Блог

У меня есть следующий код, который выдает следующую ошибку. Я думаю, что ошибка исходит из раздела цикла while epsilon > tol: . Я добавил небольшой df с желаемыми результатами в столбец «IV».

строка 1478, в ненулевом повышении ValueError( ValueError: значение истинности ряда неоднозначно. Используйте.empty, a.bool(), a.item(), a.any() или a.all() .

 def d(sigma, S, K, r, q, t):
    d1 = 1 / (sigma * np.sqrt(t)) * ( np.log(S/K)   (r - q   sigma**2/2) * t)
    d2 = d1 - sigma * np.sqrt(t)

    return d1, d2
def call_price(sigma, S, K, r, q, t, d1, d2):
    C = norm.cdf(d1) * S * np.exp(-q * t)- norm.cdf(d2) * K * np.exp(-r * t)

    return C
# From Put call Prity
def put_price(sigma, S, K, r, q, t, d1, d2):

    P = - S * np.exp(-q * t)   K * np.exp(-r * t)   call_price(sigma, S, K, r, q, t, d1, d2)

    return P
def calc_put_iv(S,K,t,r,q,P0,tol,epsilon,count,max_iter,vol):
    while epsilon > tol:
        #  Count how many iterations and make sure while loop doesn't run away
        count  = 1
        print(count)
        if count >= max_iter:
            print('Breaking on count')
            break;
        #  Log the value previously calculated to computer percent change
        #  between iterations
        orig_vol = vol
        #  Calculate the vale of the call price
        d1, d2 = d(vol, S, K, r,q, t)
        function_value = put_price(vol, S, K, r, q, t, d1, d2) - P0
        #  Calculate vega, the derivative of the price with respect to
        #  volatility
        vega = S * norm.pdf(d1) * np.sqrt(t)* np.exp(-q * t)
        #  Update for value of the volatility
        vol = -function_value / vega   vol
        #  Check the percent change between current and last iteration
        epsilon = abs( (vol - orig_vol) / orig_vol )
    
        print(vol)
    return vol


#  Print out the results
df["IV"] = calc_put_iv(df["Stock Price"], df["Strike"], df["Length / 365"],0.001,df["Div Yield"],df["Premium"],1e-8,1,0,1000,.5)


Strike  Stock Price Premium Length  Div Yield   Length / 365    IV
470 407.339996  65.525  17  0   0.008219178 1.3080322786580916
400 407.339996  14.375  3   0   0.008219178 1.2202688594244515
490 490.649994  17.35   17  0   0.046575342 0.4190594565249461
  

Мне удалось найти решение, которое:

 list_of_iv = []
#  Print out the results
for index, row in df.iterrows():
        iv = calc_put_iv(df["Stock Price"].iloc[index], df["Strike"].iloc[index], df["Length/365"].iloc[index],0.001,df["Div Yield"].iloc[index],df["Premium"].iloc[index],1e-8,1,0,1000,.5)
    list_of_iv.append(iv)
df['Put IV'] = pd.Series(list_of_iv)
  

Это довольно уродливо и, вероятно, не так эффективно, особенно с большими наборами данных, поэтому я был бы очень признателен, если кто-нибудь сможет улучшить это.

Вы правы.

Вы хотели выполнить вычисления для каждой строки df как df.iterrows() ?

В противном случае, как и в настоящее время, вы передаете серию для каждого вызова df[‘x’] в вашей функции calc, поэтому ваши epsilon и tol на самом деле являются серией, а не абсолютным значением. В качестве альтернативы, функция map может быть полезна здесь для трансляции ваших функций.

 #  Print out the results
df["IV"] = list([calc_put_iv(row[1], row[0], row[5],0.001,row[4],row[2],1e-8,1,0,1000,.5) for row in df.iterrows()])
  

Трудно сказать, какое количество столбцов из dset , но это должно выглядеть примерно так, если вы хотите передавать в свои вычисления по 1 строке за раз.

itertuple можно использовать, чтобы обойти переименование всего:

 #  Print out the results
df["IV"] = list([calc_put_iv(df["Stock Price"], df["Strike"], df["Length / 365"],0.001,df["Div Yield"],df["Premium"],1e-8,1,0,1000,.5) for df in df.itertuples()])