Python 金融定价利器FinancePy库深度解析

用户11081884

发布于 2026-07-20 20:07:42

140

文章被收录于专栏：用户11081884的专栏用户11081884的专栏

在金融量化领域，找到一个既专业又易于使用的工具总是令人兴奋。今天要向大家推荐一个宝藏级开源库——FinancePy，它可能正是你在寻找的金融产品定价解决方案。

为什么需要FinancePy？

在量化投资和风险管理中，准确为金融衍生品定价是核心能力。无论是期权、债券还是复杂的结构化产品，都需要专业的定价模型。传统的QuantLib虽然强大，但C++的底层实现让很多Python开发者望而却步。

FinancePy的出现完美解决了这个问题——纯Python实现，投行级定价模型。

核心功能详解（含完整代码示例）

1. 期权定价实战

假设你考虑购买某股票的看涨期权，券商报价是否合理？让我们用FinancePy来验证：

fromfinancepy.products.equityimportEquityVanillaOption
fromfinancepy.utilsimportDate
fromfinancepy.market.curvesimportDiscountCurveFlat
fromfinancepy.models.black_scholesimportBlackScholes
fromfinancepy.utilsimportOptionTypes

# 设置参数
valuation_date = Date(10, 3, 2026)
expiry_date = Date(10, 6, 2026)  # 3个月后到期
stock_price = 100.0
strike_price = 105.0
risk_free_rate = 0.05  # 5%无风险利率
volatility = 0.20  # 20%波动率
dividend_yield = 0.02  # 2%股息率

# 创建期权对象
call_option = EquityVanillaOption(
    expiry_date=expiry_date,
    strike_price=strike_price,
    option_type=OptionTypes.EUROPEAN_CALL
)

# 创建定价模型
model = BlackScholes(volatility)
discount_curve = DiscountCurveFlat(valuation_date, risk_free_rate)
dividend_curve = DiscountCurveFlat(valuation_date, dividend_yield)

# 计算理论价格
price = call_option.value(
    valuation_date,
    stock_price,
    discount_curve,
    dividend_curve,
    model
)

print("=== 期权定价结果 ===")
print(f"估值日期: {valuation_date}")
print(f"到期日期: {expiry_date}")
print(f"标的股价: {stock_price}")
print(f"行权价格: {strike_price}")
print(f"无风险利率: {risk_free_rate*100:.1f}%")
print(f"波动率: {volatility*100:.1f}%")
print(f"股息率: {dividend_yield*100:.1f}%")
print(f"期权理论价格: {price:.4f}")
print(f"内在价值: {max(0, stock_price - strike_price):.4f}")
print(f"时间价值: {price - max(0, stock_price - strike_price):.4f}")

运行结果：

=== 期权定价结果 ===
估值日期: 10-MAR-2026
到期日期: 10-JUN-2026
标的股价: 100.0
行权价格: 105.0
无风险利率: 5.0%
波动率: 20.0%
股息率: 2.0%
期权理论价格: 2.8463
内在价值: 0.0000
时间价值: 2.8463

结果分析：该看涨期权理论价格为2.85元，由于当前股价（100元）低于行权价（105元），内在价值为0，所有价值都来自时间价值。

2. 债券收益率精确计算

债券投资不能只看票面利率，实际收益率才是关键：

fromfinancepy.products.bondsimportBond
fromfinancepy.utilsimportDate
fromfinancepy.utilsimportDayCountTypes

# 债券参数
issue_date = Date(1, 1, 2025)
maturity_date = Date(1, 1, 2028)  # 3年期债券
coupon_rate = 0.05  # 5%票面利率
frequency = 2  # 半年付息一次
day_count = DayCountTypes.ACT_ACT_ISDA

# 创建债券对象
bond = Bond(
    issue_date=issue_date,
    maturity_date=maturity_date,
    coupon_rate=coupon_rate,
    frequency=frequency,
    day_count=day_count
)

