Forex Quantilib

El proyecto QuantLib tiene como objetivo proporcionar un marco de software completo para la financiación cuantitativa. QuantLib es una biblioteca libre / de código abierto para el modelado, el comercio y la gestión de riesgos en la vida real. QuantLib se escribe en C con un modelo de objeto limpio y luego se exporta a diferentes lenguajes como C, Objective Caml, Java, Perl, Python, GNU R, Ruby y Scheme. También está disponible una versión habilitada para AAD. El proyecto de repositorio facilita el despliegue de bibliotecas de objetos en plataformas de usuario final y se utiliza para generar QuantLibXL. Un complemento de Excel para QuantLib, y QuantLibAddin. QuantLib complementa otras plataformas como LibreOffice Calc. Enlaces a otros idiomas y portado a Gnumeric, Matlab / Octave, S-PLUS / R. Mathematica. Las arquitecturas COM / CORBA / SOAP, FpML, están bajo consideración. Consulte la página de extensiones para obtener más detalles. Apreciado por analistas y desarrolladores cuantitativos, está pensado para académicos y profesionales por igual, eventualmente promoviendo una interacción más fuerte entre ellos. QuantLib ofrece herramientas que son útiles tanto para la implementación práctica como para el modelado avanzado, con características tales como convenciones de mercado, modelos de curva de rendimiento, solucionadores, PDEs, Monte Carlo (discrepancia baja incluida), opciones exóticas, VAR, etc. Las finanzas son un área donde los proyectos de código abierto bien escritos podrían hacer una tremenda diferencia: cualquier institución financiera necesita una implementación operativa sólida, efectiva en el tiempo, de modelos de precios de vanguardia y herramientas de cobertura. Sin embargo, para llegar allí, uno está obligado a reinventar la rueda cada vez. Incluso modelos estándar de décadas, como Black-Scholes, todavía carecen de una implementación robusta pública. Como consecuencia muchos buenos quants están perdiendo su tiempo escribiendo clases de C que ya han sido escritas miles de veces. Diseñando y construyendo estas herramientas a la vista, QuantLib alentará la revisión por pares de las herramientas mismas y demostrará cómo esto debería hacerse para el software científico y comercial. Dan Gezelters habla en la primera conferencia Open Source / Open Science discutió cómo la tradición científica de peer review encaja bien con la filosofía del movimiento Open Source. Los estándares abiertos son la única manera justa para que la ciencia y la tecnología evolucionen. La biblioteca podría ser explotada en diferentes instituciones de investigación y regulación, bancos, compañías de software, etc. Siendo un proyecto libre / de código abierto, los quants que contribuyen a la biblioteca no tendrían que empezar de cero cada vez. Los estudiantes pueden dominar una biblioteca que realmente se utiliza en el mundo real y contribuir a ella de una manera significativa. Esto podría ponerlos en una posición privilegiada en el mercado de trabajo. Los investigadores tendrían un marco a la mano, que reduce enormemente la cantidad de trabajo de bajo nivel necesario para construir modelos, para poder centrarse en problemas más complejos e interesantes. Las empresas financieras podrían explotar QuantLib como código base y / o referencia, al mismo tiempo que podrían participar en la creación de soluciones más innovadoras que las harían más competitivas en el mercado. Las instituciones reguladoras pueden disponer de una herramienta para prácticas de fijación de precios y gestión de riesgos estándar. La licencia QuantLib es una licencia BSD modificada adecuada para su uso tanto en software libre como en aplicaciones propietarias, sin imponer restricciones en absoluto al uso de la biblioteca. Algunas empresas han comprometido importantes recursos para el desarrollo de esta biblioteca, en particular StatPro. Un proveedor líder internacional de gestión de riesgos, donde nació el proyecto QuantLib. Aquí hay algunas sugerencias. Busque en Amazon (o su librería favorita) libros sobre C finanzas cuantitativas. He encontrado varios títulos que parecen prometedores. Fui a SourceForge (buscando en Trading Systems) y vi varios sistemas prometedores que podrían darle una ventaja en la reducción, MAE, etc. Utilizo TradeStation 9.0 para comparar varias