Forex Quantlib

QuantLib-prosjektet tar sikte på å gi et omfattende programvareramme for kvantitativ finans. QuantLib er et gratis open-source bibliotek for modellering, handel og risikostyring i virkeligheten. QuantLib er skrevet i C med en ren objektmodell, og eksporteres deretter til forskjellige språk som C, Objective Caml, Java, Perl, Python, GNU R, Ruby og Scheme. En AAD-aktivert versjon er også tilgjengelig. Reposit-prosjektet muliggjør distribusjon av objektbiblioteker til sluttbrukerplattformer og brukes til å generere QuantLibXL. et Excel-tillegg for QuantLib og QuantLibAddin. QuantLib addins for andre plattformer som LibreOffice Calc. Bindinger til andre språk og porting til Gnumeric, MatlabOctave, S-PLUSR. Mathematica. COMCORBASOAP-arkitekturer, FpML, er under vurdering. Se utvidelsessiden for detaljer. Verdsatt av kvantitative analytikere og utviklere, er det ment for akademikere og utøvere likt å fremme en sterkere samspill mellom dem. QuantLib tilbyr verktøy som er nyttige både for praktisk implementering og for avansert modellering, med funksjoner som markedskonvensjoner, avkastningskurvmodeller, solvere, PDEer, Monte Carlo (lav avviksevne inkludert), eksotiske alternativer, VAR, og så videre. Finans er et område hvor velskrevne open source-prosjekter kan gjøre en enorm forskjell: En hvilken som helst finansinstitusjon trenger en solid, tidsbesparende, operativ implementering av cutting edge prismodeller og sikringsverktøy. Men for å komme dit, er en for tiden tvunget til å oppfinne hjulet hver gang. Selv standard tiår gamle modeller, som Black-Scholes, mangler fortsatt en offentlig robust implementering. Som konsekvenser spilder mange gode kammerater sin tid på å skrive C-klasser som allerede er skrevet tusenvis av ganger. Ved å designe og bygge disse verktøyene i det åpne, vil QuantLib både oppmuntre til peer review av verktøyene selv, og demonstrere hvordan dette burde gjøres for vitenskapelig og kommersiell programvare. Dan Gezelters snakk på den første Open SourceOpen Science konferansen diskutert hvordan den vitenskapelige tradisjonen med peer review passer godt med filosofien til Open Source-bevegelsen. Åpne standarder er den eneste rette måten for vitenskap og teknologi å utvikle seg. Biblioteket kan utnyttes på tvers av forsknings - og reguleringsinstitusjoner, banker, programvarefirmaer og så videre. Å være et freeopen-kildeprosjekt, ville kuder som bidrar til biblioteket ikke trenge å starte fra begynnelsen hver gang. Studentene kunne mestre et bibliotek som faktisk brukes i den virkelige verden og bidra til det på en meningsfull måte. Dette vil potensielt plassere dem i en privilegert stilling på arbeidsmarkedet. Forskere vil ha et rammeverk for hånden, noe som reduserer mengden lavt nivåarbeid som er nødvendig for å bygge modeller, for å kunne fokusere på mer komplekse og interessante problemer. Finansielle firmaer kan utnytte QuantLib som base code andor benchmark, samtidig som de kan engasjere seg i å skape mer innovative løsninger som vil gjøre dem mer konkurransedyktige på markedet. Reguleringsinstitusjoner kan ha et verktøy for standard prissetting og risikostyringspraksis. QuantLib-lisensen er en modifisert BSD-lisens som er egnet for bruk i både fri programvare og proprietære applikasjoner, og stiller ingen begrensninger på bruken av biblioteket. Noen få selskaper har begått betydelige ressurser til utviklingen av dette biblioteket, spesielt StatPro. en ledende internasjonal risikostyringsleverandør, hvor QuantLib-prosjektet ble født. Gratis kvantitative finansressurser Velkommen til den store listen over gratis kvantitative finansressurser Ive har oppført alle gratis bøker, lysbildene, kursene, videoene og dataene som Ive fant nyttig under min quant finance karriere. Ressursene er oppdelt etter kategori og er