，并从中挖掘出不那么显而易见的模式。关于“校准”部分，虽然提及了一些理论，但对于如何自动化校准过程，以及如何处理校准过程中的不确定性，比如在市场剧烈波动时校准的鲁棒性，书中并没有给出详尽的指导。在“对冲”策略方面，我本以为会看到利用Python进行各种复杂衍生品组合的动态对冲仿真，并对冲策略的有效性进行量化评估，但书中对此的描述相对笼统，缺乏具体的量化模型和回测框架。总的来说，这本书的亮点在于其主题的吸引力，但若想真正实现“大数据分析”的承诺，需要在数据处理、模型校准的实践性以及对冲策略的量化实现上，做更深入的挖掘和展示。
评分好，，。。。。。。。。。。。。。
评分书是正版～印刷不错～内容还没看～
评分非常感谢京东商城给予的优质的服务，从仓储管理、物流配送等各方面都是做的非常好的。送货及时，配送员也非常的热情。
评分这本书不知道程度如何，学完能干什么，先学起来再说吧！
评分python关于量化交易很不错的书,讲解详细！！！
评分正品书籍！值得你拥有！信赖京东！
评分原来是本编程语言?，跟股票没有太大关系?
评分买来学习的，知识点很多，总结的很好，学到了很多
评分对于有编程基础的同学，可以直接看后面金融建模部分的内容。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.coffeedeals.club All Rights Reserved. 静流书站 版权所有