# 期权头寸计算 > 来源：https://uqer.io/community/share/54c846cdf9f06c276f651a50 版本：1.0 作者：李丞 联系：cheng.li@datayes.com 在本篇中，我们假设客户已经拥有了自己的期权头寸，希望利用量化实验室的功能进行风险监控。 ## 数据准备 用户的期权头寸数据保存在[期权头寸.csv](http://pan.baidu.com/s/1kTEDhwr)文件中(请点击链接下载），样例如下： ```py optionData = pd.read_csv(u'期权头寸.csv', encoding='gbk', parse_dates = [3], dtype = {u'代码':str}) pd.options.display.float_format = '{:,.2f}'.format print(optionData) 代码 方向 行权价 到期时间 头寸 0 000001 C 2.20 2015-02-19 1000 1 000002 C 2.10 2015-02-19 -500 2 000003 P 1.90 2015-03-19 1000 3 000004 P 1.80 2015-03-19 -500 ``` ## 计算方法 这里我们简单展示如何用内置函数，方便的计算基于Black-Scholes模型的价格以及风险值： ```py def processOptionBook(optionData): # 由于我们现在还无法获取市场数据，制作一些假的市场数据数据 # 例如波动率水平，利率水平 vol = 0.3 * np.random.random(len(optionData)) + 0.2 spot = 2.0 riskFree = 0.04 dividend = 0.0 evaluationDate = Date.todaysDate() # 根据用户的输入计算期权的价格以及各种greeks t2m = (optionData[u'到期时间'].apply(lambda x:Date(x.year,x.month,x.day)) - evaluationDate)/ 365.0 optionType = optionData[u'方向'].apply(lambda x: x=='C' and 1 or -1) strike = optionData[u'行权价'] calculateResult = BSMPrice(optionType,strike,spot,riskFree,dividend, vol,t2m) # 整理数据 calculateResult = calculateResult.multiply(optionData[u'头寸'].values, axis = 0) calculateResult.index = optionData[u'代码'] portfolio = pd.DataFrame(dict(np.sum(calculateResult)), index = ['portfolio']) calculateResult = calculateResult.append(portfolio) calculateResult.index.name = u'代码' calculateResult = calculateResult.reindex_axis(['price', 'delta', 'gamma', 'rho', 'theta', 'vega'], axis = 1) return calculateResult ``` ```py res= processOptionBook(optionData) print(res) price delta gamma rho theta vega 代码 000001 27.36 222.15 1,317.92 26.27 -550.43 149.48 000002 -5.13 -94.07 -1,326.48 -11.53 116.11 -67.71 000003 24.81 -238.18 1,822.42 -70.03 -168.14 231.44 000004 -8.43 71.48 -514.95 21.15 82.48 -84.38 portfolio 38.62 -38.62 1,298.91 -34.13 -519.98 228.84 ```