QuantLib 1.38版本发布:金融量化库的重要更新
项目简介
QuantLib是一个开源的金融量化计算库,广泛应用于金融衍生品定价、风险管理、投资组合优化等领域。它提供了丰富的金融工具模型和数学计算方法,是量化金融领域的重要基础设施。QuantLib采用C++编写,同时提供了多种语言的接口,包括Python、R等,使其在学术界和工业界都得到了广泛应用。
1.38版本核心更新
日期与日历系统改进
在金融计算中,准确的日期处理至关重要。QuantLib 1.38对Schedule类进行了重要改进,现在当启用月末调整(end-of-month)时,该类会正确遵守用户指定的营业日调整规则,而不再强制使用Modified Following惯例。这一改变使得日期计算更加灵活和符合用户预期。
此外,版本更新还增加了多个地区的节假日数据:
- 中国2025年节假日
- 泰国2025年节假日
- 香港2025年节假日
这些更新确保了相关地区金融产品定价的准确性。
指数类改进
1.38版本对通胀指数进行了重要重构。现在,年同比通胀指数(year-on-year inflation indexes)可以(且应该)在不使用interpolated标志的情况下构建。与零息通胀指数类似,插值计算被移到了使用这些指数的息票中。这一变化使得指数使用更加一致和灵活。
同时,修复了已停用的EUR LIBOR指数的过时惯例,确保历史数据分析的准确性。
金融工具与定价引擎增强
本次更新引入了多项新功能和改进:
-
新增部分时间障碍看跌期权:扩展了障碍期权的种类,为复杂衍生品定价提供了更多选择。
-
OvernightIndexFuture类通知机制修复:现在该类能够正确接收凸性报价和估值日期变化的通知,提高了计算准确性。
-
BlackCallableFixedRateBondEngine修正:修复了该实验性引擎在评估嵌入式期权时未能正确考虑折现的问题。
-
多项实验性功能迁移至核心库:包括多种期权类型及其定价引擎,如Holder可扩展期权、Writer可扩展期权、部分时间障碍期权、双资产障碍期权、双资产相关性期权等,标志着这些功能的成熟和稳定。
期限结构增强
-
DepositRateHelper和FraRateHelper改进:现在可以通过指定固定日期而非期限来构建这些辅助类,提供了更大的灵活性。
-
跨货币基差互换辅助类增强:现在可以传递隔夜指数和相应的支付频率,还可以指定支付延迟,满足更复杂的交易结构需求。
-
全局引导优化功能扩展:惩罚函数现在可以接收曲线节点作为参数,使得曲线平滑度优化成为可能。还支持指定额外的优化变量,如期货凸性调整。
-
新增分段远期利差期限结构:为利差曲线建模提供了新的工具。
未来变化预告
-
ext::any和ext::optional默认实现变更:下一版本将默认从Boost实现切换到标准实现,虽然Boost版本仍可使用但已被标记为废弃。
-
SimpleQuote类可能变为final:如果用户代码中有继承自SimpleQuote的类,需要提前做好准备。
废弃特性
-
移除1.33版本已废弃的功能:包括Currency类及其Data嵌套类中接受格式字符串的构造函数,以及相关的format方法和数据成员。
-
废弃年同比通胀指数的interpolated参数构造函数:建议使用其他构造函数替代。
-
废弃部分实验性头文件:随着相关功能迁移至核心库,对应的实验性头文件被标记为废弃。
技术影响与建议
QuantLib 1.38版本的更新主要集中在三个方面:功能增强、错误修复和架构改进。对于现有用户,建议:
-
检查是否使用了将被废弃的功能,特别是通胀指数构造方式和货币格式化相关代码,及时进行迁移。
-
评估是否可以从新迁移至核心库的功能中受益,这些功能经过充分测试已经达到生产环境可用状态。
-
关注未来变更预告,特别是SimpleQuote可能变为final的影响,提前规划代码调整。
对于新用户,1.38版本提供了更丰富、更稳定的金融工具集合,是开始使用QuantLib的良好起点。特别是新增的部分时间障碍期权和分段远期利差期限结构等特性,为复杂金融产品建模提供了更多可能性。
QuantLib持续演进的方向表明,项目正在向更标准化、更稳定的方向发展,同时保持对前沿金融建模需求的响应能力。这使得它仍然是量化金融领域不可或缺的工具库之一。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00