estrategias comerciales. Proporcionará gráficos MAE / MFE, curvas de equidad de comercio y estrategias de rango basadas en la reducción máxima. Pero asegúrese de leer los sistemas de comercio que funcionan: la construcción y la evaluación de sistemas de comercio eficaz por Thomas Stridsman para una crítica adecuada de TradeStations informes generados. El OP quiso algunas de las funciones que se utilizarían en el desarrollo de una estrategia comercial. Aunque no puedo citar ninguna evidencia en apoyo, estoy bastante seguro de que las herramientas de análisis técnico son / pueden ser usadas En el desarrollo de tales estrategias. En cuanto a si TAlib está escrito en C o C, bien me corregido. Bienvenido a la gran lista de recursos financieros cuantitativos gratuitos He enumerado aquí todos los libros electrónicos, diapositivas, cursos, videos y datos gratuitos que he encontrado útiles durante mi carrera de finanzas cuánticas. Los recursos se desglosan por categoría y son totalmente gratuitos (o requieren registro gratuito). Estaré actualizando constantemente esta página a medida que encuentre nuevos contenidos en la web, así que vuelve a revisar. Esta lista fue actualizada por última vez el 21 de agosto de 2013. Navegación de la lista Si tiene alguna recomendación para los recursos financieros disponibles, por favor no dude en enviarme un correo electrónico a mikequantstart. Es sorprendentemente sencillo obtener datos financieros de alta calidad de forma gratuita, siempre y cuando uno esté dispuesto a aceptar que estará restringido a ciertos subconjuntos de período de tiempo y de instrumentos. Corretajes a menudo regalan sus datos financieros históricos con el fin de atraer a nuevos clientes. En particular, los datos de las tasas de cambio (forex) están ampliamente disponibles en muchas de las fuentes de abajo. Las acciones son un poco más difíciles, ya que requieren una alimentación de acciones corporativas de alta calidad correspondiente a fin de manejar los dividendos y divisiones de acciones. Sin embargo, es relativamente fácil obtener información importante sobre las acciones de los EE. UU. / Reino Unido al final del día que ya se ha ajustado de nuevo de esta manera. DukasCopy - DukasCopy es un corredor / ECN suizo de la divisa, que proporciona datos de la señal de la divisa de la calidad extremadamente alta que se remonta a 2007 para la mayoría de pares de la modernidad. Este debe ser su primer puerto de escala si está interesado en backtesting de nivel de tick-forex estrategias. EoDData - EoDData es un servicio pagado pero provee un nivel libre. Proporcionan convenientemente una lista substancial de símbolos negociados en casi cada intercambio del interés a través del globo. Google Finance: Google Finance proporciona datos de acciones al final del día. Desafortunadamente, a diferencia de Yahoo Finance, no está ajustado de nuevo para manejar dividendos y divisiones de acciones. Por lo tanto, una alimentación corporativa separada es necesaria. Ive vinculado a un ejemplo de datos históricos a través de la FTSE100. Quandl - Quandl es un proyecto ambicioso que intenta hacer que todos los datos numéricos en Internet sean fáciles de encontrar y fáciles de usar. Proporcionan un enorme catálogo de datos de mercado a través de múltiples clases de activos, incluyendo divisas, acciones, futuros y materias primas. Tienen una API fácil de usar y todos sus datos están disponibles gratuitamente y se actualizan con frecuencia. Una verdadera mina de oro para el cuantitativo Yahoo Finance - Yahoo Finance es la ubicación ir a la ubicación para descargar fácilmente los datos de las acciones de fin de día. El principal beneficio de su feed de API es que los datos son retro-ajustados. Lo que significa que representa dividendos y divisiones de acciones. Sin embargo, los datos no son de alta calidad. He utilizado YF en un entorno de producción y puedo atestiguar que debe revisar dos veces sus datos contra otras fuentes como EoDData o Google Finance. Ive vinculado a los precios históricos para el FTSE100 como un ejemplo. Mientras que los libros de texto, certificados y cursos de Maestría en Ingeniería Financiera (MFE) siguen siendo el método más popular para aprender la ingeniería financiera, una serie de recursos disponibles libremente han aparecido