1703567578
·访问http://finance.yahoo.com。
1703567579
1703567580
·在“Get Quotes”框内输入期权代码。
1703567581
1703567582
·点击“Historical Prices”链接，它位于页面左边“More on（ABC）”框中的正数第三个位置。
1703567583
1703567584
·设置起始日期为四年期，并点击“Get Prices”。
1703567585
1703567586
·将页面滚动至底部，并点击“Download to Spreadsheet”，选择选项“Open”。
1703567587
1703567588
·将所有数据剪切复制至Volatility Cones.xls（或Skew and Kurtosis cones.xls）中Yahoo！Finance data表中。
1703567589
1703567590
每日期权对冲模拟
1703567591
1703567592
这里我们会模拟一个vega为1000（这可以在historical returns表中的单元格O18和normal returns表中的单元格N18中进行更改）的已对冲的期权多头头寸的演变过程，我们会在每天收盘时进行对冲。我们使用美国期权市场的转换标准，即每手期权对应100股股票。“Normal Returns”表中会根据单元格N3和N4中的参数，生成一个几何布朗运动过程，而“Historical Returns”表中则使用历史数据。表中单元格O4是推导出的数值，而单元格O3被设置为0。这与我们的在用历史时间序列来度量波动率时所采用的基本假设一致。
1703567593
1703567594
·访问http://finance.yahoo.com。
1703567595
1703567596
·在“Get Quotes”框内输入期权代码。
1703567597
1703567598
·设置起始日期为一年之前，并点击“Get Prices”。检查是否显示了250天的数据。如果不是的话，就需要对日期进行适当调整（当然，也可以修改工作表来处理任意长度的历史数据）。
1703567599
1703567600
·将页面滚动至底部，并点击“Download to Spreadsheet”，选择选项“Open”。
1703567601
1703567602
·将所有数据剪切复制至DailyOptionHedgingSimulation.xls[1]中yahoo finance data表中。
1703567603
1703567604
·点击数据>排序>按日期升序。
1703567605
1703567606
·在单元格O13（或“Normal Returns”表中的单元格N13）中输入所买入的期权的隐含波动率（衍生品交易的零和游戏本质，意味着空头交易的结果刚好是多头交易的反面）。
1703567607
1703567608
·用来对冲的波动率可以在单元格O7中进行调整（“Normal Returns”表中为单元格N7）。
1703567609
1703567610
·按F9键可以重新计算“Normal Returns”表。
1703567611
1703567612
交易评估
1703567613
1703567614
Trade Evaluation表[2]是交易后评估过程的一个模板。可以在列C中输入每日损益，在列H中输入保证金。在单元格E2中输入利率。
1703567615
1703567616
交易目标
1703567617
1703567618
在Trading Goal.xls中，给定预期的损益和夏普比率（单元格C3和C4），我们可以模拟某一个策略的结果。它会画出20条该过程在半年中的实现线。显然，即便是最好的交易员也会在短期中遭遇不太好的结果。按F9键可以重新计算。
1703567619
1703567620
科拉多–苏偏度曲线
1703567621
1703567622
CorradoSu.xls使用了最小二乘法和规划求解来获得与科拉多–苏模型相一致的隐含波动率、偏度和峰度，数据为看涨期权的市场价格。该表使用了规划求解加载项，因此并不被保护。在单元格C2至C4中设置参数。在单元格E3中设置最低的行权价。在单元格H3至H9中输入看涨期权的市场中间价。打开规划求解，确定求解目标为最小化单元格J2（市场价与科拉多–苏价格之间的差异的平方和），可变单元格为C5：C7。通过在单元格F3至F9中直接输入隐含波动率，或是使用规划求解，来得到不同行权价时的隐含波动率曲线。在使用规划求解来计算隐含波动率时，比如要获得行权价为35时的隐含波动率，可以在规划求解中通过变化单元格F3来最小化单元格G3与H3之间的差异。
1703567623
1703567624
均值回复模拟器
1703567625
1703567626
在“Mean Reversion Simulator.xls”中，我们可以用第6章中提到的规则来模拟一个均值回复过程的交易。“Normal Noise”表使用了一个修改了的规则来进行交易，其中合约标的服从奥恩斯坦–于伦贝克过程（Ornstein-Uhlenbeck Process），新息（innovations）服从标准差为1的正态分布。可在单元格J3中调整开仓的标准差倍数，如果该值为2，意味着我们会在偏离合理价值2倍标准差时开仓，此时我们会投入一半的可用资金。当资产收益率回归至均值时，我们才平仓。“normal noise’exact”表根据式（6-28）的最优化规则对开仓时机进行了比例化展示。fat-tailed表也模拟了该交易在噪声服从T分布时的结果。此时会产生超额峰度。“fat-tailed’noise exact”表中的损益曲线显示，式（6-28）的规则在此情形下就太激进了。不过，我们也可以找到一些能盈利的简单规则（通过在“fat-tailed’noise simple”表中调整单元格Z3）。
1703567627
[
上一页 ]
[ :1.703567578e+09 ]
[
下一页 ]