Toolkit de Python para finanzas cuantitativas

• GS Quant es un toolkit de Python para acelerar el desarrollo de estrategias de trading cuantitativo y soluciones de gestión de riesgos
• Fue creado y es mantenido por desarrolladores cuantitativos de Goldman Sachs, y ayuda con el análisis de derivados y el desarrollo de estrategias de trading
• Puede usarse para estructuración de derivados, trading y gestión de riesgos, y también como un conjunto de paquetes estadísticos para análisis de datos
• El acceso a la API requiere client id y secret, que se proporcionan a los clientes institucionales de Goldman Sachs
• Los usuarios pueden instalarlo con pip install gs-quant, y la documentación adicional y los ejemplos están disponibles en Goldman Sachs Developer

---

Descripción general de GS Quant

• GS Quant es un toolkit de Python para finanzas cuantitativas
• Fue construido sobre una plataforma global de transferencia de riesgo y se desarrolló con base en 25 años de experiencia en los mercados globales
• Su objetivo es acelerar el desarrollo de estrategias de trading cuantitativo y soluciones de gestión de riesgos

Quién lo desarrolla y alcance de uso

• Los desarrolladores cuantitativos de Goldman Sachs crean y mantienen GS Quant
• Sus principales áreas de uso son las siguientes
  • Desarrollo de estrategias de trading
  • Análisis de derivados
  • Estructuración de derivados
  • Trading
  • Gestión de riesgos
• También puede usarse como un conjunto de paquetes estadísticos para aplicaciones de análisis de datos

Requisitos de acceso a la API

• Para usar la API se requiere client id y secret
• Estas credenciales se proporcionan a los clientes institucionales de Goldman Sachs
• Para más detalles, hay que consultar con un representante comercial o con Marquee Sales

Requisitos e instalación

• Requisitos

  • Python 3.9 o superior

    • Acceso al administrador de paquetes PIP
    • El comando de instalación es el siguiente

pip install gs-quant

Documentación y soporte

• La información adicional está disponible en Goldman Sachs Developer
• Los ejemplos, guías y tutoriales también pueden consultarse en la carpeta correspondiente de Goldman Sachs Developer
• Las preguntas, opiniones y comentarios pueden enviarse a [e-mail]

[GN⁺]

Opiniones en Hacker News

• También vale la pena ver OpenBB, uno de los proyectos conocidos en este campo: https://github.com/OpenBB-finance/OpenBBTerminal
  La mayoría de los proveedores de datos exigen una clave de API gratuita, porque esa es su estrategia de salida al mercado (GTM). La estructura consiste en hacer que crees una cuenta, darte una clave de API gratuita y esperar que, con el tiempo, te conviertas en cliente de pago.
  O también puedes usar “datos gratuitos” como los de yfinance, pero eso depende de proyectos que extraen activamente datos financieros de sitios web. Como los intereses de quienes mantienen la API de scraping y las empresas que poseen los datos no están alineados, muchas veces el mantenedor principal tiene que seguir actualizándola.
  Como referencia, soy uno de los principales desarrolladores que creó el proyecto OpenBB en GitHub.

  • Ya que señalaste la estrategia de salida al mercado de otros proveedores de datos, ¿puedes decir también cuál es la estrategia de salida al mercado de OpenBB?
  • ¿Hay alguna forma de salir de este dilema?
    Y también me interesa saber si existe una buena API para datos del Reino Unido.

• La única utilidad que se puede obtener de esto es, más o menos, como referencia de diseño.
  Para acceder a algo realmente útil, está detrás de la API de datos exclusiva de GS: https://developer.gs.com/docs/gsquant/authentication/gs-sess...

  • Me sorprendió bastante que no haya ejemplos reales. Hay algunos enlaces a videos, pero ¿de verdad hay que ir pausando el video y copiar el código a mano línea por línea?
  • ¿Cómo se puede estudiar ese diseño? ¿Generando, por ejemplo, diagramas de clases?

• Se ve bastante básico. En realidad, se parece más a una colección de clases de estructuras de datos comunes en finanzas, algo del nivel que esperarías como proyecto final en una materia universitaria de programación orientada a objetos.

  • Malas noticias, pero la mayor parte del código con el que uno se encuentra en la práctica está más o menos a ese nivel.
  • Veo mucho de esto en bibliotecas específicas de dominio creadas por científicos, matemáticos, etc. Es raro que alguien que no es ingeniero profesional escriba código con calidad de ingeniero profesional.
    O bien se trata de una biblioteca tremendamente popular que ha recibido mucha atención de ingenieros durante años.

• Puede que el conjunto de herramientas sea gratis, pero los datos son carísimos.

• ¿GS todavía usa su lenguaje propio, Slang, o fue migrando gradualmente hacia Python?

  • Todavía se usa muchísimo. Impulsa SecDB, que básicamente es como el sistema nervioso de toda la división de mercados.
    Definitivamente también está abierto a Python y similares, y hay tecnologías para integrar Slang de una forma más acorde al siglo XXI, pero es el tipo de sistema que cuesta imaginar que vaya a desaparecer por completo.

• En vez de simplemente criticarlo, creo que sería más interesante escuchar cómo surgió y para qué se usa realmente internamente.
  He visto casos que por fuera parecían extraños, pero que al mirarlos con más detalle tenían razones razonables. Las empresas tienen culturas y prioridades que tienen sentido desde la perspectiva de alguien de adentro, aunque desde fuera puedan verse raras.

• No haber llamado a la biblioteca vampire-squid fue una enorme oportunidad perdida.
  Por el README, parece más un material publicitario para mostrarles a los desarrolladores qué hace GS que algo pensado para ser útil externamente.

• Me pregunto por qué gs-quant/gs_quant/timeseries/statistics.py contiene una clase de modelo compartimental SIR y un modelo SEIR para propagación de enfermedades infecciosas: https://en.wikipedia.org/wiki/Compartmental_models_in_epidem...

• No tocaría nada relacionado con Goldman Sachs ni con una pértiga de 10 pies.
  https://en.wikipedia.org/wiki/Sergey_Aleynikov

• Hace un año estuve buscando una biblioteca cuantitativa, pero no vi esta. ¿Alguna otra gran empresa ha publicado una biblioteca cuantitativa, especialmente alguna relacionada con volatilidad?