tf quant finance
1.0.0
Cette bibliothèque fournit des composants hautes performances tirant parti de la prise en charge de l'accélération matérielle et de la différenciation automatique de TensorFlow. La bibliothèque fournira la prise en charge de TensorFlow pour les méthodes mathématiques fondamentales, les méthodes de niveau intermédiaire et les modèles de tarification spécifiques. La couverture sera élargie au cours des prochains mois.
La bibliothèque est structurée selon trois niveaux :
Méthodes fondamentales . Méthodes mathématiques de base : optimisation, interpolation, recherche de racines, algèbre linéaire, génération de nombres aléatoires et quasi-aléatoires, etc.
Méthodes de niveau intermédiaire . Solveurs ODE et PDE, cadre de processus Ito, générateurs de chemin de diffusion, échantillonneurs de copules, etc.
Méthodes de tarification et autres utilitaires spécifiques à la finance quantitative . Modèles de tarification spécifiques (par exemple, Vol local (LV), Vol stochastique (SV), Vol local stochastique (SLV), Hull-White (HW)) et leur calibrage. Création de courbes de taux, descriptions des gains et génération de calendriers.
Nous visons à ce que les composants de la bibliothèque soient facilement accessibles à chaque niveau. Chaque couche sera accompagnée de nombreux exemples pouvant s'exécuter indépendamment des composants de niveau supérieur.
Le moyen le plus simple de démarrer avec la bibliothèque consiste à utiliser le package pip.
Notez que la bibliothèque nécessite Python 3.7 et Tensorflow >= 2.7.
Tout d'abord, veuillez installer la version la plus récente de TensorFlow en suivant les instructions d'installation de TensorFlow. Par exemple, vous pouvez installer TensorFlow
pip3 install --upgrade tensorflowPuis cours
pip3 install --upgrade tf-quant-finance Vous devrez peut-être également utiliser l'option --user .
Si vous n'êtes pas familier avec TensorFlow, l'introduction suivante aux notebooks TensorFlow constitue un excellent point de départ :
Nous travaillons à élargir la couverture de la bibliothèque. Les domaines en développement actif sont :
Voir tf_quant_finance/examples/ pour des exemples de bout en bout. Il comprend des cahiers didactiques tels que :
Les liens ci-dessus ouvriront les notebooks Jupyter dans Colab.
Nous sommes impatients de collaborer avec vous! Voir CONTRIBUTING.md pour un guide sur la façon de contribuer. Ce projet adhère au code de conduite de TensorFlow. En participant, vous êtes censé respecter ce code.
Cette section est destinée aux développeurs qui souhaitent contribuer au code de la bibliothèque. Si vous souhaitez uniquement utiliser la bibliothèque, veuillez suivre les instructions de la section Installation.
Cette bibliothèque a les dépendances suivantes :
Cette bibliothèque nécessite le système de build Bazel. Veuillez suivre les instructions d'installation de Bazel pour votre plateforme.
Vous pouvez installer TensorFlow et les dépendances associées à l'aide de la commande pip3 install :
pip3 install --upgrade tf-nightly tensorflow-probability==0.12.1 numpy==1.21 attrs dataclassesClonez le dépôt GitHub :
git clone https://github.com/google/tf-quant-finance.gitAprès avoir couru
cd tf_quant_finance vous pouvez exécuter des tests à l'aide de la commande bazel test . Par exemple,
bazel test tf_quant_finance/math/random_ops/sobol:sobol_testexécutera des tests dans sobol_test.py .
Les tests sont exécutés à l'aide de Python version 3. Veuillez vous assurer que vous pouvez exécuter import tensorflow dans le shell Python 3. Sinon, les tests pourraient échouer.
Les commandes suivantes créeront un package pip personnalisé à partir des sources et l'installeront :
# 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/ * .whlDépôt GitHub : signalez des bugs ou faites des demandes de fonctionnalités.
Blog TensorFlow : restez informé du contenu de l'équipe TensorFlow et des meilleurs articles de la communauté.
[email protected] : liste de diffusion ouverte pour les discussions et les questions sur cette bibliothèque.
TensorFlow Probability : cette bibliothèque exploitera les méthodes de TensorFlow Probability (TFP).
Google ne prend pas officiellement en charge ce produit. Cette bibliothèque est en développement actif et les interfaces peuvent changer à tout moment.
Cette bibliothèque est sous licence Apache 2 (voir LICENCE). Cette bibliothèque utilise des polynômes primitifs Sobol et des numéros de direction initiaux sous licence BSD.