helt gratis (eller krever gratis registrering). Jeg oppdaterer hele tiden denne siden når og når jeg finner nytt innhold på nettet, så fortsett å sjekke tilbake. Denne listen ble sist oppdatert 21. august 2013. Liste Navigasjon Hvis du har noen anbefalinger for gratis quant finance ressurser, vær så snill å mail meg på mikequantstart. Det er overraskende greit å få tak i økonomisk kvalitetsdata gratis, så lenge man er villig til å godta at det vil være begrenset til bestemt tidsperiode og instrumentdeler. Meglere gir ofte bort sine historiske økonomiske data for å lokke nye kunder. Spesielt er valutakursdata (forex) tick data tilgjengelig fra mange av kildene nedenfor. Aksjer er noe vanskeligere da de krever tilsvarende høyverdige bedriftsaksjoner for å håndtere utbytte og aksjeskift. Det er imidlertid relativt enkelt å få tak i store, utløpende USUK-aksjeinformasjon som allerede er justert tilbake på denne måten. DukasCopy - DukasCopy er en sveitsisk forex brokerECN, som gir ekstremt høy kvalitet forex tick data går tilbake til 2007 for de fleste valutapar. Dette bør være din første anløpshavn hvis du er interessert i backtesting tick-level forex strategier. EoDData - EoDData er en betalt tjeneste, men de gir et gratis nivå. De gir beleilig en betydelig liste over handlede symboler på nesten alle interesser over hele verden. Google Finance - Google Finance gir sluttdata om aksjene. Dessverre, i motsetning til Yahoo Finance, er det ikke tilbakejustert til å håndtere utbytte og aksjeskift. Dermed er det nødvendig med en egen bedriftens handlinger. Ive koblet til et eksempel på historiske data via FTSE100. Quandl - Quandl er et ambisiøst prosjekt som forsøker å gjøre alle de numeriske dataene på internett enkle å finne enkle å bruke. De gir en enorm katalog over markedsdata over flere aktivaklasser, inkludert valutaer, aksjer, futures og varer. De har en brukervennlig API og alle dataene er fritt tilgjengelige og ofte oppdatert. En ekte gullmine for kvanten Yahoo Finance - Yahoo Finance går til stedet for enkelt å laste ned end-of-day aksjer data. Den største fordelen med API-feedet er at dataene er tilbakejustert. noe som betyr at det står for utbytte og aksjeskift. Dataene er imidlertid ikke 100 høy kvalitet. Jeg har brukt YF i et produksjonsmiljø, og jeg kan bekrefte at du bør dobbeltsjekke dataene dine mot andre kilder som EoDData eller Google Finance. Ive knyttet til de historiske prisene for FTSE100 som et eksempel. Mens lærebøker, sertifikater og Masters i MFE-kurs er fortsatt den mest populære metoden for å lære økonomisk engineering, har en rekke frie tilgjengelige ressurser dukket opp på scenen de siste årene. Spesielt tilbyr Coursera nå noen fantastiske kurs på emnet. Finansiell Engineering og Risikostyring Del I - Dette var opprinnelig et enkelt kurs, men det ble bestemt å splitte i to. Dette kurset fokuserer på opsjonsprising og grunnleggende i Black-Scholes-teorien. En bemerkelsesverdig funksjon er et intervju med Emanuel Derman, den berømte kvantforfatteren. Finansiell Engineering og Risikostyring Del II - Den andre delen i to del Coursera dekker porteføljeoppbygging og risikostyring, med litt ekstra fokus på mer avanserte derivatprodukter. Introduksjon til Computational Finance og Financial Econometrics - Dette kurset, drevet av Eric Zivot fra University of Washington, er en helt fantastisk introduksjon til tidsseriemetoder og statistikk som gjelder for økonomiske data. Kurset dekker vesentlig grunn, med utgangspunkt i avkastning, grunnleggende statistikk og lineær algebra og deretter raskt dekning av mer avanserte emner i økonometri som trengs for kvantitativ finans. Matematiske metoder for kvantitativ finans - Dette kurset er utformet primært for å forberede deg til begynnende studier av kvantitativ finans ved å dekke den nødvendige