deepdow

deepdow (lido como "Wow") é um pacote Python que conecta otimização do portfólio e aprendizado profundo. Seu objetivo é facilitar a pesquisa de redes que realizam a alocação de peso em um passe para a frente .

Instalação

pip install deepdow

Recursos

• Começando
• Documentação detalhada
• Mais exemplos

Descrição

deepdow tenta mesclar duas etapas muito comuns na otimização do portfólio

1. Previsão da evolução futura do mercado (LSTM, Garch, ...)
2. Otimização Design de problemas e solução (otimização convexa, ...)

Faz isso construindo um pipeline de camadas. A última camada executa a alocação e todos os anteriores servem como extratores de recursos. A rede geral é totalmente diferenciável e pode otimizar seus parâmetros por algoritmos de descida de gradiente.

deepdow não é ...

• Focado em estratégias de negociação ativa, ele apenas encontra alocações a serem mantidas sobre algum horizonte ( compra e segure )
  • Uma implicação é que os custos de transação associados a negociações frequentes e de curto prazo não serão uma preocupação primária
• Uma estrutura de aprendizado de reforço, no entanto, pode -se reutilizar facilmente camadas deepdow em outros aplicativos de aprendizado profundo
• Um único algoritmo, em vez disso, é uma estrutura que permite fácil experimentação com poderosos blocos de construção

Alguns recursos

• Todas as camadas construídas na torch e totalmente diferenciáveis
• Integra a otimização convexa diferenciável ( cvxpylayers )
• implementos algoritmos de alocação de portfólio baseados em agrupamentos
• Múltiplas estratégias de dados de dados ( RigidDataLoader , FlexibleDataLoader )
• Integração com mlflow e tensorboard através de retornos de chamada
• Fornece variedade de perdas como a proporção de Sharpe, arrancada máxima, ...
• Simples de estender e personalizar
• Suporte de CPU e GPU

Citando

Se você usar deepdow (incluindo idéias propostas na documentação, exemplos e testes) em sua pesquisa , certifique -se de citar . Para obter todas as informações necessárias para citar, clique no crachá do DOI no início deste ReadMe e você será redirecionado automaticamente para um site externo. Observe que estamos atualmente usando o Zenodo.