python - QuantLib Python 中的黑色方差函数如何在校准原始隐含波动率表面中发挥作用
问题描述
谁能指导我黑色方差函数（QuantLib-Python）在校准原始隐含波动率表面时使用的详细过程。我正在使用双三次插值来校准来自彭博终端的股票期权的原始隐含波动率数据。基本上，我想了解的是优化器是如何工作的，以及它是如何执行插值并进一步平滑表面的。优化器也总是产生无套利曲面。或者我是否需要在执行插值后分别检查日历套利和蝴蝶套利。我已经阅读了各种博客并对此进行了大量讨论，但我仍然无法完全掌握 QuantLib Python 中黑色方差函数的工作原理。提前致谢！
解决方案
推荐阅读
- bash - git - 使用用户名和密码将参数传递给 git
- python - Pytorch 如何在多个进程之间共享内存？
- c - 使用 sigaction、SIGKILL 和警报处理程序杀死耗时超过 3 秒的分叉进程
- angularjs - AngularJS 中的视图单元测试问题
- haskell - Haskell 中的唯一 ID/计数器
- aws-pinpoint - 如何使用 Pinpoint 创建深度链接推送通知？
- python - 有谁知道如何将 sqllite 中数据库上的列提取到数组中？
- c# - SQLKata 动态 Where 子句
- jquery - 我无法触发 Wicket onchange 事件
- json - 如何使用 LibGDX 写入 JSON 文件中的一个值