GS Quant 实战量化策略回测与投资组合风险一条链路跑通【免费下载链接】gs-quantPython toolkit for quantitative finance项目地址: https://gitcode.com/GitHub_Trending/gs/gs-quant周一九点手上一篮子利率期权要交日度风险数。打开 notebook几行 GS Quant 代码把持仓喂进去指标立刻出来。这篇文章就沿着这个任务把量化策略分析和风控从头走到尾。 痛点数据拼装和指标口径吃掉你半天写策略之前最费时间的其实不是策略本身。第一件是喂数据持仓散在 Excel 里标的代码五花八门行情还得按品种一个个拉清洗完才敢动手。第二件是口径。夏普比率风险调整后的收益越高越好、最大回撤历史最大亏损幅度这些指标每家的算法略有出入两个数对不上时没人说得清谁错了。 定位高盛把生产级风险平台搬进了 notebookGS Quant 是高盛开源的 Python 量化金融工具包底座是支撑其生产环境的风险计算平台吸收了高盛团队多年跨利率、外汇、股指、信用的建模经验。对新手最实在的一点持仓、回测、风险共用一套引擎指标口径天然一致不用自己拼管道。 工作流动线从持仓到风控的三站1. 把持仓和市场数据接进来持仓用 Portfolio 装每笔交易是一个标准合约对象——一个 swaption 就是一行 IRSwaption 参数。行情和曲面不用你管PricingContext 负责对接数据后端本地调试时开allow_stale_prices容忍过期价格秒出结果。2. 策略写成触发器回测怎么跑策略不是一堆 if-else而是一组 Trigger什么日期、什么指标到什么水平就触发什么动作。组装好 Backtest 对象后交给GsBacktestApi.create_backtest()回测在服务端执行get_results()取回每日损益与组合轨迹回测里带的风险数和实盘同一口径。3. 风险指标一次算齐日常风控只需一行calc()把要算的 measure 打包传进去返回按合约对齐的结果表。VaR 计算极端行情下可能亏多少与 Delta 类指标都统一注册在gs_quant/target/measures.py换个名字就能换口径。 最小上手示例8 行代码算出投资组合风险import gs_quant.risk as risk from gs_quant.common import PayReceive from gs_quant.instrument import IRSwaption from gs_quant.markets.portfolio import Portfolio p Portfolio([IRSwaption(1Y5Y 15DEC25, USD Libor 6M, PayReceive.Receive), IRSwaption(1Y5Y 15DEC25, USD Libor 6M, PayReceive.Receive)]) print(p.calc((risk.DollarPrice, risk.IRDelta)).result())calc()返回一个 Futureresult()阻塞到算完。打印出来是每行一个合约、每列一个指标的表想加 VaR 或希腊字母改元组里的名字就行。上图这类产出——指标与图表一次生成、而非手工拼装——正是它想替你省掉的部分。️ 避坑与进阶三个高频问答Q本地调试算一次要半天用PricingContext(allow_stale_pricesTrue)容忍过期行情调试期够用对外报数前再用最新行情跑一遍。Q回测的风险数和实盘对不上别另写一套算法。Strategy 的 triggers 里声明的 risks 就是回测口径和calc()走同一引擎对不上多半是场景日期没对齐。Q压力测试怎么做gs_quant/risk/下有现成场景对象CurveScenario 挪利率曲面MarketDataScenario 冲击行情calc 时传入即可复用整套 measure。 更多入口按图索骥gs_quant/markets/ — Portfolio、PricingContext组合与定价上下文gs_quant/backtests/ — Backtest、Strategy 与 triggers量化策略回测gs_quant/timeseries/ — 时间序列分析夏普比率、最大回撤、移动平均gs_quant/risk/ — 风险 measure 与压力场景官方教程gs_quant/documentation/03_portfolios/tutorials/Portfolios.ipynb工具不挑策略口径才挑人。挑一个手上最小的组合把上面 8 行代码跑通指标对上了再谈优化。【免费下载链接】gs-quantPython toolkit for quantitative finance项目地址: https://gitcode.com/GitHub_Trending/gs/gs-quant创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