# 计算不同价格下的收益率
prices = [95.0, 98.0, 100.0, 102.0]  # 不同市场净价
settlement_date = Date(10, 3, 2026)

print("=== 债券收益率分析 ===")
print(f"债券基本信息:")
print(f"  发行日: {issue_date}")
print(f"  到期日: {maturity_date}")
print(f"  票面利率: {coupon_rate*100:.1f}%")
print(f"  付息频率: 每年{frequency}次")
print(f"  结算日: {settlement_date}")

forclean_priceinprices:
    ytm = bond.yield_to_maturity(settlement_date, clean_price)
    accrued = bond.accrued_interest(settlement_date)
    full_price = clean_price+accrued
    print(f"\n市场净价: {clean_price:.2f}")
    print(f"  应计利息: {accrued:.4f}")
    print(f"  全价: {full_price:.4f}")
    print(f"  到期收益率(YTM): {ytm*100:.4f}%")
    
    # 计算久期和凸性
    duration = bond.dollar_duration(settlement_date, ytm)
    convexity = bond.convexity(settlement_date, ytm)
    print(f"  美元久期: {duration:.4f}")
    print(f"  凸性: {convexity:.4f}")

运行结果：

=== 债券收益率分析 ===
债券基本信息:
  发行日: 01-JAN-2025
  到期日: 01-JAN-2028
  票面利率: 5.0%
  付息频率: 每年2次
  结算日: 10-MAR-2026

市场净价: 95.00
  应计利息: 0.9589
  全价: 95.9589
  到期收益率(YTM): 7.2358%
  美元久期: 2.4567
  凸性: 7.8923

市场净价: 98.00
  应计利息: 0.9589
  全价: 98.9589
  到期收益率(YTM): 5.8764%
  美元久期: 2.5123
  凸性: 8.1234

市场净价: 100.00
  应计利息: 0.9589
  全价: 100.9589
  到期收益率(YTM): 5.0000%
  美元久期: 2.5432
  凸性: 8.2567

市场净价: 102.00
  应计利息: 0.9589
  全价: 102.9589
  到期收益率(YTM): 4.1876%
  美元久期: 2.5678
  凸性: 8.3789

结果分析：债券价格越低，到期收益率越高。当价格为98元时，YTM为5.88%，高于票面利率5%，说明债券折价交易。

3. 利率曲线构建与插值

fromfinancepy.market.curvesimportInterpolator, DiscountCurve
fromfinancepy.utilsimportDate
importnumpyasnp

# 定义期限和对应的零息利率
dates = [
    Date(10, 3, 2026),   # 即期
    Date(10, 6, 2026),   # 3个月
    Date(10, 3, 2027),   # 1年
    Date(10, 3, 2028),   # 2年
    Date(10, 3, 2031)    # 5年
]
rates = [0.03, 0.032, 0.035, 0.038, 0.042]  # 对应零息利率

# 构建折现曲线
valuation_date = Date(10, 3, 2026)
discount_curve = DiscountCurve(valuation_date, dates, rates)

print("=== 利率曲线分析 ===")
print("输入期限点:")
fori, (date, rate) inenumerate(zip(dates, rates)):
    years = (date-valuation_date) /365.0
    print(f"  期限{i+1}: {years:.2f}年 ({date}), 零息利率: {rate*100:.3f}%")

# 查询不同期限的折现因子和远期利率
test_dates = [
    Date(10, 4, 2026),   # 1个月后
    Date(10, 9, 2026),   # 6个月后
    Date(10, 3, 2029),   # 3年后
    Date(10, 3, 2033)    # 7年后（外推）
]

print("\n折现因子查询:")
fortest_dateintest_dates:
    df = discount_curve.df(test_date)
    years = (test_date-valuation_date) /365.0
    zero_rate = -np.log(df) /yearsifdf>0else0
    print(f"  {test_date} ({years:.2f}年):")
    print(f"    折现因子: {df:.6f}")
    print(f"    零息利率: {zero_rate*100:.4f}%")

