tf量化金融

TF Quant Finance：基於 TensorFlow 的量化金融庫

目錄

1. 介紹
2. 安裝
3. TensorFlow 訓練
4. 發展路線圖
5. 範例
6. 貢獻
7. 發展
8. 社群
9. 免責聲明
10. 執照

介紹

該庫提供利用 TensorFlow 的硬體加速支援和自動微分的高效能元件。該庫將為基礎數學方法、中級方法和特定定價模型提供 TensorFlow 支援。覆蓋範圍將在未來幾個月內擴大。

該庫的結構分為三層：

1. 基礎方法。核心數學方法－最佳化、內插、求根、線性代數、隨機和準隨機數產生等。

2. 中級手段。 ODE 和 PDE 求解器、Ito 製程架構、擴散路徑產生器、Copula 取樣器等。

3. 定價方法和其他量化金融特定公用事業。具體定價模型（例如，本地波動率（LV）、隨機波動率（SV）、隨機本地波動率（SLV）、赫爾-懷特（HW））及其校準。利率曲線建構、收益描述和時間表產生。

我們的目標是讓每個關卡都能輕鬆存取庫組件。每一層都附有許多可以獨立於更高層級元件運作的範例。

安裝

開始使用該庫的最簡單方法是透過 pip 套件。

請注意，該程式庫需要 Python 3.7 和 Tensorflow >= 2.7。

首先，請依照 TensorFlow 安裝說明安裝最新版本的 TensorFlow。例如，您可以安裝 TensorFlow

pip3 install --upgrade tensorflow

然後運行

pip3 install --upgrade tf-quant-finance

您可能還必須使用選項--user 。

TensorFlow 訓練

如果您不熟悉 TensorFlow，那麼以下 TensorFlow 筆記本自學簡介是一個很好的起點：

• TensorFlow 簡介第 1 部分 - 基礎知識。
• TensorFlow 簡介第 2 部分 - 調試和控制流程。
• TensorFlow 簡介第 3 部分 - 進階張量作業。

發展路線圖

我們正在努力擴大圖書館的覆蓋範圍。積極開發的領域有：

• Ito 流程：定義 Ito 流程的架構。包括從過程中取樣路徑以及求解相關的後向柯爾莫哥洛夫方程式的方法。
• 實施以下具體流程/模型：
  • 布朗運動
  • 幾何布朗運動
  • 奧恩斯坦-烏倫貝克
  • 一因子 Hull-White 模型
  • 赫斯頓模型
  • 局部波動率模型。
  • 二次局部體積模型。
  • SABR模型
• Copulas：支援對 copula 的定義和取樣。
• 模型校準：
  • Dupire 本地體積校準。
  • SABR模型校準。
• 利率曲線擬合：用於殖利率曲線引導的 Hagan-West 演算法和單調凸插值方案。
• 支援日期、日計數約定、假期等。

範例

有關端對端範例，請參閱tf_quant_finance/examples/ 。它包括教程筆記本，例如：

• 布萊克-斯科爾斯模型下的美式選擇權定價
• 蒙地卡羅通過歐拉方案
• Black Scholes：價格與隱含交易量
• TFF 中的前向和後向模式梯度
• 使用布倫特法進行尋根
• 最佳化
• 交換曲線擬合
• 向量化和 XLA 編譯

上述連結將在 Colab 中開啟 Jupyter Notebooks。

貢獻

我們渴望與您合作！有關如何貢獻的指南，請參閱 CONTRIBUTING.md。該項目遵守 TensorFlow 的行為準則。透過參與，您應該遵守此準則。

發展

本部分適用於想要向程式庫貢獻程式碼的開發人員。如果您只想使用該庫，請按照安裝部分中的說明進行操作。

開發依賴

該庫具有以下相依性：

1. 巴澤爾
2. Python 3（Bazel 預設使用 Python 3）
3. TensorFlow 版本 >= 2.7
4. v0.11.0 與 v0.12.1 之間的 TensorFlow Probability 版本
5. Numpy 版本 1.21 或更高版本
6. 屬性
7. 資料類別（如果您的 Python 版本 >= 3.7，則不需要）

該庫需要 Bazel 建置系統。請遵循適合您平台的 Bazel 安裝說明。

您可以使用pip3 install指令安裝 TensorFlow 和相關相依性：

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

常用命令

克隆 GitHub 儲存庫：

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

跑完之後

 cd tf_quant_finance

您可以使用bazel test指令執行測試。例如，

bazel test tf_quant_finance/math/random_ops/sobol:sobol_test

將在 sobol_test.py 中執行測試。

使用 Python import tensorflow 3 執行測試。否則，測試可能會失敗。

建立自訂 pip 包

以下命令將從原始碼建立自訂 pip 套件並安裝它：

 # 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

社群

1. GitHub 儲存庫：報告錯誤或提出功能請求。

2. TensorFlow 部落格：隨時了解 TensorFlow 團隊的最新內容和社群的最佳文章。

3. [email protected]：開啟郵件清單以討論此程式庫和提出問題。

4. TensorFlow Probability：此函式庫將利用 TensorFlow Probability (TFP) 中的方法。

免責聲明

Google 不正式支援該產品。該庫正在積極開發中，介面可能隨時變更。

執照

該庫根據 Apache 2 許可證獲得許可（請參閱許可證）。該庫使用 Sobol 本原多項式和初始方向數，這些都在 BSD 許可證下獲得許可。