en la escena en los últimos años. En particular, Coursera ofrece ahora algunos cursos fantásticos sobre el tema. Ingeniería Financiera y Gestión de Riesgos Parte I - Este fue originalmente un solo curso, pero se decidió dividir en dos. Este curso se centra en el precio de las opciones y los fundamentos de la teoría de Black-Scholes. Una característica notable es una entrevista con Emanuel Derman, el famoso autor cuantitativo. Ingeniería Financiera y Gestión de Riesgos Parte II - La segunda parte de la segunda parte de Coursera abarca la construcción de carteras y la gestión de riesgos, con un enfoque adicional en productos derivados más avanzados. Introducción a la Finanzas Computacionales y Econometría Financiera - Este curso, dirigido por Eric Zivot de la Universidad de Washington, es una introducción absolutamente fantástica a los métodos de series de tiempo ya las estadísticas aplicadas a los datos financieros. El curso cubre un terreno significativo, comenzando con los retornos, las estadísticas básicas y el álgebra lineal y luego rápidamente cubriendo temas más avanzados en la econometría necesaria para la financiación cuantitativa. Métodos Matemáticos para la Financiación Cuantitativa - Este curso ha sido diseñado principalmente para prepararle para comenzar estudios de finanzas cuantitativas, cubriendo el cálculo necesario y el álgebra lineal necesarios en la fijación de precios de derivados y la gestión de cartera. Una gran manera de cerrar la brecha de un CompSci o de la economía principal a la comprensión de las matemáticas necesarias para QF. QuantNet - QuantNet proporciona una guía significativa sobre cómo solicitar y obtener una posición en un curso de MFE. El foro también está poblado de publicaciones sobre precios de derivados y desarrollo de software financiero. Wilmott - Wilmott es el sitio web de Paul Wilmott, el famoso quant. El sitio contiene un foro enorme que discute principalmente ingeniería financiera, métodos numéricos y desarrollo de software. El comercio algorítmico también está cubierto, pero no es el foco del sitio. Por desgracia, el comercio algorítmico a menudo sólo se aprende en el trabajo o mediante la experimentación cuidadosa en el hogar. Las barreras a la entrada solían ser significativas - habilidades de desarrollo de software, costoso hardware computacional y feeds de datos, así como mucho tiempo y paciencia. Hoy en día existen herramientas de backtesting completas en el navegador. Traído a nosotros a través de startups de vanguardia como Quantopian y QuantConnect. Del mismo modo, los cursos están surgiendo en la forma de aprender el comercio algorítmico utilizando herramientas de código abierto, como Python / pandas. He enumerado algunos de estos recursos a continuación. Inversión Computacional, Parte I - Tucker Balch ha escrito este curso para ayudar a aprender los fundamentos de la negociación algorítmica (computacional invertir) utilizando Python y una biblioteca personalizada. Si eres completamente nuevo en el mundo del análisis de datos y el comercio sistemático, entonces este curso es un gran comienzo. EliteTrader - EliteTrader foros contienen importantes discusiones sobre todos los aspectos de la negociación. Hay una sección en profundidad sobre trading algorítmico. Mientras que la relación señal-ruido es aproximadamente comparable a otros foros de Internet, hay algunos hilos fantásticos discutiendo la implementación de algos comerciales avanzados, así que asegúrese de buscarlos QuantConnect - QuantConnect habilita quants con datos libres, computación en clúster y capital..El servicio proporciona un IDE C in-browser, el acceso a los datos libres de la señal (equidades y forex de los EEUU) y un racimo de servidores para realizar el backtesting. El servicio proporciona un nivel gratuito, aunque hay más funciones disponibles por suscripción mensual. Quantopian - Quantopian provee un IDE de Python en el navegador, acceso a datos de equidad de EE. UU. de resolución minuciosa y un sofisticado sistema de backtesting (ZipLine, ver más abajo). El principal beneficio de Quantopian es que las estrategias pueden (opcionalmente) ser compartidas y comentadas, permitiendo a la gente sugerir mejoras, si usted está en una etapa temprana en su carrera cuántica. Eventualmente planean apoyar el comercio