Python 进阶视频课 - 9. 默顿模型
这是 Python 进阶课的第九节 - 用默顿模型计量经济资本,进阶课的目录如下:
NumPy 上
NumPy 下
Pandas 上
Pandas 下
SciPy 上
SciPy 下
Pandas 时间序列
Pandas 高频数据采样
之前基础版的 11 节的目录如下:
编程概览
元素型数据
容器型数据
流程控制:条件-循环-异常处理
函数上:低阶函数
函数下:高阶函数
类和对象:封装-继承-多态-组合
字符串专场:格式化和正则化
解析表达式:简约也简单
生成器和迭代器:简约不简单
装饰器:高端不简单
默顿模型 (Merton's model) 描述公司资产价值 (asset value),它在任何时点 t 等于其权益值和负债值之和。本节细讲默顿模型的两种形式,间接法和直接法,来计算违约距离 (distance to default),如下图所示。前者是阈值模型的一种,而后者需要用大量的公司信息。
上完本节后,你会使用 Cholesky 分解来做蒙特卡洛模拟。
上完本节后,你会构建信用组合的违约损失分布(default loss distribution),该分布描述了组合中潜在违约产生的所有可能损失,并估算组合的
预期损失(Expected Loss, EL)
意外损失(Unexcpeted Loss, UL)
风险价值(Value-at-Risk, VaR)
期望损失(Expected Shortfall, ES)
经济资本(Economic Capital, EC)
上完本节后,你会使用公司信息来计算违约距离、实际违约概率、风险中性违约概率和违约相关性系数。
上完本节后,你会使用 Vasicek-Kealhoffer 模型从股票价格和股票波动率校正 (calibrate) 出来资产价格和资产波动率。
def BS(A, K, r, T, sigma):# Black-Scholes Call v = sigma*np.sqrt(T)d1 = np.log(A/K)/v + 0.5*vd2 = d1 - vreturn A*norm.cdf(d1) - np.exp(-r*T)*K*norm.cdf(d2)def BSD(A, K, r, T, sigma):# Black-Scholes Call Deltav = sigma*np.sqrt(T)d1 = np.log(A/K)/v + 0.5*vreturn norm.cdf(d1)def f(x, E, K, r, T, sE):G1 = BS(x[0], K, r, T, x[1]) - EG2 = x[0]*x[1]*BSD(x[0], K, r, T, x[1]) - sE*Ereturn G1**2 + G2**2def BS(A, K, r, T, sigma): # Black-Scholes Call v = sigma*np.sqrt(T) d1 = np.log(A/K)/v + 0.5*v d2 = d1 - v return A*norm.cdf(d1) - np.exp(-r*T)*K*norm.cdf(d2)def BSD(A, K, r, T, sigma): # Black-Scholes Call Delta v = sigma*np.sqrt(T) d1 = np.log(A/K)/v + 0.5*v return norm.cdf(d1)def f(x, E, K, r, T, sE): G1 = BS(x[0], K, r, T, x[1]) - E G2 = x[0]*x[1]*BSD(x[0], K, r, T, x[1]) - sE*E return G1**2 + G2**2
本节干货太多,就等你来学!
付费用户(付 1 赠 1)可以获得:
观看课程视频 (98 分钟)
Python 代码 (Jupyter Notebook)
Jupyter Notebook
Python 进阶视频课 - 9. 默顿模型相关推荐
- Python 进阶视频课 - 11. 负油价和负利率模型
这是 Python 进阶课的第十一节 - 负油价和负利率模型,进阶课的目录如下: NumPy 上 NumPy 下 Pandas 上 Pandas 下 SciPy 上 SciPy 下 Pandas 时间 ...
- Python 进阶视频课 - 10. LSMC 美式百慕大期权定价
这是 Python 进阶课的第十节 - LSMC 定价美式和百慕大期权,进阶课的目录如下: NumPy 上 NumPy 下 Pandas 上 Pandas 下 SciPy 上 SciPy 下 Pand ...
- Python 可视化视频课 - 3. Seaborn 上
这是 Python 数据可视化系列的第三节<Seaborn 上>. Python 数据可视化 Matplotlib 上 Matplotlib 下 之前 Python 数据分析和基础系列的所 ...
- 【视频课】Pytorch模型分析进阶(可视化,参数量与计算量,计算速度)
课程内容 本次课程内容是Pytorch的高阶使用部分,要求大家预先要熟练掌握Pytorch.总课程大纲包括Pytorch模型结构的分析,Pytorch模型速度与计算量分析,Pytorch模型可视化3部 ...
- Python进阶——网课不愁系列AI换脸技术
俗话说的好:网络一线牵,珍惜这段缘! 网络的水很深,年轻人你把握不住,众所周知照片是可以P的,但是"视频"是"P"不了的(狗头保命) 谁能想到AI换脸竟然如此便 ...
- python文本挖掘视频课_自动摘要的python实现
请至PC端网页下载本课程代码课件及数据. 文本挖掘(TM),又称自然语言处理(NLP),是AI时代炙手可热的数据分析挖掘前沿领域,其所涉及的人机对话系统,推荐算法,文本分类等技术在BAT等企业中都得到 ...
- python培训视频课 知乎
Python爬虫为什么受欢迎 如果你仔细观察,就不难发现,懂爬虫.学习爬虫的人越来越多,一方面,互联网可以获取的数据越来越多,另一方面,像 Python这样的编程语言提供越来越多的优秀工具,让爬虫变得 ...
- 【视频课】12小时不一样的高质量Python基础课,推荐给你学习!
在人工智能和深度学习领域,Python语言是必须掌握的,几乎所有的开源框架都基于Python接口,数据获取与整理需要用到Python,市面上Python教程众多,但良莠不齐,本次我们联合<王的机 ...
- python进阶21之actor
原创博客地址:python进阶21之actor actor模型.actor模式是一种最古老的也是最简单的并行和分布式计算解决方案. 优点:充分利用单线程+事件机制,达到了多线程效果. 缺点,对pyth ...
最新文章
- 生成从A到Z这个一个字符序列
- 语言兔子繁衍问题讲解_二年级思维数学:位置问题,找到重复部分是解题关键...
- ubuntu下eclipse打开window下的java文件,注释内容为乱码,解决方法
- 全面解析并实现逻辑回归(Python)
- hdu 1116 欧拉路
- 51NOD 2072 装箱问题 背包问题 01 背包 DP 动态规划
- linux内核设计与实现 怎么读,《Linux内核设计与实现》CHAPTER1,2阅读梳理
- 外包以小时计算金额的费用_基金申购赎回费用计算实例
- 图形学理论知识 BRDF 双向反射分布函数
- 【Flink】Flink kafka Spark 如何实现数据有序性
- Filecoin网络目前总质押量约为4110万枚FIL
- python中3个while循环_python的input和while循环
- hadoop中java部分练习_java私塾Hadoop实战-中高级部分 之 Hadoop RestFul
- mysql数据卸载工具_如何把Mysql卸载干净(亲测有效)_Mysql_数据库
- 如何软件项目电子投标
- matlab解二元二次方程组
- 舌尖上的阳朔,除米粉之外的桂菜诱惑
- 人工智能/虚拟现实技术的工程伦理分析:以电影《头号玩家》为例
- COMSOL有限元仿真深度指南:为结构件添加预应变
- Python数据分析入门(一)——初探数据可视化