行情火热偏逢期权研究员请假-真格量化解您燃眉之急

近来对美国产区洪水的炒作让豆粕和玉米期权市场备受关注。

许多期权投资者也在通过各种研究报告跟踪市场的变化。比如对标的历史波动率HV和期权隐含波动率IV的跟踪就是很多投资者每天的必修功课。

不过，正向美国产区的天气一样，天有不测风云，我们一直跟踪的期权研究员请假了，现在没人写报告提供HV-IV图表了，如何是好呢？

不要慌，还有真格量化可以帮您。

我们可以以豆粕1909合约与其看涨2900（凑个整数）的9月份期权为例，用三步把你想要的HV-IV图造出来：

1，计算HV，IV：

我们可以在OnStart部分初始化测试账户，在OnMarketQuotationInitialEx部分来订阅行情。

然后就是HV和IV的计算，这对很多真格量化的用户来说已经是“常规操作”了。

只要运行回测我们就能把过去一段时间的HV和IV都算出来。注意因为我们是计算豆粕1909合约的60日历史波动率，所以回测的开始时间不能太早（比如豆粕1909刚上市，还没有积累多少天价格数据）

运行回测我们的数据就都出来了：

2，复制数据到txt文件：

对于时间不长的数据可以直接在日志窗口里复制，数据较长就可以用导出日志的方式。

3，导入Excel做图：

我们可以将存有数据的txt文件导入Excel进行各种可视化处理，设计一些波动率相关的策略。

现在就算您关注的研究员再也不写期权报告，您也不用怕了。

— — — — — — E N D — — — — — —
往期文章：
Numpy处理tick级别数据技巧
真正赚钱的期权策略曲线是这样的
多品种历史波动率计算
如何实现全市场自动盯盘
AI是怎样看懂研报的
真格量化策略debug秘籍
真格量化对接实盘交易
常见高频交易策略简介
如何用撤单函数改进套利成交
Deque提高处理队列效率
策略编程选Python还是C++
如何用Python继承机制节约代码量
十大机器学习算法
如何调用策略附件数据
如何使用智能单
如何扫描全市场跨月价差
如何筛选策略最适合的品种
活用订单类型规避频繁撤单风险
真格量化回测撮合机制简介
如何调用外部数据
如何处理回测与实盘差别
如何利用趋势必然终结获利
常见量化策略介绍
期权交易“七宗罪”
波动率交易介绍
推高波动率的因素
波动率的预测之道
趋势交易面临挑战
如何构建知识图谱
机器学习就是现代统计学
AI技术在金融行业的应用
如何避免模型过拟合
低延迟交易介绍
架构设计中的编程范式
交易所视角下的套利指令撮合
距离概念与特征识别
气象风险与天气衍生品
设计量化策略的七个“大坑”

真格量化可访问：
https://quant.pobo.net.cn

真格量化微信公众号，长按关注：

遇到了技术问题？欢迎加入真格量化Python技术交流QQ群 726895887

行情火热偏逢期权研究员请假-真格量化解您燃眉之急

浏览过的版块