Exercise 1: 期货合约与现货市场#
问题背景#
2016年某玉米种植者选择在现货市场出售产品，请通过以下数据分析该决策是否明智：
-
计划出售量：15,000蒲式耳
-
期货头寸建立时间：2016-06-01
-
现货交割日与期货到期日同为2016-09-14
-
CORN ETF每单位代表6蒲式耳现货价格
数据准备#
code
import yfinance as yf
import pandas as pd
import matplotlib.pyplot as plt
# 基础参数设置
bushels = 15000
spot_symbol = 'CORN' # ETF代码
futures_symbol = 'ZC=F' # 芝加哥期货交易所玉米期货示例代码
# 获取现货价格数据（2016年数据可能受限，需确认数据可用性）
spot_data = yf.download(spot_symbol, start='2016-06-01', end='2016-09-15')
spot_prices = spot_data['Close']
# 获取期货价格数据（实际需验证合约代码）
futures_data = yf.download(futures_symbol, start='2016-06-01', end='2016-09-15')
futures_prices = futures_data['Close']
# 关键日期标记
sale_date = '2016-09-14'
entry_date = '2016-06-01'
# 可视化价格走势
plt.figure(figsize=(12,6))
spot_prices.plot(label='Spot Price')
futures_prices.plot(label='Futures Price')
plt.axvline(pd.to_datetime(sale_date), color='r', linestyle='--', label='Settlement Date')
plt.legend()
plt.show()分析要求#
-
计算现货市场销售收入（注意单位转换）
-
计算期货合约锁定收益（需验证合约乘数）
-
比较两种方式的收益差异
-
绘制现金流对比图（选做）
Exercise 2: 持有成本模型#
理论价格模拟#
a. 期货溢价情景#
构建理论价格模型，参数设定：
-
初始现货价：$1000
-
持有成本率：0.01/日
-
到期时间：100交易日
-
价格波动服从正态分布
代码框架#
code
import numpy as np
N = 100
cost_of_carry = 0.01
np.random.seed(42)
# 初始化序列容器
spot_series = np.zeros(N)
futures_series = np.zeros(N)
# 初始值设置
spot_series[0] = 1000
futures_series[0] = spot_series[0] * np.exp(cost_of_carry * N)
# 动态模拟过程
for t in range(1, N):
spot_series[t] = spot_series[t-1] * (1 + np.random.normal(0, 0.02)) # 2%日波动
remaining_days = N - t
futures_series[t] = spot_series[t] * np.exp(cost_of_carry * remaining_days)
# 可视化结果b. 现货溢价情景#
调整持有成本率为负值（-0.01/日），重构价格序列
分析要求#
-
补全价格生成循环逻辑
-
比较不同成本率下期现收敛特征
-
解释两种市场结构的形成机制
（注：期货合约实际交易需考虑合约规格、展期规则等复杂因素，本练习为简化模型）