shacosky2

bs_cli.py

Jun 25th, 2026 (edited)
89
0
Never
3
Not a member of Pastebin yet? Sign Up, it unlocks many cool features!
text 10.32 KB | None | 0 0
  1. # ============================================================
  2. # BLACK-SCHOLES CALCULATOR — CLI VERSION
  3. # Curso de Derivados Financieros
  4. # Ejecutar: python bs_cli.py
  5. # ============================================================
  6.  
  7. # --- Librerías estándar de Python (no requieren instalación) ---
  8. from math import log, sqrt, exp, erf
  9.  
  10. # --- Librería externa para datos reales ---
  11. # Instalar con: pip install yfinance
  12. try:
  13. import yfinance as yf
  14. YFINANCE_OK = True
  15. except ImportError:
  16. YFINANCE_OK = False
  17.  
  18.  
  19. # ============================================================
  20. # FUNCIÓN AUXILIAR: Distribución Normal Acumulada N(x)
  21. # ============================================================
  22. # N(x) nos dice la probabilidad de que una variable normal
  23. # estándar sea menor o igual a x.
  24. # Es el corazón de Black-Scholes: pondera las probabilidades
  25. # de que la opción expire "in the money".
  26.  
  27. def N(x):
  28. """Distribución normal acumulada estándar."""
  29. return 0.5 * (1 + erf(x / sqrt(2)))
  30.  
  31.  
  32. # ============================================================
  33. # FUNCIÓN: Densidad Normal (para los Greeks)
  34. # ============================================================
  35. def npdf(x):
  36. """Función de densidad de la distribución normal estándar."""
  37. return exp(-0.5 * x ** 2) / sqrt(2 * 3.141592653589793)
  38.  
  39.  
  40. # ============================================================
  41. # FUNCIÓN PRINCIPAL: Precio Black-Scholes + Greeks
  42. # ============================================================
  43. def black_scholes(S, K, T, sigma, r):
  44. """
  45. Calcula el precio teórico de una opción CALL europea
  46. usando el modelo de Black-Scholes (1973).
  47.  
  48. Parámetros:
  49. -----------
  50. S : Precio actual de la acción (S₀)
  51. K : Strike price — precio pactado de compra
  52. T : Tiempo al vencimiento en años (ej: 0.25 = 3 meses)
  53. sigma : Volatilidad anualizada (ej: 0.30 = 30%)
  54. r : Tasa libre de riesgo anualizada (ej: 0.04 = 4%)
  55.  
  56. Retorna:
  57. --------
  58. dict con precio de la call y los 4 Greeks principales
  59. """
  60.  
  61. # --- Paso 1: Calcular d1 ---
  62. # d1 mide cuántas desviaciones estándar está el precio
  63. # actual por encima del strike, ajustado por tiempo y drift.
  64. d1 = (log(S / K) + (r + sigma**2 / 2) * T) / (sigma * sqrt(T))
  65.  
  66. # --- Paso 2: Calcular d2 ---
  67. # d2 = d1 menos la volatilidad acumulada hasta el vencimiento.
  68. # N(d2) ≈ probabilidad real de que la opción expire ITM.
  69. d2 = d1 - sigma * sqrt(T)
  70.  
  71. # --- Paso 3: Precio de la call ---
  72. # Fórmula: C = S·N(d1) - K·e^(-rT)·N(d2)
  73. #
  74. # Intuición:
  75. # S·N(d1) = valor esperado de recibir la acción si ejerces
  76. # K·e^(-rT)·N(d2) = valor presente del costo de comprar al strike
  77. #
  78. call = S * N(d1) - K * exp(-r * T) * N(d2)
  79.  
  80. # --- Paso 4: Greeks ---
  81. # Los Greeks miden la sensibilidad del precio ante cambios
  82. # en cada variable del modelo.
  83.  
  84. # Delta (Δ): cambio en el precio de la call por cada $1 que sube S.
  85. # Rango 0 a 1. Cerca de 0.5 cuando S ≈ K (ATM).
  86. delta = N(d1)
  87.  
  88. # Gamma (Γ): velocidad de cambio del delta.
  89. # Alto cerca del strike → el delta cambia rápido → más riesgo.
  90. gamma = npdf(d1) / (S * sigma * sqrt(T))
  91.  
  92. # Theta (Θ): pérdida de valor por día que pasa (time decay).
  93. # Siempre negativo para un comprador de opciones.
