我正在尝试创建一个新列,该新列将执行一项功能或执行另一项功能,具体取决于df ['Call / Put']列中的行中的值。我在根据某些行值执行计算以及确定要执行的功能时遇到困难。以下是我尝试的最后一个函数,但它似乎无法正确执行公式。我尝试了几种方法都无济于事,但这是我尝试的最后一种方法。
我正在尝试创建一个名为“ Black Scholes”的新列,如果该行中的df ['Call / Put'] =='Call'则执行bs_call,或者如果df ['Call / Put'] ==则执行bs_put在该行中“放入”。
for index, value in df.iterrows():
df['Black Scholes'][index]=np.where((df['Call/Put']=='Call')|(df['Call/Put']==' Put'),bs_call(df['Close'][index],df['Strike Price'][index],df['Days to Expiry'][index],rf,df['Volatility'][index]),bs_put(df['Close'][index],df['Strike Price'][index],df['Days to Expiry'][index],rf,df['Volatility'][index]))
下面是我用于计算的函数以及包含3行的数据框
def bs_call(S,K,T,r,sigma):
T=T/365
d1=(log(S/K)+(r+sigma**2/2)*T)/(sigma*sqrt(T))
d2= d1-sigma*sqrt(T)
ans = S*norm.cdf(d1)-K*exp(-r*T)*norm.cdf(d2)
return ans
def bs_put(S,K,T,r,sigma):
T=T/365
d1=(log(S/K)+(r+sigma**2/2)*T)/(sigma*sqrt(T))
d2= d1-sigma*sqrt(T)
ans = S*norm.cdf(d1)-K*exp(-r*T)*norm.cdf(d2)
return K*exp(-r*T)-S+ans
df = [{'Close': 27.3,
'Company': 'Barrick Gold Corporation (ABX)',
'Ticker': 'ABX',
'Yahoo Ticker': 'ABX.TO',
'Expiry Date': Timestamp('2020-03-01 00:00:00'),
'Strike Price': 19.5,
'Call/Put': 'Put',
'Days to Expiry': 2,
'Volume': 1,
'Bid Price': 0.0,
'Ask Price': 0.11,
'Open Interest': 24,
'Implied Volatility': 2.4757,
'Spread %': 100.0,
'Volatility': 0.41140252083455864},
{'Close': 27.3,
'Company': 'Barrick Gold Corporation (ABX)',
'Ticker': 'ABX',
'Yahoo Ticker': 'ABX.TO',
'Expiry Date': Timestamp('2020-03-01 00:00:00'),
'Strike Price': 23.0,
'Call/Put': 'Call',
'Days to Expiry': 2,
'Volume': 5,
'Bid Price': 4.1,
'Ask Price': 5.9,
'Open Interest': 5,
'Implied Volatility': 3.0017,
'Spread %': 30.508474576271194,
'Volatility': 0.41140252083455864},
{'Close': 27.3,
'Company': 'Barrick Gold Corporation (ABX)',
'Ticker': 'ABX',
'Yahoo Ticker': 'ABX.TO',
'Expiry Date': Timestamp('2020-03-01 00:00:00'),
'Strike Price': 24.0,
'Call/Put': 'Put',
'Days to Expiry': 2,
'Volume': 5,
'Bid Price': 0.06,
'Ask Price': 0.17,
'Open Interest': 5,
'Implied Volatility': 1.3371,
'Spread %': 64.70588235294117,
'Volatility': 0.41140252083455864}]
我认为您可以申请:
df["Black Scholes] = df.apply(lambda r : bs_call(r) if r["Call/Put"] == "Call" else bs_put(r),axis=1)
如果您仅对“ Call / Put”列有两个可能的值,那会很好,但是如果您打算有更多的值,则应定义一个执行此操作的函数:
def foo(row) :
if row["Call/put"] == "value_1" :
return func_1(r)
elif ...
df["Black Scholes"] = df.apply(foo,axis=1)