技能介绍

要解决什么问题

做量化作业或原型验证时，你往往需要在不拉起一整套 SciPy / cvxopt 栈的前提下，快速算清期权价格、组合权重和风险指标。QuantLab 把常见金融工程公式收进一个以 NumPy 为主的工具包：Black-Scholes 甚至自带手写的正态 CDF（基于 erf），Markowitz 有效前沿走 KKT 解析解，GARCH 用自实现的 MLE 梯度下降，目标是可复现、依赖少、便于嵌入脚本或 Agent 工作流。

核心能力与用法脉络

期权定价：欧式看涨/看跌支持 Black-Scholes、二叉树、Heston 随机波动率、Monte Carlo；隐含波动率用 Newton-Raphson 反解；一阶希腊字母（Delta / Gamma / Vega / Theta / Rho）齐全。
组合优化：均值-方差有效前沿、Black-Litterman（主观观点 + 市场均衡）、Risk Parity（等风险贡献）。
风险管理：Historical / Parametric / Monte Carlo VaR，CVaR（Expected Shortfall），以及 Kupiec POF 与 Christoffersen 独立性检验。
波动率：GARCH(1,1)、GJR-GARCH、EGARCH，MLE 估计不依赖外部优化库。
收益率曲线：票息剥离 Bootstrap、Nelson-Siegel 拟合。

触发上，当对话涉及「BS 公式」「马科维茨」「VaR」「GARCH」「Nelson-Siegel」等关键词时，适合优先调用本技能，按模块选用对应定价、优化或报告流程。

边界与注意点

本包仅覆盖欧式期权，不支持美式/亚式/障碍等奇异结构；也不提供实时行情、交易执行、因子归因或 ML 预测模块。Heston 等少数路径可选依赖 SciPy 积分；其余核心路径在 Python 3.8+ 下以 NumPy 为主即可运行。若你需要多模型对比和交互可视化，可与专注期权定价的 option-pricer 类技能互补使用。