Python-Toolkit für Quantitative Finance

Einführung in GS Quant

GS Quant ist ein Python-Toolkit für Quantitative Finance, das auf einer der leistungsstärksten Risikoübertragungsplattformen der Welt basiert. Es wurde entwickelt, um die Entwicklung quantitativer Handelsstrategien und Lösungen für das Risikomanagement auf Basis von mehr als 25 Jahren Erfahrung auf den globalen Märkten zu beschleunigen. Es wird von den quantitativen Entwicklern (Quants) von Goldman Sachs entwickelt und gepflegt und ermöglicht die Entwicklung von Handelsstrategien sowie die Analyse von Derivaten. GS Quant kann als Statistikpaket für Derivatestrukturierung, Handel und Risikomanagement sowie für Datenanalyse-Anwendungen eingesetzt werden. Weitere Informationen finden sich bei Goldman Sachs Developer.

Anforderungen

• Python 3.6 oder höher
• Zugriff auf den PIP-Paketmanager

Installation

pip install gs-quant

Beispiele

Beispiele, Anleitungen und Tutorials sind im entsprechenden Ordner und bei Goldman Sachs Developer verfügbar.

Mitwirken

Beiträge sind willkommen. Weitere Informationen finden sich in CONTRIBUTING.

Hilfe

Fragen, Anmerkungen oder Feedback bitte an [e-mail].

Meinung von GN⁺

• GS Quant ist ein Toolkit, das auf der langjährigen Erfahrung und technischen Kompetenz von Goldman Sachs basiert, und für quantitative Finanzanalysen äußerst nützlich ist.
• Es ist auf Derivatestrukturierung und Risikomanagement spezialisiert und dürfte für Fachleute in der Finanzbranche sehr hilfreich sein.
• Da es auf Python basiert, ist es für bestehende Python-Nutzer leicht zugänglich.
• Andere Open-Source-Projekte mit ähnlichen Funktionen sind etwa QuantLib und Zipline.
• Bei der Einführung neuer Technologien oder von Open Source ist es wichtig, den Community-Support und den Update-Zyklus der jeweiligen Technologie zu berücksichtigen.

[GN⁺]

Hacker-News-Kommentare

• Das OpenBB-Projekt ist ein Tool für die Analyse von Finanzdaten

  • Die meisten Datenanbieter verlangen einen kostenlosen API-Schlüssel; sie hoffen, dass Nutzer ein Konto anlegen und im Laufe der Zeit zu kostenpflichtigen Diensten wechseln
  • „Kostenlose Daten“ stützen sich auf Projekte, die Finanzdaten von Websites scrapen, was erfordert, dass die Maintainer sie häufig aktualisieren
  • Gibt an, der Hauptschöpfer des OpenBB-Projekts zu sein

• Nützlicher Datenzugang ist über die GS-spezifische Daten-API möglich

  • Sie besteht aus allgemeinen Datenstrukturklassen, wie sie im Finanzwesen verwendet werden
  • Das Tool mag kostenlos sein, aber die Daten sind sehr teuer
  • Fragt sich, warum gs-quant/gs_quant/timeseries/statistics.py Klassen für die SIR- und SEIR-Modelle zur Ausbreitung von Epidemien enthält

• Fragt sich, ob GS noch die Sprache Slang verwendet oder auf Python umgestiegen ist

  • Schade, dass die Bibliothek nicht „vampire-squid“ genannt wurde
  • Beim Blick ins README wirkt es so, als würde GS seine Aktivitäten eher den Entwicklern als der Außenwelt anpreisen

• Möchte mehr über den Ursprung des Projekts und seine interne Nutzung erfahren

  • Die Unternehmenskultur und internen Prioritäten mögen intern sinnvoll sein, wirken von außen aber merkwürdig
  • Fragt sich, wofür epidemiologische Modelle im quantitativen Finanzwesen verwendet werden

• Findet es interessant, dass „Bank-Python“ als Open Source veröffentlicht wurde