我知道有很多类似我的帖子,但我真的无法将它们应用到我的情况中,所以请求我的帮助。基本上,我的代码如下:
def Black_min(f, k, ann, vol, ex, cp):
d1=(math.log(f/k)+0.5*vol**2*ex)/math.sqrt(vol**2*ex)
d2=(math.log(f/k)-0.5*vol**2*ex)/math.sqrt(vol**2*ex)
Price=cp*(f*norm.cdf(cp*d1)-k*norm.cdf(cp*d2))*ann*20000
return Price
banana = lambda x: (Price_Cube[0][4]-Black_min(F[0], K[0][4], Annuity[0], x, Expiry[0], CP[4]))**2
xopt, fopt = scipy.optimize.fmin(func=banana, x0=[Vol_Cube[0][0]], disp=False)
Price_Cube,K是里面有数字的列表,年金,到期和CP都是简单列表。当我运行代码时,我得到了这个。
xopt, fopt = scipy.optimize.fmin(func=banana, x0=[Vol_Cube[0][0]], disp=False)
ValueError: need more than 1 value to unpack
我知道这是一个愚蠢的错误,但我真的不明白。感谢任何帮助,提前谢谢。
答案 0 :(得分:0)
问题是您尝试将fmin
的返回值分配给两个变量xopt
和fopt
,但默认情况下fmin
仅返回xopt
}。你应该试试
xopt = scipy.optimize.fmin(func=banana, x0=[Vol_Cube[0][0]])
如果您还希望将函数值设置为最小值,则必须将full_output
设置为True
,然后还可以获得更多诊断信息:
xopt, fopt, iter, funccalls, warnflags = scipy.optimize.fmin(func=banana, x0=[Vol_Cube[0][0]], full_output=True)