Python-Toolkit für Quant Finance

• GS Quant ist ein Python-Toolkit, das die Entwicklung quantitativer Trading-Strategien und von Lösungen für das Risikomanagement beschleunigen soll
• Es wird von den Quant-Entwicklern von Goldman Sachs entwickelt und gepflegt und unterstützt die Analyse von Derivaten sowie die Entwicklung von Trading-Strategien
• Es kann für die Strukturierung von Derivaten, Trading und Risikomanagement eingesetzt werden und auch als Sammlung von Statistikpaketen für die Datenanalyse dienen
• Für den API-Zugriff werden client id und secret benötigt; diese werden institutionellen Kunden von Goldman Sachs bereitgestellt
• Benutzer können es mit pip install gs-quant installieren; zusätzliche Dokumentation und Beispiele werden bei Goldman Sachs Developer bereitgestellt

---

Überblick über GS Quant

• GS Quant ist ein Python-Toolkit für Quant Finance
• Es wurde auf einer weltweit führenden Plattform für Risikoübertragung aufgebaut und basiert auf 25 Jahren Erfahrung in den globalen Märkten
• Ziel ist es, die Entwicklung quantitativer Trading-Strategien und von Risikomanagement-Lösungen zu beschleunigen

Entwickler und Einsatzbereiche

• Die Quant-Entwickler von Goldman Sachs erstellen und pflegen GS Quant
• Zu den wichtigsten Einsatzbereichen gehören:
  • Entwicklung von Trading-Strategien
  • Analyse von Derivaten
  • Strukturierung von Derivaten
  • Trading
  • Risikomanagement
• Es kann auch als Sammlung von Statistikpaketen für Datenanalyse-Anwendungen verwendet werden

Voraussetzungen für den API-Zugriff

• Für die Nutzung der API werden client id und secret benötigt
• Diese Zugangsdaten werden den institutionellen Kunden von Goldman Sachs bereitgestellt
• Weitere Informationen sind über den zuständigen Vertrieb oder Marquee Sales erhältlich

Anforderungen und Installation

• Anforderungen

  • Python 3.9 oder höher

    • Zugriff auf den PIP-Paketmanager
    • Der Installationsbefehl lautet wie folgt

pip install gs-quant

Dokumentation und Support

• Weitere Informationen werden bei Goldman Sachs Developer bereitgestellt
• Beispiele, Leitfäden und Tutorials sind ebenfalls in den entsprechenden Ordnern bei Goldman Sachs Developer verfügbar
• Fragen, Anmerkungen und Feedback können an [e-mail] gesendet werden

[GN⁺]

Meinungen auf Hacker News

• Ein weiteres bekanntes Projekt in diesem Bereich, OpenBB, ist ebenfalls einen Blick wert: https://github.com/OpenBB-finance/OpenBBTerminal
  Die meisten Datenanbieter verlangen einen kostenlosen API-Key, weil das ihre Go-to-Market-Strategie (GTM) ist. Sie bringen einen dazu, ein Konto anzulegen, geben einem einen kostenlosen API-Key und hoffen dann im Laufe der Zeit auf eine Umwandlung in zahlende Kunden.
  Alternativ kann man auch „kostenlose Daten“ wie yfinance verwenden, aber solche Dinge hängen von Projekten ab, die aktiv Finanzdaten von Websites scrapen. Weil die Interessen zwischen den Betreibern der Scraping-API und den Unternehmen, die die Daten besitzen, nicht übereinstimmen, müssen die Haupt-Maintainer oft ständig nachziehen und Updates liefern.
  Zur Einordnung: Ich bin einer der Hauptentwickler, die das OpenBB-Projekt auf GitHub erstellt haben.

  • Da du die Go-to-Market-Strategien anderer Datenanbieter angesprochen hast: Kannst du auch sagen, was die Go-to-Market-Strategie von OpenBB ist?
  • Gibt es einen Weg aus diesem Dilemma heraus?
    Außerdem würde mich interessieren, ob es eine brauchbare API für britische Daten gibt.

• Der einzige Nutzen, den man daraus ziehen kann, ist im Grunde Design-Referenz.
  Der Zugriff auf wirklich Nützliches liegt hinter einer GS-spezifischen Daten-API: https://developer.gs.com/docs/gsquant/authentication/gs-sess...

  • Ich war ziemlich überrascht, dass es keine echten Beispiele gibt. Es gibt zwar ein paar Videolinks, aber soll man wirklich die Videos anhalten und den Code Zeile für Zeile von Hand abschreiben?
  • Wie kann man dieses Design studieren? Etwa indem man ein Klassendiagramm generiert?

• Wirkt ziemlich grundlegend. Im Grunde ist es eher eine Sammlung von Datenstrukturklassen, wie sie im Finanzbereich üblich sind, etwa auf dem Niveau, das man als Abschlussprojekt in einem Bachelor-Kurs zu objektorientierter Programmierung erwarten würde.

  • Schlechte Nachrichten, aber der Großteil des Codes, dem man tatsächlich begegnet, liegt genau auf diesem Niveau.
  • Ich sehe so etwas häufig bei domänenspezifischen Libraries, die von Wissenschaftlern, Mathematikern usw. geschrieben wurden. Es ist selten, dass jemand, der kein professioneller Engineer ist, Code in der Qualität eines professionellen Engineers schreibt.
    Oder es handelt sich um eine extrem populäre Library, die über Jahre hinweg viel Aufmerksamkeit von Engineers bekommen hat.

• Die Tool-Sammlung mag kostenlos sein, aber die Daten sind sehr teuer.

• Nutzt GS immer noch seine eigene Sprache Slang, oder sind sie schrittweise zu Python übergegangen?

  • Sie wird immer noch sehr intensiv genutzt. Sie betreibt SecDB, das im Grunde das Nervensystem der gesamten Marktsparte ist.
    Man ist definitiv auch offen für Python und anderes, und es gibt Technologien, um Slang zeitgemäß ins 21. Jahrhundert zu integrieren, aber das ist die Art von System, bei der man sich schwer vorstellen kann, dass sie vollständig verschwindet.

• Statt es einfach nur schlechtzureden, fände ich es interessanter zu hören, wie es entstanden ist und wofür es intern tatsächlich verwendet wird.
  Ich habe schon Fälle gesehen, die von außen merkwürdig wirkten, bei näherem Hinsehen aber vernünftige Gründe hatten. Unternehmen haben Kulturen und Prioritäten, die aus der Perspektive von Insidern Sinn ergeben und von außen seltsam aussehen können.

• Es war eine enorme verpasste Chance, die Library nicht vampire-squid zu nennen.
  Wenn man nur das README liest, wirkt es weniger wie etwas, das extern nützlich sein soll, sondern eher wie Werbematerial, das Entwicklern zeigen soll, was GS macht.

• Ich frage mich, warum in gs-quant/gs_quant/timeseries/statistics.py Klassen für das SIR-Kompartimentmodell zur Ausbreitung von Infektionskrankheiten und ein SEIR-Modell enthalten sind: https://en.wikipedia.org/wiki/Compartmental_models_in_epidem...

• Dinge, die mit Goldman Sachs zu tun haben, würde ich nicht einmal mit einer drei Meter langen Stange anfassen.
  https://en.wikipedia.org/wiki/Sergey_Aleynikov

• Vor einem Jahr habe ich nach Quant-Libraries gesucht, aber diese hier nicht gesehen. Gibt es noch andere große Unternehmen, die Quant-Libraries veröffentlicht haben, insbesondere Libraries rund um Volatilität?