qmt编程之获取期权数据
qmt更加详细的教程方法，会持续慢慢梳理。
也可找寻博主的历史文章，搜索关键词查看解决方案 ！
基于BS模型计算欧式期权隐含波动率
基于Black-Scholes-Merton模型,输入期权标的价格、期权行权价、期权现价、无风险利率、剩余天数、标的分红率,计算期权的隐含波动率
方法1：内置python
调用方法
内置python
#encoding:gbk
def init(ContextInfo):
pass
def after_init(ContextInfo):
ContextInfo.bsm_iv(optionType,objectPrices,strikePrice,optionPrice,riskFree,days,dividend)
参数
| 字段 | 类型 | 说明 |
|---|---|---|
optionType | str | 期权类型，认购：'C'，认沽：'P' |
objectPrices | float | 期权标的价格，可以是价格列表或者单个价格 |
strikePrice | float | 期权行权价 |
riskFree | float | 无风险收益率 |
sigma | float | 标的波动率 |
days | int | 剩余天数 |
dividend | float | 分红率 |
返回
double
示例
#encoding:gbk
import numpy as np
def init(ContextInfo):
pass
def after_init(ContextInfo):
# 计算剩余15天的行权价3.5的认购期权,在无风险利率3%,分红率为0时,标的现价3.51元,期权价格0.0725元时的隐含波动率
iv=ContextInfo.bsm_iv('C',3.51,3.5,0.0725,0.03,15)
print(iv)返回值
0.2299