en vivo (aunque esto probablemente será un servicio pagado). Ive lo dijo una y otra vez en QuantStart, pero es absolutamente necesario en este día y edad para ser un buen programador para llegar a cualquier parte en las finanzas cuantitativas. Como el software come rápidamente el resto del mundo, también lo hace invadir los mercados financieros. La barrera de entrada puede ahora ser mayor que hace 10 años, pero entonces la prevalencia de materiales libres es también mucho mayor. La comunidad de programación es extremadamente generosa en devolver y aquí están algunos de los recursos más útiles que le ayudarán a aprender a programar en los principales idiomas cuantitativos. Python Bayesian Methods for Hackers - Este es un enfoque novedoso para aprender lo que a menudo es un tema bastante difícil. En realidad es un ebook interactivo, que le permite modificar el código en una sesión de navegador IPython. Los métodos bayesianos son extremadamente importantes en el campo del Aprendizaje Automático (y, por tanto, del financiamiento cuantitativo), y este curso introductorio supera realmente la brecha entre la teoría y la aplicación. Habilidades de construcción en el diseño orientado a objetos - La mayoría de los libros discuten la orientación del objeto en términos de mamíferos, gatos y perros. Esto es en su mayoría inútil desde el punto de vista de la creación de una aplicación de software real. Building Skills en OOD es un libro web gratuito sobre el uso de Python para crear una aplicación real moderadamente compleja orientada a objetos. Estructuras de datos y algoritmos con patrones de diseño orientados a objetos en Python - Si no formaba un grado de CompSci puro, entonces podría haber tenido que aprender estructuras de datos a medida que avanzaba. Para una introducción más formal en Python (y muchos otros lenguajes también, si sigues el enlace), este libro web gratuito cubrirá la brecha entre la teoría y la aplicación. High Performance Python - Este es un conjunto de notas de conferencia de una conferencia EuroPython en 2011. Las conferencias discuten perfiles, PyPy, CPython, Cython y PyCUDA como medio de optimizar sus programas Python. Es esencial para la cantidad de rendimiento hambriento Aprender Python la forma dura - Zed Shaws famoso libro está diseñado para el programador principiante, a pesar del título impar Es una gran manera de comenzar a aprender Python y realmente cubre casi todo lo que un principiante necesitaría saber. Lo mejor de todo es su procesamiento natural del lenguaje libre con Python. Ciertas aplicaciones de finanzas cuantitativas, como el análisis del sentimiento, hacen un uso intensivo de los algoritmos de procesamiento de lenguaje natural (PNL). Esta es la versión web gratuita del libro OReilly, que trata sobre el paquete Natural Language ToolKit (NLTK) para Python y cómo aplicarlo a aplicaciones en NLP. Think Python - Allen Downey ha creado un gran libro, originalmente publicado por OReilly, sobre cómo aprender Python desde cero. Cubre todos los componentes principales del lenguaje y proporciona un montón de ejemplos de código. El objetivo declarado es ayudarle a pensar como un informático y yo diría que el libro hace un buen trabajo para lograrlo. Think Stats - Allen Downey ha tomado una gran área temática (estadísticas) y destilado en los componentes clave para proporcionar un enfoque más aplicado al aprendizaje, a través del lenguaje Python. Probabilidad, distribuciones, pruebas de hipótesis, estimación y correlación están cubiertos. Si prefieres aprender haciendo, entonces este libro gratuito es definitivamente para ti. R Informática para el análisis de datos - Roger Peng dirige un curso diseñado para ayudarle a aprender R y luego aplicar ese conocimiento a los problemas de análisis de datos. Para muchos quants iniciales, esto proporcionará algunas grandes lecciones sobre cómo lidiar con la importación de datos desordenados y hacer uso de fuentes no tradicionales de datos para ayudar en su modelado financiero. DataMind - DataMind es un nuevo servicio (aún en modo beta) diseñado para ayudarte a aprender el lenguaje R de forma interactiva. Actualmente hay algunas lecciones para principiantes, pero más se están agregando todo el tiempo. El software libre del soure abierto (FOSS) ahora se puede encontrar en