Pythonで月ごとの営業日数を求める

月ごとの営業日数を求めたい事があったので、pythonで簡単にやってみた。

祝日計算

祝日計算には内閣府のcsvファイルを取ってくる方法を見つけた*1が、これだと振替休日などに対応できない。
そこで、こちらで紹介されているjpholidayを使った。
github.com

コード

実行前に

pip install jpholiday

としてjpholidayを取ってくる必要がある

import datetime, jpholiday

def is_holiday_or_weekend(date):
    return date.weekday() == 6 or date.weekday() == 5 or jpholiday.is_holiday(date)

def businessday_count(year, month):
    date = datetime.date(year, month, 1)
    sum = 0
    while month == date.month:
        if not is_holiday_or_weekend(date):
            sum += 1
        date = date + datetime.timedelta(1)
    return sum

if __name__=="__main__":
    year = 2019
    for i in range(1,13):
        print(i,end="\t")
        print(businessday_count(year, i))

結果

1       21
2       19
3       20
4       20
5       19
6       20
7       22
8       21
9       19
10      21
11      20
12      22

おまけ

月の末日を取ってくる

python - Get the last day of the month - Stack Overflow

monthrange(year, month)
Returns weekday of first day of the month and number of days in month, for the specified year and month.

>>> import calendar
>>> calendar.monthrange(2002,1)
(1, 31)
>>> calendar.monthrange(2008,2)
(4, 29)
>>> calendar.monthrange(2100,2)
(0, 28)

*1:pythonで一年間の休日判定をしてみた - Qiita

仮想通貨を担保に法定通貨をローンするサービス【BlockFi】

BlockFiという会社のサービス
https://blockfi.com/

仮想通貨を担保にすることで信用リスクを抑え比較的低金利で法定通貨を借りることができる。
クレジット情報を詳細に聞かれることはないので審査も早い（どれくらい審査があるかはわからない）

イーサリアムのようにブロックチェーンに契約情報を含められるコインもあるのでなにか面白い活用法がありそう。

BlockFiはリクルートからも出資を受けたほかウォール街の企業からも出資を受けている模様。
jp.cointelegraph.com
為替ニュース｜みんかぶFX

ブラックショールズモデルでグラフを描く

以前書いたブラックショールズモデルの関数を使って、権利行使までの時間と行使価格を動かしてグラフを描いてみようと思う。
swdrsker.hatenablog.com
権利行使までの時間が長くなるほど緩やかな曲線になるのを見たい。

import numpy as np
from scipy import stats
import matplotlib.pyplot as plt
import seaborn
seaborn.set_style("whitegrid")

rf_rate = 0.005 #risk free rate (0.5%)
sigma = 0.12 #volatility (12%)
price = 100 #present value

def bs_model(S,x,r,sigma,T):
    d1 = (np.log(S/x) + (r + 0.5 * sigma ** 2)*T)/(sigma*pow(T, 1/2))
    d2 = (np.log(S/x) + (r - 0.5 * sigma ** 2)*T)/(sigma*pow(T, 1/2))
    call = S * stats.norm.cdf(d1) - x * np.exp(-r*T) * stats.norm.cdf(d2)
    put  = x * np.exp(-r*T) * stats.norm.cdf(-d2) - S * stats.norm.cdf(-d1)
    return call,put

リスクフリーレートは0.5%, ボラティリティは12%, 現在価格を100とした。

• プットオプション

x = np.arange(75,125)
plt.figure()
for t in [0.01,0.5, 1,2,3]:
    bs = lambda x: bs_model(price,x , rf_rate, sigma, t)[1]
    plt.plot(x, np.vectorize(bs)(x), label="t: %1.1f"%t)
plt.xlabel("Strike Price")
plt.ylabel("Option Premium")
plt.title("Put option (price:100)")
plt.legend()

• コールオプション

x = np.arange(75,125)
plt.figure()
for t in [0.01,0.5, 1,2,3]:
    bs = lambda x: bs_model(price,x , rf_rate, sigma, t)[0]
    plt.plot(x, np.vectorize(bs)(x), label="t: %1.1f"%t)
plt.xlabel("Strike Price")
plt.ylabel("Option Premium")
plt.title("Call option (price:100)")
plt.legend()

行使価格が高いほど、Put option（売る権利）の価値が高くなる。
行使価格が低いほど、Call option（買う権利）の価値が高くなる。
権利行使までの時間が長いほど滑らかな曲線になることがわかる。
ATM付近でのセータの変動の様子もなんとなくわかる。