tf quant finance

TF Quant Finance: TensorFlow 기반 Quant Finance 라이브러리

목차

1. 소개
2. 설치
3. TensorFlow 교육
4. 개발 로드맵
5. 예
6. 기여
7. 개발
8. 지역 사회
9. 면책조항
10. 특허

소개

이 라이브러리는 TensorFlow의 하드웨어 가속 지원 및 자동 차별화를 활용하는 고성능 구성 요소를 제공합니다. 라이브러리는 기초적인 수학적 방법, 중간 수준 방법 및 특정 가격 책정 모델에 대한 TensorFlow 지원을 제공합니다. 앞으로 몇 달에 걸쳐 적용 범위가 확대됩니다.

라이브러리는 세 가지 계층으로 구성됩니다.

1. 기초적인 방법 . 핵심 수학적 방법 - 최적화, 보간, 근 찾기, 선형 대수학, 난수 및 준난수 생성 등

2. 중간 수준 방법 . ODE 및 PDE 솔버, Ito 프로세스 프레임워크, 확산 경로 생성기, 코풀라 샘플러 등

3. 가격 책정 방법 및 기타 퀀트 파이낸싱 관련 유틸리티 . 특정 가격 책정 모델(예: Local Vol(LV), Stochastic Vol(SV), Stochastic Local Vol(SLV), Hull-White(HW)) 및 해당 보정. 비율 곡선 구축, 보상 설명 및 일정 생성.

우리는 각 레벨에서 라이브러리 구성요소에 쉽게 접근할 수 있도록 하는 것을 목표로 합니다. 각 레이어에는 상위 수준 구성 요소와 독립적으로 실행될 수 있는 많은 예제가 함께 제공됩니다.

설치

라이브러리를 시작하는 가장 쉬운 방법은 pip 패키지를 사용하는 것입니다.

라이브러리에는 Python 3.7 및 Tensorflow >= 2.7이 필요합니다.

먼저 TensorFlow 설치 지침에 따라 최신 버전의 TensorFlow를 설치하세요. 예를 들어 TensorFlow를 설치할 수 있습니다.

pip3 install --upgrade tensorflow

그런 다음 실행

pip3 install --upgrade tf-quant-finance

--user 옵션을 사용해야 할 수도 있습니다.

TensorFlow 교육

TensorFlow에 익숙하지 않은 경우 TensorFlow 노트북에 대한 다음 자습 소개를 통해 시작하는 것이 좋습니다.

• TensorFlow 소개 1부 - 기본 사항.
• TensorFlow 2부 소개 - 디버깅 및 제어 흐름.
• TensorFlow 3부 소개 - 고급 텐서 조작.

개발 로드맵

우리는 도서관의 적용 범위를 확대하기 위해 노력하고 있습니다. 활발하게 개발 중인 영역은 다음과 같습니다.

• Ito 프로세스: Ito 프로세스를 정의하기 위한 프레임워크입니다. 프로세스에서 경로를 샘플링하고 관련 역방향 Kolmogorov 방정식을 푸는 방법이 포함되어 있습니다.
• 다음과 같은 특정 프로세스/모델 구현:
  • 브라운 운동
  • 기하학적 브라운 운동
  • 오른슈타인-울렌벡
  • One-Factor Hull-White 모델
  • 헤스턴 모델
  • 지역 변동성 모델.
  • 2차 로컬 Vol 모델.
  • SABR 모델
• 코퓰러: 코퓰러 정의 및 샘플링을 지원합니다.
• 모델 교정:
  • Dupire 로컬 볼륨 교정.
  • SABR 모델 교정.
• 비율 곡선 피팅: 수익률 곡선 부트스트래핑을 위한 Hagan-West 알고리즘 및 Monotone Convex 보간 방식.
• 날짜, 날짜 계산 규칙, 공휴일 등을 지원합니다.

예

엔드 투 엔드 예시는 tf_quant_finance/examples/ 참조하세요. 여기에는 다음과 같은 튜토리얼 노트북이 포함됩니다.

• 블랙숄즈 모델에 따른 아메리칸 옵션 가격
• 오일러 방식을 통한 몬테카를로
• 블랙 숄즈: 가격 및 내재 거래량
• TFF의 순방향 및 역방향 모드 그라데이션
• 브렌트(Brent) 방법을 사용한 루트 검색
• 최적화
• 스왑 곡선 피팅
• 벡터화 및 XLA 컴파일

위 링크를 클릭하면 Colab에서 Jupyter Notebook이 열립니다.

기여

우리는 당신과 협력하고 싶습니다! 기여 방법에 대한 안내는 CONTRIBUTING.md를 참조하세요. 이 프로젝트는 TensorFlow의 행동 강령을 준수합니다. 참여함으로써 귀하는 이 코드를 유지해야 합니다.

개발

이 섹션은 라이브러리에 코드를 기여하려는 개발자를 위한 것입니다. 라이브러리 사용에만 관심이 있는 경우 설치 섹션의 지침을 따르십시오.

개발 종속성

이 라이브러리에는 다음과 같은 종속성이 있습니다.

1. 바젤
2. Python 3(Bazel은 기본적으로 Python 3을 사용함)
3. TensorFlow 버전 >= 2.7
4. v0.11.0과 v0.12.1 사이의 TensorFlow 확률 버전
5. Numpy 버전 1.21 이상
6. 속성
7. 데이터 클래스(Python 버전 >= 3.7인 경우 필요하지 않음)

이 라이브러리에는 Bazel 빌드 시스템이 필요합니다. 해당 플랫폼에 대한 Bazel 설치 지침을 따르세요.

pip3 install 명령을 사용하여 TensorFlow 및 관련 종속성을 설치할 수 있습니다.

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

일반적으로 사용되는 명령

GitHub 저장소를 복제합니다.

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

달리고 나면

 cd tf_quant_finance

bazel test 명령을 사용하여 테스트를 실행할 수 있습니다. 예를 들어,

bazel test tf_quant_finance/math/random_ops/sobol:sobol_test

sobol_test.py에서 테스트를 실행합니다.

테스트는 Python 버전 3을 사용하여 실행됩니다. Python 3 셸에서 import tensorflow 실행할 수 있는지 확인하세요. 그렇지 않으면 테스트가 실패할 수 있습니다.

사용자 정의 pip 패키지 구축

다음 명령은 소스에서 사용자 정의 pip 패키지를 빌드하고 설치합니다.

 # 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

지역 사회

1. GitHub 저장소: 버그를 보고하거나 기능을 요청하세요.

2. TensorFlow 블로그: TensorFlow 팀의 최신 콘텐츠와 커뮤니티의 최고의 기사를 받아보세요.

3. [email protected]: 이 라이브러리에 대한 토론과 질문을 위한 공개 메일링 리스트입니다.

4. TensorFlow Probability: 이 라이브러리는 TensorFlow Probability(TFP)의 방법을 활용합니다.

면책조항

Google은 이 제품을 공식적으로 지원하지 않습니다. 이 라이브러리는 현재 개발 중이며 인터페이스는 언제든지 변경될 수 있습니다.

특허

이 라이브러리는 Apache 2 라이센스에 따라 라이센스가 부여됩니다(LICENSE 참조). 이 라이브러리는 BSD 라이센스에 따라 라이센스가 부여된 Sobol 기본 다항식 및 초기 방향 번호를 사용합니다.