kalkulatoren og lineær algebra som er nødvendig for derivatpriser og porteføljestyring. En flott måte å bygge bro over gapet fra en CompSci eller økonomi som er viktig for å forstå matematikken som trengs for QF. QuantNet - QuantNet gir betydelig veiledning i hvordan man søker om og får plass på et MFE-kurs. Forumet er også fylt med innlegg om derivatpriser og økonomisk programvareutvikling. Wilmott - Wilmott er nettsiden til Paul Wilmott, den berømte kvanten. Nettstedet inneholder et stort forum som diskuterer primært økonomi, numeriske metoder og programvareutvikling. Algoritmisk handel er også dekket, men det er ikke fokus for nettstedet. Dessverre blir Algoritmic Trading ofte bare lært mens du er på jobb eller via omhyggelig eksperimentering hjemme. Inntrengningsbarrierer pleide å være vesentlige - omfattende programvareutviklingsferdigheter, dyre maskinvare - og datafeedninger, samt mye tid og tålmodighet. I dag finnes det hele backtesting verktøy i nettleseren. brakt til oss via banebrytende oppstart som Quantopian og QuantConnect. Likeledes sprer kursene seg nå på hvordan man lærer algoritmisk handel ved hjelp av åpen kildekodeverktøy, for eksempel Pythonpandas. Ive oppført noen av disse ressursene nedenfor. Computational Investering, del I - Tucker Balch har skrevet dette kurset for å lære grunnleggende om algoritmisk handel (beregningsinvestering) ved hjelp av Python og et tilpasset bibliotek. Hvis du er helt ny i verden av dataanalyse og systematisk handel, så er dette kurset en god start. EliteTrader - EliteTrader forumene inneholder betydelige diskusjoner om alle aspekter av handel. Det er en grundig seksjon om algoritmisk handel. Selv om signal-til-støy-forholdet er omtrent sammenlignbart med andre internettfora, er det noen fantastiske tråder som diskuterer implementering av avanserte handelsalgsalg, så sørg for å jakte på dem QuantConnect - QuantConnect gir kvanter med gratis data, klyngeberegning og kapital. . Tjenesten gir en nettleser C IDE, tilgang til gratis tick-data (amerikanske aksjer og forex) og en klynge av servere for å utføre backtesting. Tjenesten gir et gratis nivå, selv om flere funksjoner er tilgjengelige på månedlig abonnement. Quantopian - Quantopian gir en Python IDE i nettleser, tilgang til minuttoppløsning amerikanske aksjedata og et sofistikert backtesting system (ZipLine, se nedenfor). Den viktigste fordelen med Quantopian er at strategier kan (eventuelt) deles og kommenteres, slik at folk kan foreslå forbedringer, hvis du er i et tidlig stadium i din kvantkarriere. Til slutt de planlegger å støtte live trading (selv om dette vil trolig være en betalt tjeneste). Ive sa det igjen og igjen på QuantStart, men det er absolutt nødvendig i dag og alder å være en god programmerer for å komme hvor som helst i kvantitativ økonomi. Ettersom programvare raskt spiser resten av verden, så er det også innblanding i finansmarkedene. Barrieren for oppføring kan nå være høyere enn 10 år siden, men da er utbredelsen av frie materialer også langt større. Programmeringssamfunnet er ekstremt sjenert ved å gi tilbake, og her er noen av de mest nyttige ressursene som vil hjelpe deg å lære å programmere på de viktigste kvantsprogene. Bayesian Methods for Hackers - Dette er en roman tilnærming til å lære hva som ofte er ganske vanskelig. Det er faktisk en interaktiv ebook, som lar deg endre koden i en IPython-leserøkt. Bayesian Methods er ekstremt viktig innen maskinlæring (og dermed kvantfinansiering) og dette introduksjonskurset overgår virkelig gapet mellom teori og applikasjon. Bygg ferdigheter i objektorientert design - De fleste bøker diskuterer objektorientering når det gjelder Dyr, Katter og Hunder. Dette er for det meste ubrukelig med utgangspunkt i å skape en faktisk programvare. Byggevner i OOD er ​​en gratis nettbok om