真格量化

行情火热偏逢期权研究员请假-真格量化解您燃眉之急

2019-06-05  本文已影响4人  ce2a5fc7b1e4

近来对美国产区洪水的炒作让豆粕和玉米期权市场备受关注

许多期权投资者也在通过各种研究报告跟踪市场的变化。比如对标的历史波动率HV和期权隐含波动率IV的跟踪就是很多投资者每天的必修功课。

不过,正向美国产区的天气一样,天有不测风云,我们一直跟踪的期权研究员请假了,现在没人写报告提供HV-IV图表了,如何是好呢?

不要慌,还有真格量化可以帮您。

我们可以以豆粕1909合约与其看涨2900(凑个整数)的9月份期权为例,用三步把你想要的HV-IV图造出来:

1,计算HV,IV:

我们可以在OnStart部分初始化测试账户,在OnMarketQuotationInitialEx部分来订阅行情。

然后就是HV和IV的计算,这对很多真格量化的用户来说已经是“常规操作”了。

只要运行回测我们就能把过去一段时间的HV和IV都算出来。注意因为我们是计算豆粕1909合约的60日历史波动率,所以回测的开始时间不能太早(比如豆粕1909刚上市,还没有积累多少天价格数据)

运行回测我们的数据就都出来了:

2,复制数据到txt文件:

对于时间不长的数据可以直接在日志窗口里复制,数据较长就可以用导出日志的方式。

3,导入Excel做图:

我们可以将存有数据的txt文件导入Excel进行各种可视化处理,设计一些波动率相关的策略。

现在就算您关注的研究员再也不写期权报告,您也不用怕了。

— — — — — — E N D — — — — — —

往期文章:

Numpy处理tick级别数据技巧

真正赚钱的期权策略曲线是这样的

多品种历史波动率计算

如何实现全市场自动盯盘

AI是怎样看懂研报的

真格量化策略debug秘籍

真格量化对接实盘交易

常见高频交易策略简介

如何用撤单函数改进套利成交

Deque提高处理队列效率

策略编程选Python还是C++

如何用Python继承机制节约代码量

十大机器学习算法

如何调用策略附件数据

如何使用智能单

如何扫描全市场跨月价差

如何筛选策略最适合的品种

活用订单类型规避频繁撤单风险

真格量化回测撮合机制简介

如何调用外部数据

如何处理回测与实盘差别

如何利用趋势必然终结获利

常见量化策略介绍

期权交易“七宗罪”

波动率交易介绍

推高波动率的因素

波动率的预测之道

趋势交易面临挑战

如何构建知识图谱

机器学习就是现代统计学

AI技术在金融行业的应用

如何避免模型过拟合

低延迟交易介绍

架构设计中的编程范式

交易所视角下的套利指令撮合

距离概念与特征识别

气象风险与天气衍生品

设计量化策略的七个“大坑”

真格量化可访问:

https://quant.pobo.net.cn

真格量化微信公众号,长按关注:

遇到了技术问题?欢迎加入真格量化Python技术交流QQ群  726895887

上一篇 下一篇

猜你喜欢

热点阅读