Бесплатная библиотека с открытым исходным кодом на C++ для количественных финансов: моделирование, торговля и управление рисками.
goldmansachs/gs-quant
Python-инструментарий Goldman Sachs для количественных финансов: оценка деривативов, управление рисками и разработка торговых стратегий.
- Звёзды
- 13,932
- Форки
- 1,934
- Открытые issues
- 97
- Последний коммит
- 23 часа назад
Эта страница описывает проект с открытым кодом и не является инвестиционной рекомендацией. Торговля и инвестиции могут привести к убыткам: оцените риски самостоятельно и соблюдайте законы своей страны перед использованием.
Что это?
GS Quant — это Python-инструментарий для количественных финансов, созданный количественными разработчиками Goldman Sachs. Он предназначен для разработки торговых стратегий и анализа деривативных продуктов, а также может использоваться для структурирования деривативов, торговли ими и управления рисками.
Помимо задач, связанных с торговлей и управлением рисками, пакет можно использовать как набор статистических библиотек для анализа данных общего назначения. Для работы требуется Python 3.10 или новее; установка выполняется через pip.
Для доступа к API Goldman Sachs нужны client ID и secret — их предоставляют институциональным клиентам Goldman Sachs. Примеры, руководства и обучающие материалы размещены на сайте Goldman Sachs Developer.
Ключевые возможности
- 01Инструменты для структурирования и оценки деривативов, а также анализа рисков.
- 02Поддержка разработки и бэктестинга торговых стратегий.
- 03Статистические пакеты для анализа данных общего назначения.
- 04Доступ к API Goldman Sachs с использованием учётных данных клиента.
Сценарии использования
- Оценка деривативных портфелей и управление связанными с ними рисками.
- Создание и тестирование систематических торговых стратегий.
- Проведение статистического анализа в исследованиях по количественным финансам.
Быстрый старт
- 1
Убедитесь, что доступны Python версии 3.10 или выше и pip
- 2
Установите пакет с помощью pip
pip install gs-quant - 3
Получите идентификатор клиента и секретный ключ для доступа к API (только для институциональных клиентов)
Что важно знать
- Для доступа к API нужны идентификатор клиента и секретный ключ. Они доступны только институциональным клиентам Goldman Sachs.
Темы
Частые вопросы
- Что такое gs-quant?
- Python-инструментарий Goldman Sachs для количественных финансов: оценка деривативов, управление рисками и разработка торговых стратегий. GS Quant — это Python-инструментарий для количественных финансов, созданный количественными разработчиками Goldman Sachs. Он предназначен для разработки торговых стратегий и анализа деривативных продуктов, а также может использоваться для структурирования деривативов, торговли ими и управления рисками.
- gs-quant можно использовать бесплатно? Какая у него лицензия?
- gs-quant распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- gs-quant всё ещё поддерживается?
- Активно поддерживается. Последний коммит в gs-quant — 6 нояб. 2026 г..
- Для чего можно использовать gs-quant?
- Оценка деривативных портфелей и управление связанными с ними рисками. Создание и тестирование систематических торговых стратегий. Проведение статистического анализа в исследованиях по количественным финансам.
- Как установить gs-quant?
- Убедитесь, что доступны Python версии 3.10 или выше и pip Установите пакет с помощью pip: pip install gs-quant Получите идентификатор клиента и секретный ключ для доступа к API (только для институциональных клиентов)
- Где скачать gs-quant?
- Исходный код и инструкции по установке — на GitHub: https://github.com/goldmansachs/gs-quant
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Подборка Awesome с библиотеками, статьями, стратегиями, книгами, блогами и курсами по систематической (количественной) торговле.
Pythonic-библиотека для событийного бэктестинга торговых стратегий, поддерживаемый сообществом форк Zipline от Quantopian.
Python-движок для бэктестинга и воспроизводимых исследований портфелей: сигналы, ордера, исполнения, издержки, NAV и walk-forward-валидация.
Python-инструментарий для исследования торговых стратегий: он тестирует тысячи идей на разных активах и таймфреймах с помощью векторизованных операций NumPy и pandas.
Библиотека Python для оптимизации портфелей, построения факторных моделей и управления рисками на основе API scikit-learn.