deepdow

deepdow (читается как «вау») - это пакет Python, соединяющий оптимизацию портфеля и глубокое обучение. Его цель состоит в том, чтобы облегчить исследование сетей, которые выполняют распределение веса в одном прямое проход .

Установка

pip install deepdow

Ресурсы

• Начиная
• Подробная документация
• Больше примеров

Описание

deepdow пытается объединить два очень распространенных шага в оптимизации портфеля

1. Прогнозирование будущей эволюции рынка (LSTM, Garch, ...)
2. Проблема оптимизации дизайн и решение (выпуклое оптимизация, ...)

Это происходит путем построения трубопровода слоев. Последний слой выполняет распределение, а все предыдущие служат экстракторами функций. Общая сеть полностью дифференцируется , и можно оптимизировать его параметры путем алгоритмов градиентного спуска.

deepdow не ...

• Сфокусировано на активных стратегиях торговли, он находит только ассигнования, которые должны быть проведены по некоторому горизонту ( купить и удерживать )
  • Одним из последствий является то, что транзакционные издержки, связанные с частыми, краткосрочными сделками, не будут основной проблемой.
• Тем не менее, структура обучения подкрепления, можно легко повторно использовать слои deepdow в других приложениях глубокого обучения
• Вместо этого один алгоритм, это структура, которая позволяет легко экспериментировать с мощными строительными блоками

Некоторые функции

• Все слои, построенные на torch , и полностью дифференцируемые
• Интегрирует дифференцируемое выпуклое оптимизацию ( cvxpylayers )
• реализует алгоритмы распределения портфеля на основе кластеризации
• Несколько стратегий DataLoading ( RigidDataLoader , FlexibleDataLoader )
• Интеграция с mlflow и tensorboard через обратные вызовы
• Обеспечивает разнообразие потерь, такие как отношение Шарпа, максимальное просадку, ...
• простое расширение и настройка
• Поддержка процессора и графического процессора

Цитируя

Если вы используете deepdow (включая идеи, предложенные в документации, примеры и тесты) в своем исследовании , не забудьте процитировать их . Чтобы получить всю необходимую информацию, нажмите на значок DOI в начале этого Readme, и вы будете автоматически перенаправляться на внешний веб -сайт. Обратите внимание, что в настоящее время мы используем Zenodo.