金融资产定价常常需要用到FamaMacBeth回归 我们用python写一个模板，可以直接将数据调成需要的格式，代入代码即可出结

金融资产定价常常需要用到FamaMacBeth回归。我们用python写一个模板，可以直接将数据调成需要的格式，代入代码即可出结果。所要求的数据格式，可以从链接下载。

隐含波动率样本数据.xlsx

该数据为上证50ETF期权在2020年12月30日的样本数据，其中主要包括期权的隐含波动率和期权的剩余到期时间、期权的在值程度。本数据为典型的回归问题所需要的数据，可以用于高斯核函数的核回归。

利用R语言拟合ARIMA模型

该数据为客流量时间序列数据，用于为一篇博文所使用，展示利用R语言拟合ARIMA模型。

用模拟退火算法估计heston期权定价模型参数.zip

heston期权定价模型在进行期权定价时，需要填入五个已知参数。这五个参数需要达到定价误差最小，因此这本质上是一个误差极小化问题。本文使用模拟退火算法估计heston模型的五个参数。该压缩包中包含所有的python代码文件和所使用的期权数据。

台式机电脑CPU参数数据.xlsx

这是从市场上获得的台式机电脑CPU相关参数的数据，可用于进行支持向量机SVM模型拟。本次使用该数据，利用CPU的其他参数判断CPU的种类（i5,i7,i9）。

红警单位数据统计.xlsx

将红警2中的规则文件rules.txt提取出来，通过正则表达式对其中的单位属性值进行匹配，最终将红警2中的每个单位的属性与属性值汇总并生成为Excel表格

用于配合机器学习的数据资源

该样本数据用于拟合机器学习算法，用于配合本账号内的机器学习帖子。该表格中含有两个表格，第二个表格为原始数据，第一个表格为经过处理的数据。第一个表格中的数据经过处理后已经抽象化不可读，因此可以配合第二个表格内容来解读内容。

option_data.xlsx

这是上证50ETF全部认购合约股指期权数据，该数据已经经过了简单初步整理。该数据用于拟合AHBS期权定价模型，得到AHBS期权定价并比较最终的定价误差，从而判断该模型的定价效率。

附件1：债券日度价格.xlsx

利用python，基于shibot利率计算债券理论价格，并将理论价格与实际价格进行对比。然后再计算债券的久期和凸性从而判断债券的风险性大小。本文件为该程序提供债券日度价格数据。

期权希腊值绘图.zip

利用实际数据对期权希腊值绘图。这些资源之中包括EXCEL格式的期权风险指标，完整的python实现代码，和代码的txt格式文本，以及通过代码生成的图片。下载下来后，直接可以将这个文件夹作为工作目录运行