git clone git@github.com:Hannibal046/Bison-Thesis.git
cd Bison-Thesis
pip install -e .
pip install transformers
测试: python test.py
Hannibal046:
- 修改
Hedger
的数据格式 - 在
Hedger
初始化的时候加入了一个flag,sequence_prediction
Bison/pfhedge/nn/modules/hedger.py
Lines 307 to 320 in 2884b9e
- 增加
RNN
模型: https://github.com/Hannibal046/Bison/blob/main/pfhedge/nn/modules/rnn.py - 增加
Transformer
模型: https://github.com/Hannibal046/Bison/blob/main/pfhedge/nn/modules/transformer.py - 在
MLP
模型中加入多个历史信息
Bison:
- 在
test.py
下面加入一段代码,测试模型的性能指标.(仅看loss,模型似乎在mlp下训练不行?) - 加入非模拟的数据
- 跑实验
-
【期权】期权是一种衍生品,它是一种权力,围绕它的标的产生:如果标的是股票S,那简单的期权可以是在比如4月30日的时候,允许你用价格K买入股票S,那么如果那个时候S的价格高于K,你会选择行使这个权利,如果低于K,你会选择不行使这个权利;所以期权的到期价值用4.30的股票价格来看的话是个ReLU,所以期权现在的价值就由那个时候的股价决定,所以要对股票价格建模来估计期权现在的价值;
-
【期权对冲】那么期权的价格是一个跟很多东西有关的函数,包括波动率、价格、利率等等,假设是q=f(S, ...),总体而言和S是呈现出线性性的,虽然不是完全线性,那么为了对于售出期权的那一方,会选择用股票来对冲自己的风险,那就需要售出1份期权,买入δ(一般来说0<δ<1)份股票(对应标的)来对冲掉线性部分的风险;
-
【论文观点】历史做期权定价、对冲的人,都是通过期权定价模型来做的,很数学很stochastic,但是现在他们发现直接堆DL就完事了,因为市场上的噪音不小,说不定还会比数学模型要表现的更好,所以这篇文章就是以学δ为目标,对于一个T期的期权、股票组合,学习每一期的δ就成为了任务目标,这也是为什么要生成股票序列作为sample,因为期权的存在衍生于股票
-
【期权的例子】比如说现在股票价格是30块,我在现在给你一个权利,使得4.30的时候你可以以35块买入股票,那假设4.30的时候只有两种可能,股票50%到40,50%到30,那对于这个期权的价值来说,就是50%*(40-35)=2.5,也就是我现在会以一个risk-neutral的价格2.5卖给你这份权利