GLOBAL SEARCH

搜索课程、模块、题目与收藏题单

搜索在服务端完成,题目解析与答案不会进入搜索结果。登录后可搜索自己的收藏题单。

找到 30 个结果

English questions
课程利率风险与信用 · 固定收益

凸性与关键利率风险

周三午盘,CPI 数据偏软,长端 CGB(中国国债)一口气下行 30bp。你持有 10 年期 CGB,早盘只用久期算出预期盈利 800 万元;收盘实际记账 850 万元。多出来的 50 万元不是算错,而是凸性(convexity)——久期线性近似系统性遗漏的二阶项。跨周期看,大幅利率变动时无论方向忽略凸性都会偏离实际损益,且决定哪些 CFFEX 上的交易结构...

打开 →
模块1.3.2 · 金融与量化投资 · 固定收益

利率风险与信用

fixed-income · duration · dv01 · modified-duration · macaulay-duration · rates-risk · convexity · key-rate-dv01

打开 →
题目4725 · 数理金融

蝴蝶套利修复或上界 10

对于等间距执行价 100、110、120,三只看涨期权价格分别为 11.5、8.4、5.8。在 butterfly convexity 首次被打破之前,中间执行价看涨期权的价格最多还能再上涨多少?

打开 →
题目4721 · 数理金融

蝴蝶套利修复或上界 6

对于等间距执行价 90、100、110,两侧看涨期权价格分别是 C(90)=18.2、C(110)=8.1。在 butterfly convexity 条件下,中间执行价的看涨期权 C(100) 最多能取到多少?

打开 →
题目4722 · 数理金融

蝴蝶套利修复或上界 7

对于等间距执行价 80、100、120,两侧看涨期权价格分别是 C(80)=26、C(120)=7。在 butterfly convexity 条件下,中间执行价的看涨期权 C(100) 最多能取到多少?

打开 →
题目4724 · 数理金融

蝴蝶套利修复或上界 9

对于等间距执行价 85、95、105,三只看涨期权价格分别为 20、14.8、10.5。在 butterfly convexity 首次被打破之前,中间执行价看涨期权的价格最多还能再上涨多少?

打开 →
题目5131 · 金融与交易

久期-凸性近似 1

某债券当前价格为 102,修正久期为 4.3,凸性为 18。若收益率变化 0.01,用久期-凸性近似估计新价格。

打开 →
题目5132 · 金融与交易

久期-凸性近似 2

某债券当前价格为 98.5,修正久期为 3.1,凸性为 11。若收益率变化 -0.015,用久期-凸性近似估计新价格。

打开 →
题目5133 · 金融与交易

久期-凸性近似 3

某债券当前价格为 105.2,修正久期为 5.5,凸性为 25。若收益率变化 0.02,用久期-凸性近似估计新价格。

打开 →
题目5134 · 金融与交易

久期-凸性近似 4

某债券当前价格为 99,修正久期为 2.8,凸性为 9。若收益率变化 -0.01,用久期-凸性近似估计新价格。

打开 →
课程利率风险与信用 · 固定收益

久期与 DV01:利率的一阶敏感性

周二早上九点半,CFFEX 开盘前。某保险资管(私募 之外的机构主力)固收交易台调出今日风险日报,组合 DV01 行写着 ¥1,240,000——中债利率曲线平移 1bp,账户当日盈亏约 124 万元。这是风险总监开盘前唯一会盯的数字。本课把这行数字拆开:从麦考利久期(Macaulay duration)出发,过到修正久期(modified duration...

打开 →
题目5764 · 金融与交易

凸性对收益的贡献

某债券修正久期为 7,凸性为 90。若收益率上升 150 个基点,仅凸性调整项(二阶项)占价格的百分比是多少?

打开 →
题目2002 · 数学

平移后的 log-sum-exp 凸性 7

一个压力项随 x 下降,另一个随 x 上升,但平滑包络仍保持凸性。 证明 g(x) = ln(exp(-1x) + exp(3x + 0)) 在实数轴上是凸的。

打开 →
题目5126 · 金融与交易

Macaulay 与修正久期 1

对一只期限为 4 年、按年付息、面值为 100、票息率为 0.05、收益率为 0.04 的债券,求 Macaulay 久期和修正久期。

打开 →
课程面向最优化的微积分 · 线性代数与微积分

一阶最优性与凸性

Hook:两个看起来都「会优化」的求解器 上海某私募基金的两位研究员同时打开 Python,一位在跑一个标的为沪深300 成分股、目标为均值方差优化(mean variance optimization)的组合优化(portfolio optimization)问题,另一位在调一个三层的因子神经网络。两人用的迭代算法是同一份梯度下降代码,第一位 200 步就...

打开 →