Agent Skills
返回列表
⚖️

衍生品定价引擎

行业专业 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_053d27d0/derivatives-pricer-zx。

技能介绍

要解决什么问题

单标的期权定价往往要在解析解、路径模拟和PDE 网格之间取舍：欧式期权有 Black–Scholes，但美式提前行权、亚式路径依赖没有闭式解；蒙特卡洛与有限差分又涉及方差、稳定性与边界条件。若再需要 Delta、Gamma、Theta、Vega、Rho，还要保证解析希腊字母与数值差分一致。本技能把上述方法收进同一套 Python 工具包，并明确要求使用 akshare 期权/国债等真实数据，避免用随机或伪造参数做「演示价」。

核心能力怎么组织

定价按模块拆分，可按期权类型选方法：

  • black_scholes.py：欧式看涨/看跌，含连续股息收益率 q，支持隐含波动率反推；文档说明可通过 Put–Call Parity 做无套利校验。
  • monte_carlo.py：欧式、美式、亚式；对偶变量、控制变量、Longstaff–Schwartz 处理美式，并可做收敛性分析。
  • finite_difference.py：欧式/美式；显式、隐式、Crank–Nicolson；显式格式带稳定性检查；美式含提前行权边界。
  • cos_method.py：欧式；Fourier 余弦展开，特征函数可换正态 / VG / NIG，便于在厚尾、偏度场景下替代纯正态假设。

希腊字母在表中列明含义与计算方式：解析公式为主，并用数值方法交叉验证。亚式支持算术/几何平均；几何平均在部分情形下可近似，算术平均通常走蒙特卡洛。

边界与选型注意

支持：上述期权类型与四种定价路线、中国市场数据回退逻辑（akshare 失败时可用手动参数或文档中的默认参考）。

不支持：障碍/回望/雪球等复杂路径依赖（除亚式外）、多资产与利率/信用衍生品、Merton 跳跃扩散的完整实现、Heston 随机波动率的完整实现（COS 侧仅预留接口）、任何交易执行。

选型上：欧式优先 BS 或需非正态时用 COS；美式在低维常选 Crank–Nicolson，高维或灵活仿真用 Longstaff–Schwartz；亚式算术平均以 MC 为主。精度需求提高时加大 MC 路径数或 FDM 网格密度即可。

使用场景

  • 卖方研究在出报告前，对同一批欧式认购用 Black–Scholes 与 COS 交叉定价，并用 Put–Call Parity 检查无套利一致性。
  • 日终风控要对美式期权持仓重估公允价，选用 Crank–Nicolson 或 Longstaff–Schwartz，并导出 Delta、Gamma 供风险报表。
  • 亚式期权（算术平均）无闭式解时，用蒙特卡洛跑价并做路径数收敛分析，把结果写入策略或结构产品说明附件。
  • 业务试算需对接中国市场参数时，从 akshare 拉取期权与国债收益率；接口失败则按文档默认参数改用手动输入完成定价。

适合人员

  • 卖方衍生品量化研究员，需要隐含波动率反推、COS 在 VG/NIG 下的欧式定价，以及多方法结果对照。
  • 券商自营或资管日终风控，要对美式持仓做有限差分或 LSMC 重估，并核对希腊字母解析值与数值差分。
  • 金融工程课教师或助教，要用固定 random_state 的可复现蒙特卡洛演示美式提前行权与显式差分稳定性。
  • 学习场内期权定价的个人或家族办公室成员，用 akshare 真实数据做情景试算，明确不用于实盘下单。