GS Quant 实战：量化策略回测与投资组合风险，一条链路跑通
GS Quant 实战量化策略回测与投资组合风险一条链路跑通【免费下载链接】gs-quantPython toolkit for quantitative finance项目地址: https://gitcode.com/GitHub_Trending/gs/gs-quant周一九点手上一篮子利率期权要交日度风险数。打开 notebook几行 GS Quant 代码把持仓喂进去指标立刻出来。这篇文章就沿着这个任务把量化策略分析和风控从头走到尾。 痛点数据拼装和指标口径吃掉你半天写策略之前最费时间的其实不是策略本身。第一件是喂数据持仓散在 Excel 里标的代码五花八门行情还得按品种一个个拉清洗完才敢动手。第二件是口径。夏普比率风险调整后的收益越高越好、最大回撤历史最大亏损幅度这些指标每家的算法略有出入两个数对不上时没人说得清谁错了。 定位高盛把生产级风险平台搬进了 notebookGS Quant 是高盛开源的 Python 量化金融工具包底座是支撑其生产环境的风险计算平台吸收了高盛团队多年跨利率、外汇、股指、信用的建模经验。对新手最实在的一点持仓、回测、风险共用一套引擎指标口径天然一致不用自己拼管道。 工作流动线从持仓到风控的三站1. 把持仓和市场数据接进来持仓用 Portfolio 装每笔交易是一个标准合约对象——一个 swaption 就是一行 IRSwaption 参数。行情和曲面不用你管PricingContext 负责对接数据后端本地调试时开allow_stale_prices容忍过期价格秒出结果。2. 策略写成触发器回测怎么跑策略不是一堆 if-else而是一组 Trigger什么日期、什么指标到什么水平就触发什么动作。组装好 Backtest 对象后交给GsBacktestApi.create_backtest()回测在服务端执行get_results()取回每日损益与组合轨迹回测里带的风险数和实盘同一口径。3. 风险指标一次算齐日常风控只需一行calc()把要算的 measure 打包传进去返回按合约对齐的结果表。VaR 计算极端行情下可能亏多少与 Delta 类指标都统一注册在gs_quant/target/measures.py换个名字就能换口径。 最小上手示例8 行代码算出投资组合风险import gs_quant.risk as risk from gs_quant.common import PayReceive from gs_quant.instrument import IRSwaption from gs_quant.markets.portfolio import Portfolio p Portfolio([IRSwaption(1Y5Y 15DEC25, USD Libor 6M, PayReceive.Receive), IRSwaption(1Y5Y 15DEC25, USD Libor 6M, PayReceive.Receive)]) print(p.calc((risk.DollarPrice, risk.IRDelta)).result())calc()返回一个 Futureresult()阻塞到算完。打印出来是每行一个合约、每列一个指标的表想加 VaR 或希腊字母改元组里的名字就行。上图这类产出——指标与图表一次生成、而非手工拼装——正是它想替你省掉的部分。️ 避坑与进阶三个高频问答Q本地调试算一次要半天用PricingContext(allow_stale_pricesTrue)容忍过期行情调试期够用对外报数前再用最新行情跑一遍。Q回测的风险数和实盘对不上别另写一套算法。Strategy 的 triggers 里声明的 risks 就是回测口径和calc()走同一引擎对不上多半是场景日期没对齐。Q压力测试怎么做gs_quant/risk/下有现成场景对象CurveScenario 挪利率曲面MarketDataScenario 冲击行情calc 时传入即可复用整套 measure。 更多入口按图索骥gs_quant/markets/ — Portfolio、PricingContext组合与定价上下文gs_quant/backtests/ — Backtest、Strategy 与 triggers量化策略回测gs_quant/timeseries/ — 时间序列分析夏普比率、最大回撤、移动平均gs_quant/risk/ — 风险 measure 与压力场景官方教程gs_quant/documentation/03_portfolios/tutorials/Portfolios.ipynb工具不挑策略口径才挑人。挑一个手上最小的组合把上面 8 行代码跑通指标对上了再谈优化。【免费下载链接】gs-quantPython toolkit for quantitative finance项目地址: https://gitcode.com/GitHub_Trending/gs/gs-quant创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
