Python实现Heston模型积分报错：仅大小为1数组可转为Python标量

问题现象 #

实现Heston期权定价模型时，传入单行DataFrame能正常计算，但传入多行DataFrame时，在积分计算P1的代码行触发报错：

TypeError: only size-1 arrays can be converted to Python scalars

核心原因 #

1. 变量维度不匹配：heston_integrand函数中直接引用整个DataFrame的列（如df['[STRIKE]']），这些变量是数组而非标量。当lambda函数内部执行np.log(K)等运算时会生成数组，但scipy.integrate.quad要求被积函数接收标量输入并返回标量，数组运算直接触发类型错误。
2. 冗余无效传参：循环生成被积函数时传入的phi_values在heston_integrand中未被使用，属于无效参数。
3. 期权价格计算逻辑错误：最终计算C时使用的是最后一次循环的P1和P2，而非每行对应的结果，导致结果完全错误。

修复后的完整代码 #

import numpy as np
from scipy.integrate import quad

# 假设你已经实现了heston_char函数
def heston_char(St, v0, t, r, kappa_theta, eta, kappa, rho, sigma, phi):
    # 替换为你的特征函数实际实现
    return np.exp(1j * phi * np.log(St))

def heston_price(df, v_0, theta, sigma, rho, kappa):
    results = []
    
    for index, row in df.iterrows():
        # 提取当前行的标量参数
        St = row['[UNDERLYING_LAST]']
        K = row['[STRIKE]']
        r = row['[DTB3]']
        t = row['[DTE]'] / 252  # 转换为年化时间
        
        # 获取当前行对应的被积函数
        integrand1, integrand2 = heston_integrand(St, K, r, t, v_0, theta, sigma, rho, kappa)
        
        # 计算积分得到P1和P2
        P1 = 0.5 + (1/np.pi) * quad(integrand1, 0, 100)[0]
        P2 = 0.5 + (1/np.pi) * quad(integrand2, 0, 100)[0]
        
        # 计算当前行的期权价格
        C = St * P1 - K * np.exp(-r * t) * P2
        results.append(C)
    
    # 返回与原DataFrame行数匹配的结果列表
    return results

def heston_integrand(St, K, r, t, v_0, theta, sigma, rho, kappa):
    # 被积函数接收标量phi，所有参数均为标量
    integrand1 = lambda phi: np.real(np.exp(-1j * phi * np.log(K)) * 
                        heston_char(St, v_0, t, r, kappa * theta, 0.5, kappa - rho * sigma, rho, sigma, phi) / (1j * phi))
    
    integrand2 = lambda phi: np.real(np.exp(-1j * phi * np.log(K)) * 
                        heston_char(St, v_0, t, r, kappa * theta, -0.5, kappa, rho, sigma, phi) / (1j * phi))

    return integrand1, integrand2

关键修改点 #

• 参数传递调整：将heston_integrand的输入从整个DataFrame改为当前行的标量值，确保所有运算都是标量级别的，符合quad的要求。
• 移除无效代码：删除了未使用的phi_values变量，避免混淆。
• 结果收集逻辑修正：每行计算完成后立即生成对应期权价格并存入结果列表，最终返回完整的结果集合，与原DataFrame的每行一一对应。

内容的提问来源于stack exchange，提问作者Kazuhira Miller