推荐一个专业的纯Python实现的量化金融库

最近在研究期权定价的时候，发现了一个宝藏库——FinancePy。这个库的作者是前雷曼兄弟的量化分析师 Dominic O'Kane，说实话，能把投行级别的定价模型用纯Python写出来，还开源给大家用，真的是业界良心。

01.为何要关注这个库？

或许有朋友会疑惑，市面上量化库众多，像TA-Lib、backtrader等不都挺受欢迎的吗？然而，这些库的侧重点各有不同。
TA-Lib主要专注于技术分析，比如计算移动平均线、MACD指标等。而backtrader则更适用于策略回测。但当你需要为期权进行定价，或是想要确定一个结构化产品的具体价值时，这些库就显得力不从心了。
场景一：期权定价
假设你非常看好某只股票，打算购买其看涨期权。券商给出的报价是5元，但你如何判断这个价格是否合理呢？
这时，FinancePy就能派上用场了，只需几行代码，就能轻松算出结果。

：

from financepy.products.equity import EquityVanillaOptionfrom financepy.market.curves import DiscountCurveimport datetime
# 设置期权参数expiry_date = datetime.date(2024, 12, 31)  # 到期日strike_price = 100.0  # 行权价option = EquityVanillaOption(expiry_date, strike_price, "Call")
# 当前市场数据stock_price = 95.0      # 股票现价volatility = 0.25       # 波动率 25%risk_free_rate = 0.03   # 无风险利率 3%
# 计算期权价格value = option.value(datetime.date(2024, 6, 1),                      stock_price,                      DiscountCurve(datetime.date(2024, 6, 1)),                      volatility)
print(f"期权理论价格: {value:.2f} 元")

跑出来的结果是理论价格。如果券商报价 5 块，理论价格只有 3 块，那你就知道这期权贵了。

场景二：债券收益率计算
假设你购买了一份债券，其票面利率为 5%，3 年后到期，当前市场价格为 98 元。那么，这份债券的实际收益率究竟是多少呢？通过计算，你可以得知，以 98 元购入这份债券，其实际年化收益率大概是多少，这比仅依据票面利率来判断要准确得多。

from financepy.products.bonds import Bondimport datetime
# 创建债券对象issue_date = datetime.date(2024,1,1)maturity_date = datetime.date(2027,1,1)coupon = 0.05  #5% 年息bond = Bond(issue_date, maturity_date, coupon)
# 计算到期收益率clean_price = 98.0 # 市场价格settlement_date = datetime.date(2024, 6, 1)
ytm = bond.yield_to_maturity(settlement_date, clean_price)print(f"到期收益率: {ytm*100:.2f}%")

这样你就能算出来，98 块买的这个债券，实际年化收益率大概是多少，比单看票面利率准确多了。

02.与其他量化库相比，有何优势？
提及量化库，许多人首先想到的是 QuantLib。QuantLib 确实功能强大，几乎已成为业界的标准。然而，它是基于 C++ 编写的，Python 版本只是对其进行了封装。因此，若想深入理解其代码逻辑，或根据自己的需求进行修改，门槛相对较高。
FinancePy 的优势在于其代码完全透明，全部采用 Python 编写。如果你想了解 Black-Scholes 模型的具体实现方式，直接查阅其源码即可。若想修改参数或调整公式，也无需涉及 C++ 的复杂操作。

金融市场变幻莫测，即便拥有了定价工具，也并不意味着就能稳赚不赔。理论价格与市场价格之间，始终存在着流动性、交易成本、信息不对称等现实因素的干扰。
不过，话说回来，多掌握一些知识总是有益的。
项目地址：https://github.com/domokane/FinancePy