bruk av Python for å skape en ekte, moderat kompleks objektorientert applikasjon. Datastrukturer og algoritmer med objektorienterte designmønstre i Python - Hvis du har en ren CompSci undergrad, må du kanskje måtte lære datastrukturer som du gikk med. For en mer formell introduksjon i Python (og mange andre språk også, hvis du følger lenken), vil denne gratis nettboken bygge bro mellom gapet mellom teori og applikasjon. High Performance Python - Dette er et sett med forelesningsnotater fra en EuroPython-konferanse i 2011. Foredragene diskuterer profiling, PyPy, CPython, Cython og PyCUDA som et middel til å optimalisere Python-programmene. Nødvendig for den prestasjons-sultne kvanten Lær Python på den harde veien - Zed Shaws berømte bok er faktisk designet for nybegynnerprogrammeren, til tross for den merkelige tittelen. Det er en fin måte å begynne å lære Python på, og det dekker egentlig alt det en nybegynner trenger for å vet. Best av alt, sin gratis Natural Language Processing med Python - Visse kvantitative finansieringsapplikasjoner som sentimentanalyse gjør stor bruk av NLP-algoritmer (Natural Language Processing). Dette er den gratis webversjonen av OReilly-boken, som omhandler Natural Language ToolKit (NLTK) - pakken for Python og hvordan man bruker den til applikasjoner i NLP. Tenk Python - Allen Downey har skapt en flott bok, opprinnelig utgitt av OReilly, om hvordan du lærer Python fra grunnen opp. Den dekker alle hovedkomponentene i språket og gir mange kodeeksempler. Det oppgitte målet er å hjelpe deg med å tenke som en datavitenskapsmann, og jeg vil si at boken gjør en god jobb med å oppnå det. Tenk Stats - Allen Downey har tatt et stort fagområde (statistikk) og destillert det ned i nøkkelkomponentene for å gi en mer anvendt tilnærming til læring, via Python-språket. Sannsynlighet, distribusjoner, hypotesetesting, estimering og korrelasjon er alle dekket. Hvis du foretrekker å lære å gjøre, så er denne gratis boken definitivt for deg. Computing for Data Analysis - Roger Peng driver et kurs designet for å hjelpe deg med å lære R og deretter bruke den kunnskapen til dataanalyseproblemer. For mange begynnelseskvitteringer vil dette gi deg noen gode leksjoner om hvordan du skal håndtere rotete dataimportering og gjøre bruk av ikke-tradisjonelle datakilder for å hjelpe deg med din økonomiske modellering. DataMind - DataMind er en ny tjeneste (fortsatt i beta-modus) som er utviklet for å hjelpe deg med å lære R-språket interaktivt. For tiden er det noen nybegynner leksjoner, men flere blir lagt til hele tiden. Gratis open soure software (FOSS) kan nå bli funnet i nesten alle investeringsbanker og kvantitative hedgefond. Ikke bare koster det deg ingenting å prøve ut, men du kan endre kildekoden som du synes passer for å passe til det aktuelle programmet. Du kan nå enkelt bygge et helt alternativ prissetting eller algoritmisk handelssystem ut av FOSS. Her er noen av verktøyene jeg bruker daglig i mitt eget arbeid, som jeg anbefaler. Boost - Boost-bibliotekene begynner der C-standardbiblioteker slutter. Faktisk ble mange av de originale Boost-komponentene lagt til C11-standarden. Men hvis du fortsatt er begrenset til C03, kommer Boost med moduler for regulære uttrykk (regexes), smarte pekere, lambdas, threading, statistiske distribusjoner og mye mer. Django - Django er et webramme skrevet i Python. Faktisk er QuantStart en Django-basert nettside Da jeg var en Quant Dev i et fond, brukte jeg det til alle våre nettbaserte rapporteringsverktøy. Den har et betydelig samfunn bak seg og følger med batterier som er inkludert for å hjelpe deg raskt igang. Eigen - Eigen gir et sett med C-hoder for numerisk lineær algebra (NLA). Det er ment som en konkurrent til uBLAS. Jeg finner API ekstremt uttrykksfulle og minimal kode er vanligvis nødvendig for