TF Quant Finance
1.0.0
Diese Bibliothek bietet Hochleistungskomponenten, die die Hardwarebeschleunigungsunterstützung und die automatische Differenzierung von TensorFlow nutzen. Die Bibliothek bietet TensorFlow-Unterstützung für grundlegende mathematische Methoden, Methoden mittlerer Ebene und spezifische Preismodelle. Die Abdeckung wird in den nächsten Monaten erweitert.
Die Bibliothek ist in drei Ebenen gegliedert:
Grundlegende Methoden . Grundlegende mathematische Methoden – Optimierung, Interpolation, Wurzelfindung, lineare Algebra, Zufalls- und Quasizufallszahlengenerierung usw.
Methoden der mittleren Ebene . ODE- und PDE-Löser, Ito-Prozess-Framework, Diffusionspfadgeneratoren, Copula-Sampler usw.
Preismethoden und andere Quant-Finance-spezifische Hilfsmittel . Spezifische Preismodelle (z. B. Local Vol (LV), Stochastic Vol (SV), Stochastic Local Vol (SLV), Hull-White (HW)) und deren Kalibrierung. Erstellung von Tarifkurven, Beschreibungen der Auszahlungen und Erstellung von Zeitplänen.
Unser Ziel ist es, dass die Bibliothekskomponenten auf jeder Ebene leicht zugänglich sind. Jede Ebene wird von vielen Beispielen begleitet, die unabhängig von übergeordneten Komponenten ausgeführt werden können.
Der einfachste Weg, mit der Bibliothek zu beginnen, ist über das Pip-Paket.
Beachten Sie, dass die Bibliothek Python 3.7 und Tensorflow >= 2.7 erfordert.
Bitte installieren Sie zunächst die neueste Version von TensorFlow, indem Sie den TensorFlow-Installationsanweisungen folgen. Sie könnten beispielsweise TensorFlow installieren
pip3 install --upgrade tensorflowDann lauf
pip3 install --upgrade tf-quant-finance Möglicherweise müssen Sie auch die Option --user verwenden.
Wenn Sie mit TensorFlow noch nicht vertraut sind, ist die folgende Einführung in TensorFlow-Notizbücher zum Selbststudium ein hervorragender Ausgangspunkt:
Wir arbeiten daran, die Abdeckung der Bibliothek zu erweitern. Bereiche in aktiver Entwicklung sind:
End-to-End-Beispiele finden Sie unter tf_quant_finance/examples/ . Es enthält Tutorial-Notizbücher wie:
Die obigen Links öffnen Jupyter Notebooks in Colab.
Wir freuen uns auf die Zusammenarbeit mit Ihnen! Eine Anleitung zum Mitwirken finden Sie unter CONTRIBUTING.md. Dieses Projekt hält sich an den Verhaltenskodex von TensorFlow. Durch Ihre Teilnahme wird von Ihnen erwartet, dass Sie diesen Kodex einhalten.
Dieser Abschnitt richtet sich an Entwickler, die Code zur Bibliothek beitragen möchten. Wenn Sie nur an der Nutzung der Bibliothek interessiert sind, folgen Sie bitte den Anweisungen im Abschnitt Installation.
Diese Bibliothek hat die folgenden Abhängigkeiten:
Diese Bibliothek erfordert das Bazel-Build-System. Bitte befolgen Sie die Bazel-Installationsanweisungen für Ihre Plattform.
Sie können TensorFlow und zugehörige Abhängigkeiten mit dem pip3 install installieren:
pip3 install --upgrade tf-nightly tensorflow-probability==0.12.1 numpy==1.21 attrs dataclassesKlonen Sie das GitHub-Repository:
git clone https://github.com/google/tf-quant-finance.gitNachdem du gelaufen bist
cd tf_quant_finance Sie können Tests mit dem Befehl bazel test ausführen. Zum Beispiel,
bazel test tf_quant_finance/math/random_ops/sobol:sobol_testführt Tests in sobol_test.py aus.
Tests werden mit Python Version 3 ausgeführt. Bitte stellen Sie sicher, dass Sie import tensorflow in der Python 3-Shell ausführen können. Andernfalls könnten Tests fehlschlagen.
Mit den folgenden Befehlen erstellen Sie ein benutzerdefiniertes Pip-Paket aus der Quelle und installieren es:
# sudo apt-get install bazel git python python-pip rsync # For Ubuntu.
git clone https://github.com/google/tf-quant-finance.git
cd tf-quant-finance
bazel build :build_pip_pkg
./bazel-bin/build_pip_pkg artifacts
pip install --user --upgrade artifacts/ * .whlGitHub-Repository: Fehler melden oder Funktionsanfragen stellen.
TensorFlow-Blog: Bleiben Sie über Inhalte des TensorFlow-Teams und die besten Artikel aus der Community auf dem Laufenden.
[email protected]: Offene Mailingliste für Diskussionen und Fragen zu dieser Bibliothek.
TensorFlow Probability: Diese Bibliothek nutzt Methoden von TensorFlow Probability (TFP).
Google unterstützt dieses Produkt nicht offiziell. Diese Bibliothek befindet sich in der aktiven Entwicklung und die Schnittstellen können sich jederzeit ändern.
Diese Bibliothek ist unter der Apache 2-Lizenz lizenziert (siehe LIZENZ). Diese Bibliothek verwendet Sobol-Primitivpolynome und Anfangsrichtungszahlen, die unter der BSD-Lizenz lizenziert sind.
