衍生品定价,用Python就够了FinancePy

你有没有遇到过这种情况：想给客户算个亚式期权价格，彭博终端不在手边，Excel里配的BS公式又不支持这种路径依赖型产品。打开Python，三行代码，价格出来了。

不是Excel，不是Matlab，是纯Python。

项目介绍

FinancePy 是一个用纯Python写的衍生品定价与风控库，GitHub上3000多颗星，作者是EDHEC商学院的Dominic O'Kane教授。它覆盖了固收、权益、外汇、信用四大类资产，内置Black-Scholes、Hull-White、HJM、Vasicek、SABR等几十个经典模型。

最关键的一点：靠Numba JIT编译加速，纯Python跑出了接近C++的速度。你不用学Cython，不用写一行C++，就能做机构级的定价计算。

这个库的一个设计哲学很有意思——"产品驱动"而非"模型驱动"。你想定价一个百慕大互换期权，直接找到对应的产品类就行，模型用默认的就好。不需要先研究半天Hull-White模型该怎么调参。对使用者来说，门槛直接砍半。

核心功能

第一，四大资产全覆盖。固收方面，支持国债、公司债、可转债、债券期货、CDS、CDS篮子甚至CDO定价。权益方面，从普通欧式期权到美式期权、亚式期权、障碍期权、方差互换，一应俱全。外汇涵盖障碍期权、方差互换。利率衍生品是重头戏——IRS、OIS、FRN、百慕大互换期权、可赎回互换。

第二，模型库丰富。除了基础BS，还有Bachelier模型（给负利率市场准备的）、Hull-White单因子/多因子、Black-Derman-Toy、HJM多因子、Ho-Lee、Vasicek、SABR。每个模型都有蒙特卡洛实现做参照。

第三，90多个Jupyter Notebook教程。每个产品类型都配了notebook，从数据准备到定价到敏感性分析，一条龙。这点对学生和新手特别友好——你不用读API文档，直接跑notebook就能看到结果。

怎么上手

安装一句话：

pip install financepy

第一次import会慢几秒，因为Numba在编译模型代码。之后就是秒级加载。装好之后，跑一个欧式看涨期权定价试试：

from financepy.utils import *
from financepy.products.equity import *
from financepy.models import *

value_date = Date(27, 7, 2026)
stock_price = 100.0
strike_price = 105.0
# ... 几行配置后调用 model.value() 直接出价

Notebook教程在项目的 notebooks/ 目录下，clone下来直接跑。建议从 equity 和 rates 两个文件夹开始，这两个是机构用得最多的。

二万怎么看

从期货CTA策略的视角看，这个库直接能用上的部分是期权定价和希腊字母计算。做波动率交易或者用期权对冲期货头寸的时候，你需要实时算delta/gamma/vega——FinancePy的Numba加速让这些计算快到可以嵌入交易系统。

利率模型部分（Hull-White、HJM）对做国债期货或利率期货策略的人也有直接帮助——你可以自己拟合收益率曲线，不用依赖外部数据商的曲线。

缺点是文档不够详尽，API reference偏薄，遇到问题得看notebook甚至读源码。而且没有数据源接入，所有市场数据你得自己准备。适合有一定量化基础的人，纯小白可能被模型参数卡住。

综合推荐：★★★★☆。如果你做衍生品相关工作，这个库值得装。如果你只做CTA趋势跟踪，用处有限。

---

如果觉得有用，点个「在看」支持二万

每天分享一个好用的AI工具/量化思路

关注我，一起搞懂AI和量化

价格是你付出的，价值是你得到的。

—— 巴菲特

彭博终端一个月几千美金，这个库免费。下次要给客户算期权价格，别打开Excel了。

—— 二万