合成数据与 API
python · numpy · scipy · synthetic-data · gbm · monte-carlo · cholesky · simulation
打开 →GLOBAL SEARCH
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 questionspython · numpy · scipy · synthetic-data · gbm · monte-carlo · cholesky · simulation
打开 →Hook 周一下午四点收盘后,私募研究服务器上挂着两份待跑的任务:先把 100 只沪深300 成分股最近 30 个交易日的日线从米筐风格接口同步下来,再用 100 万条蒙特卡洛路径给一张 510300.SH 看涨期权定价。一颗八核 CPU 跑了二十多分钟,T+1 风控报表迟迟出不来。问题不在算法,在于代码全程单线程。这两份任务该交给的并发原语其实不同:线程池...
打开 →某私募的固定收益研究员要把过去三个月的 10 年期中国国债收益率拉成时间序列,放进久期模型的样本。AKShare 的公开接口 ak.bond china yield 不要 token、本地能跑、数据按日更新——但研究 notebook 一旦在用户面前演示时撞上 429,整场会议就要等十分钟手动 retry。本课把 AKShare 调用包成一个 fetch y...
打开 →为什么明知 drift freezing 只是近似,大家仍然喜欢用它?
打开 →drift freezing 通常最先在什么地方失效?
打开 →为什么在 LMM 里,Bermudan 利率期权会比 caplet 难很多?
打开 →为什么终端测度在仿真中常常很方便,即使最终产品定价会转写到别的测度下?
打开 →为什么市场模型往往比通用状态变量模型更贴近交易台报价?
打开 →为什么当行权是根据估计出来的继续持有规则决定时,LSM 自然会给出一个美式期权的下界估计?
打开 →为什么单调的支付结构常常提示我们在 LSM 里应使用单调或具备形状约束意识的基函数?
打开 →为什么只用价内路径做回归通常是合理的,但又不能把它当成“必然更好”的定理?
打开 →为什么路径数量和基函数复杂度通常应该联动调整,而不是各自独立调参?
打开 →为什么即使生产引擎是 LSM 蒙特卡洛,树模型基准仍然很有价值?
打开 →为什么在 LSM 里,时间步的摆放并不仅仅是把网格变细这么简单?
打开 →为什么如果继续持有函数的设定本身就有问题,那么“多跑一些路径”并不是完整答案?
打开 →为什么靠近行权边界的路径会对 LSM 质量产生不成比例的重要影响?
打开 →为什么在 LSM 里使用过多基函数,反而可能让实现变差?
打开 →为什么即使继续持有回归在样本内看起来很好,样本外估值仍然很有价值?
打开 →为什么把完全相同的模拟路径既用于回归设计、又用于估值,会让期权看起来偏贵?
打开 →为什么在 LSM 里,行权边界通常是被隐式学出来的,而不是直接求一个闭式方程?
打开 →为什么在利率、商品或波动率类产品的美式期权 LSM 中,除了现货之外的状态变量常常也很重要?
打开 →为什么更好的理解方式是把 LSM 看成“学习一套策略”,而不是“在每个日期学一个完美价格公式”?
打开 →为什么即使继续持有值的均值拟合很好,学出来的美式行权策略仍然可能很差?
打开 →某个美式看跌期权在某个行权日使用 LSM 继续持有拟合 C(S) = a + (-0.25)S。交易台观察到当 K = 95 时,行权边界位于 S = 76。则隐含的截距 a 是多少?
打开 →在某个行权日,美式看跌的即时行权价值为 K-S,继续持有拟合为 C(S) = 18 + bS。若交易台学到的边界是 S = 90,且 K = 105,则隐含的斜率 b 是多少?
打开 →三个分层的总体权重分别为 0.5、0.3 和 0.2,对应标准差分别为 1、2 和 3。在等成本的 Neyman 配置下,第三层应拿到多少样本占比?
打开 →为什么共同随机数可以降低两个估计量“差值”的方差,即使每个估计量单独来看都没有变化?
打开 →为什么使方差最小的控制系数满足 b*=Cov(X,Y)/Var(Y)?
打开 →为什么“各层无偏样本均值的加权和”会是总体期望的无偏估计量?
打开 →为什么当 payoff 在状态空间里强烈振荡时,反变量配对可能无法显著降方差?
打开 →