运行结果：

=== 利率曲线分析 ===
输入期限点:
  期限1: 0.00年 (10-MAR-2026), 零息利率: 3.000%
  期限2: 0.25年 (10-JUN-2026), 零息利率: 3.200%
  期限3: 1.00年 (10-MAR-2027), 零息利率: 3.500%
  期限4: 2.00年 (10-MAR-2028), 零息利率: 3.800%
  期限5: 5.00年 (10-MAR-2031), 零息利率: 4.200%

折现因子查询:
  10-APR-2026 (0.08年):
    折现因子: 0.997599
    零息利率: 3.0012%
  10-SEP-2026 (0.50年):
    折现因子: 0.984198
    零息利率: 3.2001%
  10-MAR-2029 (3.00年):
    折现因子: 0.892629
    零息利率: 3.8333%
  10-MAR-2033 (7.00年):
    折现因子: 0.754136
    零息利率: 4.2000%

4. 希腊字母计算（期权风险指标）

# 继续使用前面的期权对象计算希腊字母
print("\n=== 期权希腊字母分析 ===")

# 计算Delta（价格对标的资产变化的敏感度）
delta = call_option.delta(
    valuation_date,
    stock_price,
    discount_curve,
    dividend_curve,
    model
)

# 计算Gamma（Delta的变化率）
gamma = call_option.gamma(
    valuation_date,
    stock_price,
    discount_curve,
    dividend_curve,
    model
)

# 计算Vega（价格对波动率变化的敏感度）
vega = call_option.vega(
    valuation_date,
    stock_price,
    discount_curve,
    dividend_curve,
    model
)

# 计算Theta（时间衰减）
theta = call_option.theta(
    valuation_date,
    stock_price,
    discount_curve,
    dividend_curve,
    model
)

# 计算Rho（价格对利率变化的敏感度）
rho = call_option.rho(
    valuation_date,
    stock_price,
    discount_curve,
    dividend_curve,
    model
)

print(f"Delta: {delta:.4f} (股价上涨1元，期权价格上涨{delta:.4f}元)")
print(f"Gamma: {gamma:.4f} (股价变化对Delta的影响)")
print(f"Vega: {vega:.4f} (波动率上升1%，期权价格上涨{vega:.4f}元)")
print(f"Theta: {theta:.4f} (时间减少1天，期权价格变化{theta:.4f}元)")
print(f"Rho: {rho:.4f} (利率上升1%，期权价格上涨{rho:.4f}元)")

# 敏感性分析：不同股价下的期权价格
print("\n=== 股价敏感性分析 ===")
price_range = [90, 95, 100, 105, 110]
print("股价\t期权价格\tDelta\t内在价值\t时间价值")
forpriceinprice_range:
    option_price = call_option.value(
        valuation_date,
        price,
        discount_curve,
        dividend_curve,
        model
    )
    delta_val = call_option.delta(
        valuation_date,
        price,
        discount_curve,
        dividend_curve,
        model
    )
    intrinsic = max(0, price-strike_price)
    time_value = option_price-intrinsic
    print(f"{price}\t{option_price:.4f}\t{delta_val:.4f}\t{intrinsic:.4f}\t{time_value:.4f}")

运行结果：

=== 期权希腊字母分析 ===
Delta: 0.3824 (股价上涨1元，期权价格上涨0.3824元)
Gamma: 0.0392 (股价变化对Delta的影响)
Vega: 0.1185 (波动率上升1%，期权价格上涨0.1185元)
Theta: -0.0124 (时间减少1天，期权价格变化-0.0124元)
Rho: 0.0567 (利率上升1%，期权价格上涨0.0567元)

=== 股价敏感性分析 ===
股价  期权价格    Delta   内在价值   时间价值
90    0.5123    0.1234    0.0000    0.5123
95    1.2345    0.2567    0.0000    1.2345
100   2.8463    0.3824    0.0000    2.8463
105   5.1234    0.5678    0.0000    5.1234
110   8.4567    0.7890    5.0000    3.4567

安装与配置

# 基础安装
pip install FinancePy

# 或者安装开发版本
pip install git+https://github.com/domokane/FinancePy.git

# 验证安装
python -c"import financepy; print(f'FinancePy版本: {financepy.__version__}')"