  94. theta = (-(S * npdf(d1) * sigma) / (2 * sqrt(T))
  95. - r * K * exp(-r * T) * N(d2)) / 365
  96.  
  97. # Vega (ν): cambio en el precio por cada 1% de aumento en σ.
  98. # Dividimos entre 100 para expresarlo por 1% de volatilidad.
  99. vega = S * npdf(d1) * sqrt(T) / 100
  100.  
  101. return {
  102. "call": round(call, 4),
  103. "delta": round(delta, 4),
  104. "gamma": round(gamma, 4),
  105. "theta": round(theta, 4),
  106. "vega": round(vega, 4),
  107. "d1": round(d1, 4),
  108. "d2": round(d2, 4),
  109. "N_d1": round(N(d1), 4),
  110. "N_d2": round(N(d2), 4),
  111. "intrinsic": round(max(0, S - K), 4),
  112. "time_value": round(max(0, call - max(0, S - K)), 4),
  113. "breakeven": round(K + call, 4),
  114. }
  115.  
  116.  
  117. # ============================================================
  118. # FUNCIÓN: Obtener datos reales desde Yahoo Finance
  119. # ============================================================
  120. def get_stock_data(ticker_symbol):
  121. """
  122. Descarga precio actual y volatilidad histórica 30 días
  123. para un ticker dado usando yfinance.
  124.  
  125. Requiere: pip install yfinance
  126. """
  127. if not YFINANCE_OK:
  128. print("\n[!] yfinance no instalado. Usa: pip install yfinance")
  129. return None
  130.  
  131. print(f"\nDescargando datos para {ticker_symbol}...")
  132. try:
  133. tk = yf.Ticker(ticker_symbol)
  134. hist = tk.history(period="60d")
  135.  
  136. if hist.empty:
  137. print(f"[!] No se encontraron datos para '{ticker_symbol}'")
  138. return None
  139.  
  140. # Precio actual = último cierre disponible
  141. price = hist["Close"].iloc[-1]
  142.  
  143. # Volatilidad histórica anualizada (30 días de retornos diarios)
  144. # sqrt(252) anualiza la desviación estándar diaria
  145. returns = hist["Close"].pct_change().dropna()
  146. vol = returns.tail(30).std() * sqrt(252)
  147.  
  148. info = tk.info
  149. name = info.get("longName", ticker_symbol)
  150.  
  151. return {
  152. "ticker": ticker_symbol.upper(),
  153. "name": name,
  154. "price": round(price, 2),
  155. "vol": round(vol, 4),
  156. }
  157.  
  158. except Exception as e:
  159. print(f"[!] Error: {e}")
  160. return None
  161.  
  162.  
  163. # ============================================================
  164. # FUNCIÓN: Imprimir resultados en la terminal
  165. # ============================================================
  166. def print_results(ticker, S, K, T, sigma, r, res):
  167. """Muestra los resultados de forma legible en la terminal."""
  168.  
  169. # Determinar si la opción está ITM, ATM u OTM
  170. if S > K * 1.02:
  171. moneyness = "IN THE MONEY (ITM)"
  172. elif S < K * 0.98:
  173. moneyness = "OUT OF THE MONEY (OTM)"
  174. else:
  175. moneyness = "AT THE MONEY (ATM)"
  176.  
  177. print("\n" + "=" * 55)
  178. print(f" BLACK-SCHOLES — CALL EUROPEA / {ticker}")
  179. print("=" * 55)
  180.  
  181. print("\n PARÁMETROS DE ENTRADA")
  182. print(f" S₀ Precio actual : ${S:.2f}")
  183. print(f" K Strike price : ${K:.2f}")
  184. print(f" T Tiempo al vto. : {T:.2f} años ({T*12:.1f} meses)")
  185. print(f" σ Volatilidad : {sigma*100:.1f}%")
  186. print(f" r Tasa risk-free : {r*100:.2f}%")
  187. print(f" Moneyness : {moneyness}")
  188.  
  189. print("\n CÁLCULO INTERNO")
  190. print(f" d₁ = {res['d1']:.4f}")
  191. print(f" d₂ = {res['d2']:.4f}")
  192. print(f" N(d₁) = {res['N_d1']:.4f} (prob. ajustada por ganancia)")
  193. print(f" N(d₂) = {res['N_d2']:.4f} (prob. de expirar ITM ≈ {res['N_d2']*100:.1f}%)")
  194.  
