快速开始#

这一页是一份 BCW 仓库示例的执行清单。环境准备好以后，先把四个脚本跑通，再去读后面的推导页，会更容易把数值对象和论文对象对起来。

目标很直接：在仓库根目录运行四个案例，并用一组 headline number 判断结果是否大体正常。

第一步：准备仓库环境#

在仓库根目录执行：

uv sync
uv run python -c "import finhjb as fjb; print(fjb.__all__[:5])"

如果你在无图形界面的环境里运行，再加上：

export MPLBACKEND=Agg

这套 BCW 脚本的正式使用方式，是在仓库根目录执行：

uv run python src/example/BCW2011Liquidation.py

而不是切到 src/example/ 里本地直跑。

MPLBACKEND=Agg uv run python src/example/BCW2011Liquidation.py

先看 w_bar ≈ 0.22、p'(0) ≈ 30，以及低现金区域投资显著为负。

MPLBACKEND=Agg uv run python src/example/BCW2011Refinancing.py

先看：

MPLBACKEND=Agg uv run python src/example/BCW2011Hedging.py

对 costly-margin 那条线，先看 w_- ≈ 0.07、w_+ ≈ 0.11、w_bar ≈ 0.14，以及 psi 落在 [-5, 0]。

MPLBACKEND=Agg uv run python src/example/BCW2011CreditLine.py

先看 w_bar ≈ 0.08、c+m ≈ 0.10，以及有 credit line 时 p'(0) 大约在 1.01。

跑完以后，先看：

print(bundle["artifact_paths"])
print(bundle["results"])

如果你想直接看某个场景的求解结果：

result = bundle["results"]["fixed-cost"]
print(result["summary"])
print(result["grid"].df.head())
print(result["grid"].df.tail())