å utføre vanlige operasjoner. Hvis du vil finne ut mer om det, sjekk ut artikkelen min om å bruke den til matrisalgebra. HDF5 - HDF5 er et vitenskapelig filsystem datastore. Som quants er vi først og fremst interessert i det som det vanligvis brukes til å lagre tick-data. Når det integreres med PyTables og pandas, i Python-økosystemet, gjør det det enklere å retusjere høyvolumstrategier. MySQL - MySQL er et open-source relasjonsdatabasebehandlingssystem (RDBMS). Jeg har brukt den i høye finansielle produksjonsmiljøer, og jeg kan bevise at den kan holde seg selv i krevende applikasjoner. Det er et godt valg for å skape en endring av verdipapirmesteren. pandaer - Wes McKinney opprettet pandas for å gi uttrykksevnen til R i det Python-vitenskapelige økosystemet. Det er nå de facto dataanalysepakken for Python. Når det kombineres med IPython og HDF5, er det et ekstremt nyttig interaktivt forskningsmiljø. R - R er et interaktivt statistisk språk med åpen kildekode med omfattende pakkestøtte og grafiske evner. R finnes ofte i noen av de beste kvantitative hedgefondene som går til det første forskningsverktøyet. QuantLib - QuantLib er et svært modent derivatprisbibliotek skrevet i C. Selv om det er noe komplekst, har det støtte for mange derivattyper. Et betydelig antall investeringsbanker og midler benytter QuantLib i produksjonsinnstillinger. scikit-learn - scikit-learn er en relativt ny Python-pakke som omfatter en rekke maskinlæringsalgoritmer, innpakket i et ekspressivt grensesnitt med en svært effektiv implementering (ved hjelp av NumPySciPy under). Sammen med IPython og pandas, muliggjør det rask forskning og utvikling av finansielle handelsstrategier. Ubuntu Server - Ubuntu Server er en av de mest populære produksjonen Linux-distribusjoner for finansielle applikasjoner. Jeg har brukt det helt siden det kom ut (som viser min alder), og det har gått fra styrke til styrke. Den er svært robust, veldig sikker og basert på Linux-kernen, kan modifiseres etter ønske, slik at den passer til din applikasjon. ZipLine - ZipLine er et open source algoritmisk trading backtesting verktøy, utviklet av og brukt som motor i Quantopian tjenesten. Det bør være din første anløpshavn for å begynne utviklingen av et algoritmisk handelssystem hvis du vil bruke en Python-stabel. Vennligst send meg noen forslag til gratis kvantbøker, blogger, fora, kurs, videoer eller lysbilder du har lest som har hjulpet deg på veien. Jeg er alltid villig til å legge til mer i denne listen. Du kan kontakte meg ved å sende en e-post til mikequantstart. Bare Kom i gang med kvantitativ handel Her er noen forslag. Søk Amazon (eller din favoritt bokhandler) for bøker om C-kvantitativ finans. Jeg fant flere titler som ser lovende ut. Jeg dro til SourceForge (søkte på Trading Systems) og så flere lovende systemer som kan gi deg et ben i drawdown, MAE, etc. Jeg bruker TradeStation 9.0 for å sammenligne ulike handelsstrategier. Det vil gi MAEMFE grafer, kurver for handelskapital og rangstrategier basert på maksimal drawdown. Men vær sikker på at du leser Trading Systems That Work: Building and Evaluating Effective Trading Systems av Thomas Stridsman for en passende kritikk av TradeStations genererte rapporter. svarte 1. april kl. 15:51 OP-prosjektet ønsket quotsome av funksjonene som ville bli brukt til å utvikle en handelsstrategi. Selv om jeg ikke kan sitere noen bevis i støtte, er jeg ganske sikker på at verktøyene i teknisk analyse kan brukes til utvikling slike strategier. Om TAlib er skrevet i C eller C, vel, jeg står korrigert. ndash babelproofreader Apr 3 11 at 14:37Computer Generated Trading Strategies Platform Eksporter strategiene dine til MetaTrader4, NinjaTrader eller Tradestation med full kildekode Forbedre eksisterende strategier ved å endre handelsreglene Optimaliser strategien