TFクオンツファイナンス

TF Quant Finance: TensorFlow ベースの Quant Finance ライブラリ

目次

1. 導入
2. インストール
3. TensorFlow トレーニング
4. 開発ロードマップ
5. 例
6. 貢献する
7. 発達
8. コミュニティ
9. 免責事項
10. ライセンス

導入

このライブラリは、ハードウェア アクセラレーションのサポートと TensorFlow の自動微分を活用した高性能コンポーネントを提供します。このライブラリは、基本的な数学的手法、中間レベルの手法、および特定の価格モデルに対する TensorFlow サポートを提供します。対象範囲は今後数か月にわたって拡大される予定です。

ライブラリは 3 つの層に沿って構造化されています。

1. 基本的なメソッド。コアとなる数学的手法 - 最適化、内挿、ルートファインダー、線形代数、乱数および準乱数の生成など。

2. 中レベルのメソッド。 ODE および PDE ソルバー、Ito プロセス フレームワーク、拡散パス ジェネレーター、コピュラ サンプラーなど。

3. 価格設定方法およびその他のクオンツファイナンス特有のユーティリティ。特定の価格設定モデル (ローカル ボリューム (LV)、ストキャスティック ボリューム (SV)、ストキャスティック ローカル ボリューム (SLV)、ハル ホワイト (HW) など) とそのキャリブレーション。金利曲線の構築、利益の説明、スケジュールの作成。

私たちは、ライブラリ コンポーネントが各レベルで簡単にアクセスできるようにすることを目指しています。各層には、上位レベルのコンポーネントから独立して実行できる多くのサンプルが付属します。

インストール

ライブラリを使い始める最も簡単な方法は、pip パッケージを使用することです。

ライブラリには Python 3.7 および Tensorflow >= 2.7 が必要であることに注意してください。

まず、TensorFlow のインストール手順に従って、TensorFlow の最新バージョンをインストールしてください。たとえば、TensorFlow をインストールできます。

pip3 install --upgrade tensorflow

それから実行します

pip3 install --upgrade tf-quant-finance

--userオプションも使用する必要がある場合があります。

TensorFlow トレーニング

TensorFlow に詳しくない場合は、次の TensorFlow ノートブックの自習入門から始めるのが最適です。

• TensorFlow の概要パート 1 - 基本。
• TensorFlow の概要パート 2 - デバッグと制御フロー。
• TensorFlow の概要パート 3 - 高度な Tensor 操作。

開発ロードマップ

私たちは図書館の対象範囲を拡大することに取り組んでいます。活発に開発が進められている分野は次のとおりです。

• Ito プロセス:Ito プロセスを定義するためのフレームワーク。プロセスからパスをサンプリングし、関連する後方コルモゴロフ方程式を解くメソッドが含まれています。
• 次の特定のプロセス/モデルの実装:
  • ブラウン運動
  • 幾何学的なブラウン運動
  • オーンスタイン・ウーレンベック
  • 1 要素ハルホワイト モデル
  • ヘストンモデル
  • ローカルボラティリティモデル。
  • 二次ローカルボリュームモデル。
  • SABRモデル
• コピュラ: コピュラの定義とそこからのサンプリングのサポート。
• モデルのキャリブレーション:
  • Dupire ローカルボリュームキャリブレーション。
  • SABR モデルのキャリブレーション。
• レート カーブ フィッティング: イールド カーブ ブートストラップおよび単調凸補間スキーム用の Hagan-West アルゴリズム。
• 日付、日数計算規則、休日などのサポート。

例

エンドツーエンドの例については、 tf_quant_finance/examples/を参照してください。これには、次のようなチュートリアル ノートブックが含まれています。

• ブラック・ショールズモデルに基づくアメリカン・オプションの価格設定
• オイラー方式によるモンテカルロ法
• ブラック・ショールズ: 価格と暗黙のボリューム
• TFF での前方および後方モードの勾配
• ブレント法を使用したルート探索
• 最適化
• スワップカーブフィッティング
• ベクトル化と XLA コンパイル

上記のリンクにより、Colab で Jupyter Notebooks が開きます。

貢献する

ぜひご協力をお願いいたします。貢献方法のガイドについては、CONTRIBUTING.md を参照してください。このプロジェクトは TensorFlow の行動規範に準拠しています。参加することにより、この規範を遵守することが期待されます。

発達

このセクションは、ライブラリにコードを提供したい開発者を対象としています。ライブラリの使用のみに興味がある場合は、「インストール」セクションの手順に従ってください。

開発の依存関係

このライブラリには次の依存関係があります。

1. バゼル
2. Python 3 (Bazel はデフォルトで Python 3 を使用します)
3. TensorFlow バージョン >= 2.7
4. TensorFlow Probability バージョン v0.11.0 ～ v0.12.1
5. Numpy バ​​ージョン 1.21 以降
6. 属性
7. データクラス (Python バージョン 3.7 以上の場合は必要ありません)

このライブラリには Bazel ビルド システムが必要です。ご使用のプラットフォームの Bazel インストール手順に従ってください。

pip3 installコマンドを使用して、TensorFlow と関連する依存関係をインストールできます。

pip3 install --upgrade tf-nightly tensorflow-probability==0.12.1 numpy==1.21 attrs dataclasses

よく使用されるコマンド

GitHub リポジトリのクローンを作成します。

git clone https://github.com/google/tf-quant-finance.git

走った後は

 cd tf_quant_finance

bazel testコマンドを使用してテストを実行できます。例えば、

bazel test tf_quant_finance/math/random_ops/sobol:sobol_test

sobol_test.py でテストを実行します。

テストは Python バージョン 3 を使用して実行されます。Python 3 シェルでimport tensorflowを実行できることを確認してください。そうしないと、テストが失敗する可能性があります。

カスタム pip パッケージの構築

次のコマンドは、ソースからカスタム pip パッケージを構築し、インストールします。

 # 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/ * .whl

コミュニティ

1. GitHub リポジトリ: バグを報告したり、機能をリクエストしたりできます。

2. TensorFlow ブログ: TensorFlow チームからのコンテンツとコミュニティからの優れた記事に関する最新情報を入手してください。

3. [email protected]: このライブラリに関するディスカッションや質問のためのメーリング リストを開きます。

4. TensorFlow Probability: このライブラリは TensorFlow Probability (TFP) のメソッドを活用します。

免責事項

Google はこの製品を正式にサポートしていません。このライブラリは現在開発中であるため、インターフェイスはいつでも変更される可能性があります。

ライセンス

このライブラリは、Apache 2 ライセンスに基づいてライセンスされています (「ライセンス」を参照)。このライブラリは、BSD ライセンスに基づいてライセンスされている Sobol 原始多項式と初期方向数を使用します。