tf量化金融

TF Quant Finance：基于 TensorFlow 的量化金融库

目录

1. 介绍
2. 安装
3. TensorFlow 训练
4. 发展路线图
5. 示例
6. 贡献
7. 发展
8. 社区
9. 免责声明
10. 执照

介绍

该库提供利用 TensorFlow 的硬件加速支持和自动微分的高性能组件。该库将为基础数学方法、中级方法和特定定价模型提供 TensorFlow 支持。覆盖范围将在未来几个月内扩大。

该库的结构分为三层：

1. 基础方法。核心数学方法——优化、插值、求根、线性代数、随机和准随机数生成等。

2. 中级手段。 ODE 和 PDE 求解器、Ito 过程框架、扩散路径生成器、Copula 采样器等。

3. 定价方法和其他量化金融特定公用事业。具体定价模型（例如，本地波动率（LV）、随机波动率（SV）、随机本地波动率（SLV）、赫尔-怀特（HW））及其校准。利率曲线构建、收益描述和时间表生成。

我们的目标是让每个级别都能轻松访问库组件。每一层都附有许多可以独立于更高级别组件运行的示例。

安装

开始使用该库的最简单方法是通过 pip 包。

请注意，该库需要 Python 3.7 和 Tensorflow >= 2.7。

首先，请按照 TensorFlow 安装说明安装最新版本的 TensorFlow。例如，您可以安装 TensorFlow

pip3 install --upgrade tensorflow

然后运行

pip3 install --upgrade tf-quant-finance

您可能还必须使用选项--user 。

TensorFlow 训练

如果您不熟悉 TensorFlow，那么以下 TensorFlow 笔记本自学简介是一个很好的起点：

• TensorFlow 简介第 1 部分 - 基础知识。
• TensorFlow 简介第 2 部分 - 调试和控制流。
• TensorFlow 简介第 3 部分 - 高级张量操作。

发展路线图

我们正在努力扩大图书馆的覆盖范围。正在积极开发的领域有：

• Ito 流程：定义 Ito 流程的框架。包括从过程中采样路径以及求解相关的后向柯尔莫哥洛夫方程的方法。
• 实施以下具体流程/模型：
  • 布朗运动
  • 几何布朗运动
  • 奥恩斯坦-乌伦贝克
  • 一因子 Hull-White 模型
  • 赫斯顿模型
  • 局部波动率模型。
  • 二次局部体积模型。
  • SABR模型
• Copulas：支持对 copula 的定义和采样。
• 模型校准：
  • Dupire 本地体积校准。
  • SABR模型校准。
• 利率曲线拟合：用于收益率曲线引导的 Hagan-West 算法和单调凸插值方案。
• 支持日期、日计数约定、假期等。

示例

有关端到端示例，请参阅tf_quant_finance/examples/ 。它包括教程笔记本，例如：

• 布莱克-斯科尔斯模型下的美式期权定价
• 蒙特卡洛通过欧拉方案
• Black Scholes：价格和隐含交易量
• TFF 中的前向和后向模式梯度
• 使用布伦特法进行寻根
• 优化
• 交换曲线拟合
• 矢量化和 XLA 编译

上述链接将在 Colab 中打开 Jupyter Notebooks。

贡献

我们渴望与您合作！有关如何贡献的指南，请参阅 CONTRIBUTING.md。该项目遵守 TensorFlow 的行为准则。通过参与，您应该遵守此准则。

发展

本部分适用于想要向库贡献代码的开发人员。如果您只想使用该库，请按照安装部分中的说明进行操作。

开发依赖

该库具有以下依赖项：

1. 巴泽尔
2. Python 3（Bazel 默认使用 Python 3）
3. TensorFlow 版本 >= 2.7
4. v0.11.0 和 v0.12.1 之间的 TensorFlow Probability 版本
5. Numpy 版本 1.21 或更高版本
6. 属性
7. 数据类（如果您的 Python 版本 >= 3.7，则不需要）

该库需要 Bazel 构建系统。请遵循适合您平台的 Bazel 安装说明。

您可以使用pip3 install命令安装 TensorFlow 和相关依赖项：

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

常用命令

克隆 GitHub 存储库：

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

跑完之后

 cd tf_quant_finance

您可以使用bazel test命令执行测试。例如，

bazel test tf_quant_finance/math/random_ops/sobol:sobol_test

将在 sobol_test.py 中运行测试。

使用 Python 版本 3 运行测试。请确保您可以在 Python 3 shell 中运行import tensorflow 。否则，测试可能会失败。

构建自定义 pip 包

以下命令将从源代码构建自定义 pip 包并安装它：

 # 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

社区

1. GitHub 存储库：报告错误或提出功能请求。

2. TensorFlow 博客：及时了解 TensorFlow 团队的最新内容和社区的最佳文章。

3. [email protected]：打开邮件列表以讨论此库和提出问题。

4. TensorFlow Probability：该库将利用 TensorFlow Probability (TFP) 中的方法。

免责声明

Google 不正式支持该产品。该库正在积极开发中，接口可能随时更改。

执照

该库根据 Apache 2 许可证获得许可（请参阅许可证）。该库使用 Sobol 本原多项式和初始方向数，这些都在 BSD 许可证下获得许可。