以下内容转自 数析学院，只节选了部分，有需要的同学可以直接查看原文

主要介绍 DX 库中模拟金融市场的基本模型类，以及如何用它们来表示基本的不确定性风险因素如股票，股票指数和利率。

具体包括下模型类：
geometric_brownian_motion: Black-Scholes-Merton (1973) 几何布朗运动
jump_diffusion: Merton (1976) 跳跃扩散
stochastic_volatility: Heston (1993) 随机波动率模型
stoch_vol_jump_diffusion: Bates (1996) 随机波动率跳跃扩散
square_root_diffusion: Cox-Ingersoll-Ross (1985)平方根扩散
square_root_jump_diffusion: 平方根跳跃扩散（实验）
square_root_jump_diffusion_plus: 平方根跳跃扩散加期限结构（实验）


在本节中，我们集中于constant_short_rate这个折现对象。


一、几何布朗移动

为了实例化所有类型的模型类，我们需要建立一个包含最小数据集的market_environment对象（取决于特殊模型类）


对于几何布朗运动类（geometric Browniam motion class），最小集是如下关于常量参数值。 在这里，我们只是做一些假设，实际上单一的值可以从汤森路透（Thomson Reuters）或彭博（Bloomberg）等数据服务提供商那里获得。 频率参数是依据pandas的频率惯例（参见http://pandas.pydata.org/pandas-docs/stable/timeseries.html ）。


每个模型类都需要一个贴现对象，因为这定义了风险因素的风险中性漂移。


用string对象的名称和相关的market_environment对象来实现模型类的实例化。
generate_time_grid方法根据市场环境中的规格生成一个datetime对象的ndarray对象。 这代表了pricing_date和final_date之间时间间隔的离散化。这个方法不需要被主动调用。
array([datetime.datetime(2015, 1, 1, 0, 0),       datetime.datetime(2015, 1, 31, 0, 0),       datetime.datetime(2015, 2, 28, 0, 0),       datetime.datetime(2015, 3, 31, 0, 0),       datetime.datetime(2015, 4, 30, 0, 0),       datetime.datetime(2015, 5, 31, 0, 0),       datetime.datetime(2015, 6, 30, 0, 0),       datetime.datetime(2015, 7, 31, 0, 0),       datetime.datetime(2015, 8, 31, 0, 0),       datetime.datetime(2015, 9, 30, 0, 0),       datetime.datetime(2015, 10, 31, 0, 0),       datetime.datetime(2015, 11, 30, 0, 0),       datetime.datetime(2015, 12, 31, 0, 0)], dtype=object)

以上内容转自 数析学院，如需完整内容可以直接查看原文