原标题：Python 金融数据分析：单一风险衍生品估值丨数析学院
课程简介
本节课程介绍了基于单一风险因素(如股票价格，股票指数水平或利率)的衍生工具(或有债权)的建模和评估。还展示了如何建模和评估由这些工具的投资组合。
学习目标
学习使用单一风险评估类： valuation_mcs_european_single 以及 valuation_mcs_american_single
学习使用一致性投资组合评估类： derivatives_position 以及 derivatives_portfolio
以下单一风险因素评估类可供使用：
valuation_mcs_european_single 用于欧式行权的衍生品
valuation_mcs_american_single 用于美式行权的衍生品
一、风险因素建模
在进入正文之前，我们需要实例化潜在风险因素，在这个例子中是一个geometric_brownian_motion对象。模型类文档的相应部分提供了背景信息。
1.valuation_mcs_european_single 类
我们看重的第一个工具是一个欧洲看涨期权，写在单一相关风险因素上，由gbm模型对象体现的。 为此，我们添加到期日至市场环境和执行价格上。
要实例化一个valuation_mcs_european_single类，将提供以下信息/数据作为参数：
name：string对象
underlying：模型类的实例
market environment：市场环境
payoff_func：包含“规则”Python/NumPy代码的string对象
在这种情况下，该收益是普通的普通欧式看涨期权的回报。如果TT是到期日，则STST是该日期相关风险因素的价值，KK是执行价格，该期权的到期收益hThT由下式给出
maturity_value表示到期时风险因素的价值向量。 任何其他“合乎情理”的收益定义是可能的。例如，下面的工作就是如此：
其他标准化的收益元素包括代表到期时价值向量的平均值mean_value、最大值max_value和最小值min_value。使用这些收益元素可以轻松定义亚洲特色的期权。
在实例化了评估类后，present_value方法返回调用期权的现值的蒙特卡罗估计量。
未完待续：
掌握课程资讯
”
责任编辑：
