Vom Finanzmodell zum ML-Modell [Teil 1]: Bewertung von Finanzprodukten mit Python

Wie lassen sich Finanzprodukte und Cashflows in Python bewerten?

Es gibt einige Python-Bibliotheken, mit denen man finanzmathematische Formeln und Prozesse in Python abbilden kann. Dieser Beitrag informiert über die Bewertung von Finanzinstrumenten.

Gängige Bewertungskennzahlen umfassen nicht nur den Present Value und den Future Value eines Finanzinstruments, sondern auch die Interpolation einer Internal Rate of Return oder einer Interest Rate. Obwohl es viele kommerzielle Software gibt um Bewertungskennzahlen für Finanzinstrumente zu berechnen, ist es aus Risiko- und Controlling-Perspektive immer auch sinnvoll, diese Ergebnisse doppelt zu überprüfen.

Wenn Sie daran interessiert sind, Finanzinstrumente und ihre Cash-Flows mit Hilfe von Python zu bewerten, ohne Formeln oder Makros in Excel schreiben zu müssen, dann können Sie die Numpy-Financial Bibliothek verwenden. Numpy-Financial kann die zehn gängigsten Bewertungskennzahlen (inklusive der oben-genannten) deterministisch und schnell berechnen. Numpy-Financial basiert wiederum auf der Numpy-Bibliothek, die eine der verbreitetsten und am besten optimierten C-Sprache-basierten Python-Pakete für numerische Anwendungen aller Art ist. Mit diesem Hintergrund hat also auch Numpy-Financial dieselbe Benutzerfreundlichkeit von Python kombiniert mit derselben Rechengeschwindigkeit von C. Ein Nachteil der Bibliothek ist allerdings, dass sie nur zur Bewertung von sog. Plain Vanilla also nicht-strukturierter Finanzinstrumente verwendet werden kann.

Dennoch kann Numpy-Financial Ihnen helfen, wenn Sie ein Finanzanalyst sind, der den Bewertungsprozess beschleunigen möchte, oder wenn Sie ein Risikocontroller sind, der den Bewertungsprozess validieren möchte.