無法在python中使用calcbsimpvol函數找到隱含波動率

Question

我有一個 NIFTY 期權價格數據集，並希望找到數據的隱含波動率

from calcbsimpvol import calcbsimpvol

cp = np.ones(len(final_data))
P = final_data["Close"].values
S = final_data["Underlying"].values
K = final_data["Strike Price"].values
tau = (final_data["Duration"]/365).values
r = final_data["rate"].values
q = np.zeros(len(final_data))

indicators = dict(cp=cp, P=P, S=S, K=K, tau=tau, r=r, q=q)
print("Indicators: \n", indicators)

sigma = calcbsimpvol(dict(cp=cp, P=P, S=S, K=K, tau=tau, r=r, q=q))
print("Sigma: \n", sigma)

運行上述代碼后的輸出為：

ValueError: operands could not be broadcast together with shapes (1138013,) (0,)

final_data 是包含所有 1138013 個點和所有必需參數的數據幀。

我該如何解決這個錯誤？ 如果您有更好的方法使用 Black Scholes 模型找到隱含波動率，請隨時提及。

如果需要，請評論是否需要數據集的驅動器鏈接。

Answer 1

我是庫代碼的維護者。

我能夠重現它。 這里的問題是代碼假定基礎證券的價格是標量（1 個單一數字，例如50.5或np.asarray(50.5) ）

所以代替S = final_data["Underlying"].values你會像S = final_data["Underlying"][0] 。

當然，這只有在final_data包含單一底層證券的期權數據時才有意義。 因此，如果您在 ?dataframe? 中有多個底層代碼，我建議您構建一個適配器並一次只發送一個底層代碼的數據。

否則，也許你有股票代碼/符號/代碼列來過濾：

final_data = pre_final_data.loc[final_data['symbol'] == 'spy'] 
S = final_data["Underlying"].values[0]  # because now every row in "underlying" should be the same 

對於更復雜的過濾/選擇，這可能會有所幫助： https : //pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.query.html

感謝發布。 下次我在圖書館工作時會考慮這個。