deepdow

deepdow (leído como "wow") es un paquete de Python que conecta la optimización de la cartera y el aprendizaje profundo. Su objetivo es facilitar la investigación de redes que realicen asignación de peso en un pase hacia adelante .

Instalación

pip install deepdow

Recursos

• Empezando
• Documentación detallada
• Más ejemplos

Descripción

deepdow intenta fusionar dos pasos muy comunes en la optimización de la cartera

1. Pronóstico de la evolución futura del mercado (LSTM, Garch, ...)
2. Diseño y solución de problemas de optimización (optimización convexa, ...)

Lo hace mediante la construcción de una tubería de capas. La última capa realiza la asignación y todas las anteriores sirven como extractores de características. La red general es totalmente diferenciable y uno puede optimizar sus parámetros mediante algoritmos de descenso de gradiente.

deepdow no es ...

• Centrado en estrategias comerciales activas, solo encuentra asignaciones que se realizarán en algún horizonte ( comprar y mantener )
  • Una implicación es que los costos de transacción asociados con las operaciones frecuentes a corto plazo no serán una preocupación principal
• Un marco de aprendizaje de refuerzo, sin embargo, uno podría reutilizar fácilmente las capas deepdow en otras aplicaciones de aprendizaje profundo
• Un algoritmo único, en cambio, es un marco que permite una fácil experimentación con poderosos bloques de construcción

Algunas características

• Todas las capas construidas sobre torch y totalmente diferenciable
• integra la optimización convexa diferenciable ( cvxpylayers )
• implementa algoritmos de asignación de cartera basados en agrupación
• Múltiples estrategias de dataloading ( RigidDataLoader , FlexibleDataLoader )
• Integración con mlflow y tensorboard a través de devoluciones de llamada
• Proporciona una variedad de pérdidas como la relación Sharpe, la reducción máxima, ...
• fácil de extender y personalizar
• Soporte de CPU y GPU

Citando

Si usa deepdow (incluidas las ideas propuestas en la documentación, ejemplos y pruebas) en su investigación , asegúrese de citarlo . Para obtener toda la información de citar necesaria, haga clic en la insignia DOI al comienzo de este Readme y será redirigido automáticamente a un sitio web externo. Tenga en cuenta que actualmente estamos usando Zenodo.