在quantlib-python中计算欧式期权隐含波动率

Question

我有一段R语言的代码，它使用了RQuantlib这个库。为了能在Python中运行这段代码，我使用了RPy2这个工具。我知道Python也有自己对应的quantlib库（叫quantlib-python）。我想要完全从R转到Python。

请告诉我如何用quantlib-python来运行以下代码：

import rpy2.robjects as robjects

robjects.r('library(RQuantLib)')
x = robjects.r('x<-EuropeanOptionImpliedVolatility(type="call", value=11.10, underlying=100,strike=100, dividendYield=0.01, riskFreeRate=0.03,maturity=0.5, volatility=0.4)')
print x

示例运行：

$ python vol.py 
Loading required package: Rcpp
Implied Volatility for EuropeanOptionImpliedVolatility is 0.381

Answer 1

你需要做一些准备工作。为了方便起见，除非你遇到名字冲突，最好把所有东西都导入进来：

from QuantLib import *

接下来，创建一个期权，这个期权需要一个行权方式和一个收益：

exercise = EuropeanExercise(Date(3,August,2011))
payoff = PlainVanillaPayoff(Option.Call, 100.0)
option = EuropeanOption(payoff,exercise)

（注意，你需要一个行权日期，而不是到期时间。）

现在，无论你是想给期权定价还是获取它的隐含波动率，你都需要设置一个布莱克-斯科尔斯过程。这其中有一些复杂的步骤，因为你不能仅仅传递一个值，比如无风险利率：你需要一个完整的曲线，所以你会创建一个平坦的曲线并把它包裹在一个句柄里。股息收益率和波动率也是一样；基础资产的价值放在一个报价里。（我不打算解释所有对象是什么；如果需要，可以留言。）

S = QuoteHandle(SimpleQuote(100.0))
r = YieldTermStructureHandle(FlatForward(0, TARGET(), 0.03, Actual360()))
q = YieldTermStructureHandle(FlatForward(0, TARGET(), 0.01, Actual360()))
sigma = BlackVolTermStructureHandle(BlackConstantVol(0, TARGET(), 0.20, Actual360()))
process = BlackScholesMertonProcess(S,q,r,sigma)

（波动率实际上不会用于隐含波动率的计算，但你还是需要一个。）

现在，对于隐含波动率，你会调用：

option.impliedVolatility(11.10, process)

而对于定价，你会调用：

engine = AnalyticEuropeanEngine(process)
option.setPricingEngine(engine)
option.NPV()

你可能会使用其他功能（比如把利率放在报价里，这样你可以稍后更改它们等等），但这些应该能帮助你入门。