casi cada banco de inversión y fondo de cobertura cuantitativo. No sólo no le cuesta nada probar, pero puede modificar el código fuente como mejor le parezca para adaptarse a su aplicación particular. Ahora puede construir fácilmente un sistema de precios de opciones o un sistema de negociación algorítmica de FOSS. Aquí están algunas de las herramientas que uso día a día en mi propio trabajo, que recomiendo encarecidamente. Boost - Las bibliotecas Boost comienzan donde terminan las bibliotecas estándar C. De hecho, muchos de los componentes Boost originales se agregaron al estándar C11. Sin embargo, si todavía estás restringido a C03, Boost viene con módulos para expresiones regulares (regexes), punteros inteligentes, lambdas, subprocesos, distribuciones estadísticas y mucho más. Django - Django es un framework web escrito en Python. De hecho, QuantStart es un sitio web basado en Django Cuando yo era un desarrollador de datos en un fondo, lo usé para todas nuestras herramientas de generación de informes basadas en la web. Tiene una comunidad importante detrás de él y viene con las baterías incluidas para ayudarle a conseguir comenzado rápidamente. Eigen - Eigen proporciona un conjunto de encabezados C para álgebra lineal numérica (NLA). Se pretende que sea un competidor de uBLAS. Encuentro que el API extremadamente expresivo y el código mínimo se requiere generalmente para realizar operaciones comunes. Si desea obtener más información al respecto, echa un vistazo a mi artículo sobre su uso para álgebra matricial. HDF5 - HDF5 es un almacén de datos del sistema de archivos de grado científico. Como quants, estamos principalmente interesados ​​en él, ya que se utiliza comúnmente para almacenar datos de tick. Cuando se integra con PyTables y pandas, en el ecosistema de Python, hace backtesting estrategias de alto volumen directo. MySQL - MySQL es un sistema de gestión de base de datos relacional de código abierto (RDBMS). Lo he utilizado en entornos de producción financiera de gran escala y puedo atestiguar que puede mantener su propia demanda en aplicaciones exigentes. Es una gran opción para la creación de un patrón de valores al final del día. Pandas - Wes McKinney creó pandas con el fin de proporcionar la expresividad de R en el ecosistema científico de Python. Ahora es el paquete de análisis de datos de facto para Python. Cuando se combina con IPython y HDF5, se convierte en un entorno de investigación interactivo extremadamente útil. R - R es un lenguaje estadístico interactivo de código abierto con un amplio soporte de paquetes y capacidades gráficas. R se encuentra a menudo en algunos de los mejores fondos de cobertura cuantitativos como ir a la herramienta de investigación inicial. QuantLib - QuantLib es una biblioteca de precios de derivados muy madura escrita en C. Aunque es algo compleja, tiene soporte para muchos tipos de derivados. Un número significativo de bancos de inversión y fondos hacen uso de QuantLib en entornos de producción. Scikit-learn - scikit-learn es un relativamente nuevo paquete de Python que combina una gama de algoritmos de aprendizaje de máquina, envuelto en una interfaz expresiva con una implementación altamente eficiente (haciendo uso de NumPy / SciPy debajo). Junto con IPython y pandas, permite la investigación rápida y el desarrollo de estrategias de comercio financiero. Ubuntu Server - Ubuntu Server es una de las distribuciones Linux de producción más populares para aplicaciones financieras. Lo he estado usando desde que salió (que muestra mi edad) y ha ido de fuerza a fuerza. Es muy robusto, muy seguro y está basado en Linux kernal, puede ser modificado a voluntad para adaptarse a su aplicación particular. ZipLine - ZipLine es una herramienta de backtesting de negociación algorítmica de código abierto, desarrollada y utilizada como motor en el servicio de Quantopian. Debe ser su primer puerto de la llamada para comenzar el desarrollo de un sistema algorítmico que negocia si usted desea utilizar una pila de Python. Por favor, envíenme cualquier sugerencia de libros de cuantos, blogs, foros, cursos, videos o diapositivas que han leído que le han ayudado en su camino. Siempre estoy dispuesto a agregar más a esta lista. Puede ponerse en contacto conmigo enviando un correo electrónico a mikequantstart.