din ved å bruke Walk-Forward optimalisering I StrategyQuant trenger du ikke å definere handelsregler for ditt nye handelssystem. Det bruker maskininnlæringsteknikker for å generere nye, unike handelsstrategier. Ingen programmerings - eller handelsvitenskap er nødvendig. Det er i stand til å skape strategier som du som handelsmann ikke ville tenke på, og det er i stand til å gjøre det raskt og teste genererte strategier med en gang. StrategyQuant kan generere deg hundrevis av nye handelsstrategier - hver unike, backtested på flere datatimegrammer for å sikre maksimal robusthet. De resulterende strategiene kan lagres som en Tradestation-strategi i EasyLanguage, NinjaTrader C-strategi eller MetaTrader 4 Expert Advisor med fullstendig kildekode. Robust backtesting og strategianalyse StrategyQuant inneholder de mest komplekse strategiske resultatanalysene på markedet. Den inneholder flere kraftige verktøy som lar deg teste din strategi for robusthet for å unngå kurvepassing og overoptimalisering, inkludert Monte Carlo, Walk-Forward-analyse og 3D-diagrammer. Støttede plattformer StrategyQuant genererer handelsstrategier som kan brukes på følgende handelsplattformer: Favoritt handelsplattform for forex og CFDs Utvalgte handelsplattform for futures, aksjer, ETFs, varer Hvordan virker det akkurat? Vi sier at du vil opprette en ny handelsstrategi for EURUSD: Du velger EURUSD-datakilden, velger tidsramme og tidsintervall. Definer hvilke blokker strategien bør bestå av (indikatorer, prisdata, operatører, etc.). Definer hva som skal være parametrene for den resulterende strategien - for eksempel, Total Net Profit må være over 5000, Drawdown må være lavere enn 20, ReturnDD ratio må være over 4, den må produsere minst 300 bransjer. Deretter klikker du Start-knappen og StrategyQuant vil gjøre jobben. Det vil tilfeldig generere nye handelsstrategier ved hjelp av byggeklosser du har valgt, tester dem med en gang, og lagrer de som passer dine krav til din vurdering. Du kan deretter gjennomgå de nylig genererte strategiene, utføre adda-tester eller eksportere dem som MetaTrader4 EAs. det er et fantastisk stykke programvare jeg kjøpte StrategyQuant i desember 2011, og har brukt det daglig siden da, bare sett - det er et fantastisk stykke programvare. Så langt har jeg opprettet flere EAer som fungerer veldig bra på backtest, så mye, så jeg har lagt dem til livekontiene mine. Tidligere ble jeg skuffet over kommersielle EA-resultater, og til denne dag er jeg overbevist om at når en lønnsom kommersiell EA er utgitt, finner meglerne raskt en måte å nøytralisere den til slutt ved hjelp av MT4-meglerens plugins. Med GB kan jeg automatisk utvikle og teste handelsstrategier som ingen (spesielt megler) i verden vet om, eller bruker og profitterer fra dem. Støtte for produktet er også utmerket med et medlemsforum, detaljerte instruksjoner og nye versjonsutgivelser. Jeg gratulerer Mark og teamet på StrategyQuant for denne spillskiftende programvaren. mange takk igjen - Neil Rickaby Start Utvikle dine egne automatiserte handelssystemer Vi vet alle hvor vanskelig det er å finne en lønnsom handelsstrategi som kan handles mekanisk. Med StrategyQuant kan du designe dine egne automatiserte handelssystemer. I stedet for å kjøpe EAer utviklet av noen andre, kan du bare generere dine egne. Du kan til og med generere en portefølje av forskjellige EAer for å handle på forskjellige par. Tilnærmingen som brukes i StrategyQuant er fremtiden for automatisk handel, og StrategyQuant er det beste og mest komplekse verktøyet tilgjengelig for valutahandlere. StrategyQuant v. 3.8 Lifetime lisens med alle fremtidige oppgraderinger gratis Mulighet for å generere ubegrenset antall handelsstrategier Enkel eksport til MT4 EA, NinjaTrader C eller Tradestation EasyLanguage Tilgang til privat fellesskap forum