  195. print("\n PRECIO DE LA CALL")
  196. print(f" Prima : ${res['call']:.2f}")
  197. print(f" Valor intrínseco: ${res['intrinsic']:.2f} (max(S-K, 0))")
  198. print(f" Valor tiempo : ${res['time_value']:.2f} (prima - intrínseco)")
  199. print(f" Break-even al vto: ${res['breakeven']:.2f} (K + prima)")
  200.  
  201. print("\n GREEKS")
  202. print(f" Δ Delta = {res['delta']:.4f} → si S sube $1, call sube ~${res['delta']:.2f}")
  203. print(f" Γ Gamma = {res['gamma']:.4f} → velocidad de cambio del delta")
  204. print(f" Θ Theta = {res['theta']:.4f} → pierde ${abs(res['theta']):.4f}/día")
  205. print(f" ν Vega = {res['vega']:.4f} → si σ +1%, call +${res['vega']:.2f}")
  206. print("=" * 55)
  207.  
  208.  
  209. # ============================================================
  210. # PROGRAMA PRINCIPAL
  211. # ============================================================
  212. def main():
  213. print("\n╔══════════════════════════════════════════╗")
  214. print("║ BLACK-SCHOLES CALCULATOR — CLI ║")
  215. print("║ Curso de Derivados Financieros ║")
  216. print("╚══════════════════════════════════════════╝")
  217.  
  218. # Tasa risk-free (aproximación bonos del tesoro USA 3M)
  219. r = 0.043
  220.  
  221. print("\n¿Quieres usar datos reales de mercado? (requiere yfinance)")
  222. usar_real = input(" [s/n]: ").strip().lower()
  223.  
  224. if usar_real == "s" and YFINANCE_OK:
  225. ticker = input(" Ticker (ej: AAPL, TSLA, NVDA, SPY): ").strip().upper()
  226. data = get_stock_data(ticker)
  227. if data:
  228. S = data["price"]
  229. sigma = data["vol"]
  230. print(f"\n {data['name']}")
  231. print(f" Precio actual : ${S:.2f}")
  232. print(f" Vol. hist. 30d: {sigma*100:.1f}%")
  233. else:
  234. print(" Usando valores de ejemplo.")
  235. ticker = "EJEMPLO"
  236. S, sigma = 150.0, 0.30
  237. else:
  238. ticker = "MANUAL"
  239. print("\n Ingresa los parámetros manualmente:")
  240. S = float(input(" S₀ Precio actual de la acción ($): "))
  241. sigma = float(input(" σ Volatilidad anual (ej: 0.30 para 30%): "))
  242.  
  243. # Strike y tiempo siempre los define el alumno
  244. print(f"\n Precio actual S₀ = ${S:.2f}")
  245. K = float(input(f" K Strike price ($, sugerido ~{S*1.05:.0f}): "))
  246. T = float(input(" T Tiempo al vencimiento en años (ej: 0.25 = 3 meses): "))
  247.  
  248. # Calcular
  249. resultado = black_scholes(S, K, T, sigma, r)
  250.  
  251. # Mostrar
  252. print_results(ticker, S, K, T, sigma, r, resultado)
  253.  
  254. # Análisis de sensibilidad simple
  255. print("\n SENSIBILIDAD — cómo cambia la prima con distintos strikes")
  256. print(f" {'Strike':>10} {'Prima':>8} {'Moneyness':>12} {'Prob ITM':>10}")
  257. print(" " + "-" * 46)
  258. for k_mult in [0.85, 0.90, 0.95, 1.00, 1.05, 1.10, 1.15]:
  259. k_test = round(S * k_mult, 2)
  260. r_test = black_scholes(S, k_test, T, sigma, r)
  261. if S > k_test * 1.02:
  262. mon = "ITM"
  263. elif S < k_test * 0.98:
  264. mon = "OTM"
  265. else:
  266. mon = "ATM"
  267. marker = " <-- tú" if abs(k_test - K) < 1 else ""
  268. print(f" ${k_test:>9.2f} ${r_test['call']:>7.2f} {mon:>12} {r_test['N_d2']*100:>8.1f}%{marker}")
  269.  
  270. print()
  271.  
  272.  
  273. if __name__ == "__main__":
  274. main()
  275.  
Advertisement
Comments
  • User was banned
  • User was banned
  • User was banned
Add Comment
Please, Sign In to add comment