是否有更快的方法使用mibian模塊針對csv / xl文件中的數百萬行計算隱含波動率？

Question

我的情況：

CSV文件已轉換為數據幀df5並且下面的for循環中使用的所有列都是float型的，此代碼有效，但要花費30,000個小時才能完成30,000行。

我要從我的情況中得到什么：

我需要對數百萬行執行相同的操作，並且正在尋找可以使其速度大大提高的修復程序/替代解決方案。

以下是我當前使用的代碼：

for row in np.arange(0,len(df5)):         
    underlyingPrice = df5.iloc[row]['CLOSE_y']
    strikePrice = df5.iloc[row]['STRIKE_PR']
    interestRate = 10
    dayss = df5.iloc[row]['Days']
    optPrice = df5.iloc[row]['CLOSE_x']
    result = BS([underlyingPrice,strikePrice,interestRate,dayss], callPrice= optPrice)
    df5.iloc[row,df5.columns.get_loc('IV')]= result.impliedVolatility

Answer 1

您的循環似乎從每一行中獲取值來構建另一列IV 。
使用apply方法可以更快地完成此操作，該方法允許在每行/列上使用一個函數來計算結果。
像這樣：

def useBS(row):
    underlyingPrice = row['CLOSE_y']
    strikePrice = row['STRIKE_PR']
    interestRate = 10
    dayss = row['Days']
    optPrice = row['CLOSE_x']
    result = BS([underlyingPrice,strikePrice,interestRate,dayss], callPrice= optPrice)
    return result.impliedVolatility

df5['IV'] = df5.apply(useBS, axis=1)