Cómo aproximar el tiempo de reversión media para la volatilidad implícita en la pitón

Question

Es la misma pregunta que la anterior, excepto que estoy buscando el código en Python. versos R. Cómo aproximar el tiempo de reversión media de la volatilidad implícita

Dada una opción y su volatilidad implícita, y también el valor medio de la volatilidad implícita en los últimos 30 días, si encontramos que la actual IV está significativamente (> 1 dev. std.) alejada de la media, entonces:

¿Cómo aproximar el tiempo para que la IV se revierta en pitón vectorizada?

Answer 1

Esta es una duplicación en python con algunos datos modelados

import pandas as pd
import numpy as np
from statsmodels.formula import api

n = 1000
x = pd.date_range('2010-12-31', periods=n)
y = np.random.randn(n)
s = pd.Series(y, x)
s = np.clip(abs(s.rolling(5).mean()) + .19, 0, 1.2) * 100

df = pd.concat([s.diff(), s.shift()], axis=1, keys=['diff', 'level']).dropna()

Y = df.iloc[:, [0]].values
X = df.iloc[:, [1]].values
X = np.concatenate([np.ones_like(X), X], axis=1)

beta = np.linalg.pinv(X.T.dot(X)).dot(X.T).dot(Y)
print(beta)

[[ 21.79316927]
 [ -0.41239735]]

---

cálculos

long_run_mean = -beta[0, 0] / beta[1, 0]
mean_reversion_speed = -beta[1, 0] * 100
halflife = -np.log(2) / beta[1, 0]

print(long_run_mean)
print(mean_reversion_speed)
print(halflife)

53.359813861
46.3557243425
1.49527850204

---

Utilice statsmodels

results = api.ols('diff ~ level', df).fit()
results.params

Intercept    24.735328
level        -0.463557
dtype: float64

Answer 2

No puedo atribuirme el mérito, pero Stuart Reid, de Turing Finance (gran recurso), tiene un gran Correo electrónico: y cuaderno en esto. Podría darte un buen punto de partida.

Answer 3

Este post ofrece una visión general de dos métodos para calibrar un proceso OU (mínimos cuadrados y máxima verosimilitud) y da algunos códigos en Matlab. https://www.sitmo.com/?p=134