Biblioteca C++ gratuita e de código aberto para finanças quantitativas, que abrange modelagem, negociação e gestão de risco.
7,7 mil+14 esta semana2,4 milC++OtherBem mantidoAtualizado ontem
goldmansachs/gs-quant
Toolkit Python da Goldman Sachs para finanças quantitativas, com recursos para precificação de derivativos, gestão de riscos e desenvolvimento de estratégias de trading.
- Estrelas
- 13,949
- Forks
- 1,937
- Issues abertas
- 97
- Último commit
- ontem
Esta página apresenta um projeto de código aberto e não constitui aconselhamento de investimento. Negociar e investir pode gerar perdas: avalie o risco por conta própria e siga as leis do seu país antes de usá-lo.
O que é?
O GS Quant é um toolkit Python para finanças quantitativas, desenvolvido por profissionais de desenvolvimento quantitativo da Goldman Sachs. Ele foi criado para desenvolver estratégias de trading e analisar produtos derivativos, e pode ser usado na estruturação de derivativos, no trading e na gestão de riscos.
Além dos fluxos de trabalho de trading e gestão de riscos, o pacote também pode servir como um conjunto de bibliotecas estatísticas para análises de dados em geral. Ele requer Python 3.10 ou mais recente e pode ser instalado com pip.
O acesso às APIs da Goldman Sachs requer um client ID e um secret, disponibilizados para clientes institucionais da Goldman Sachs. Exemplos, guias e tutoriais estão disponíveis no site Goldman Sachs Developer.
Recursos principais
- 01Ferramentas para estruturação e precificação de derivativos e análise de riscos.
- 02Suporte ao desenvolvimento e backtesting de estratégias de trading.
- 03Pacotes estatísticos que podem ser usados em análises de dados em geral.
- 04Acesso às APIs da Goldman Sachs com credenciais de cliente.
Casos de uso
- Precificar derivativos e gerenciar os riscos de carteiras.
- Criar e testar estratégias sistemáticas de trading.
- Realizar análises estatísticas em pesquisas de finanças quantitativas.
Início rápido
- 1
Verifique se o Python 3.10 ou superior e o pip estão disponíveis
- 2
Instale o pacote com o pip
pip install gs-quant - 3
Obtenha um ID de cliente e um segredo para acessar as APIs (somente para clientes institucionais)
Antes de usar
- O acesso às APIs requer um ID de cliente e um segredo, disponíveis apenas para clientes institucionais da Goldman Sachs.
Tópicos
#quantitative-finance#derivatives#risk-management#trading-strategies#finance#python#goldman-sachs#gs-quant
Perguntas frequentes
- O que é gs-quant?
- Toolkit Python da Goldman Sachs para finanças quantitativas, com recursos para precificação de derivativos, gestão de riscos e desenvolvimento de estratégias de trading. O GS Quant é um toolkit Python para finanças quantitativas, desenvolvido por profissionais de desenvolvimento quantitativo da Goldman Sachs. Ele foi criado para desenvolver estratégias de trading e analisar produtos derivativos, e pode ser usado na estruturação de derivativos, no trading e na gestão de riscos.
- gs-quant é gratuito? Qual é a licença?
- gs-quant é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- gs-quant ainda é mantido?
- Manutenção ativa. O último commit de gs-quant foi em 6 de nov. de 2026.
- Para que posso usar gs-quant?
- Precificar derivativos e gerenciar os riscos de carteiras. Criar e testar estratégias sistemáticas de trading. Realizar análises estatísticas em pesquisas de finanças quantitativas.
- Como instalar gs-quant?
- Verifique se o Python 3.10 ou superior e o pip estão disponíveis Instale o pacote com o pip: pip install gs-quant Obtenha um ID de cliente e um segredo para acessar as APIs (somente para clientes institucionais)
- Onde consigo gs-quant?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/goldmansachs/gs-quant
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Uma lista Awesome selecionada de bibliotecas, artigos, estratégias, livros, blogs e cursos sobre trading sistemático (quantitativo).
Recursos de aprendizado#algorithmic-trading#quantitative-finance#backtesting#trading-strategies#finance
15,2 mil+57 esta semana1,8 milPythonSem licençaBem mantidoAtualizado mês passado
Biblioteca Pythonic e orientada a eventos para backtesting de estratégias de trading, mantida pela comunidade como fork do Zipline, da Quantopian.
2 mil+11 esta semana346PythonApache-2.0Bem mantidoAtualizado há 5 dias
Um mecanismo de backtesting em Python para pesquisa reproduzível de portfólios, que modela sinais, ordens, execuções, custos, NAV e validação walk-forward.
Dados e análise#backtesting#quantitative-finance#portfolio-optimization#walk-forward-analysis#trading-strategies
610+157 esta semana249PythonApache-2.0Atualizado há 3 dias
Toolkit Python para pesquisa de trading que testa milhares de ideias de estratégia em diferentes ativos e períodos usando operações vetorizadas de NumPy e pandas.
9,7 mil+123 esta semana1,3 milPythonOtherAtualizado há 2 horas
Biblioteca Python para otimização de portfólios, construção de modelos de fatores e gestão de risco, baseada na API do scikit-learn.
Dados e análise#portfolio-optimization#quantitative-finance#factor-models#risk-management#scikit-learn
2,6 mil+38 esta semana304PythonBSD-3-ClauseAtualizado há 6 horas