Toolkit Python para finanças quantitativas

• GS Quant é um toolkit Python para acelerar o desenvolvimento de estratégias de trading quantitativo e soluções de gestão de risco
• Criado e mantido pelos desenvolvedores quantitativos da Goldman Sachs, ele oferece suporte à análise de derivativos e ao desenvolvimento de estratégias de trading
• Pode ser usado para estruturação de derivativos, trading e gestão de risco, e também como um conjunto de pacotes estatísticos para análise de dados
• O acesso à API requer client id e secret, fornecidos a clientes institucionais da Goldman Sachs
• Os usuários podem instalar com pip install gs-quant, e documentação e exemplos adicionais estão disponíveis no Goldman Sachs Developer

---

Visão geral do GS Quant

• GS Quant é um toolkit Python para finanças quantitativas
• Foi criado sobre uma plataforma global de transferência de risco e se baseia em 25 anos de experiência em mercados globais
• Seu objetivo é acelerar o desenvolvimento de estratégias de trading quantitativo e soluções de gestão de risco

Quem desenvolve e escopo de uso

• Os desenvolvedores quantitativos da Goldman Sachs criam e mantêm o GS Quant
• As principais áreas de uso são:
  • Desenvolvimento de estratégias de trading
  • Análise de derivativos
  • Estruturação de derivativos
  • Trading
  • Gestão de risco
• Também pode ser usado como um conjunto de pacotes estatísticos para aplicações de análise de dados

Condições de acesso à API

• Para usar a API, é necessário ter client id e secret
• Essas credenciais são fornecidas a clientes institucionais da Goldman Sachs
• Para mais detalhes, é preciso consultar o representante comercial ou a Marquee Sales

Requisitos e instalação

• Requisitos

  • Python 3.9 ou superior

    • Acesso ao gerenciador de pacotes PIP
    • O comando de instalação é o seguinte

pip install gs-quant

Documentação e suporte

• Mais informações estão disponíveis no Goldman Sachs Developer
• Exemplos, guias e tutoriais também podem ser encontrados nas pastas relacionadas do Goldman Sachs Developer
• Dúvidas, comentários e feedback podem ser enviados para [e-mail]

[GN⁺]

Opiniões no Hacker News

• OpenBB, um dos projetos bem conhecidos nessa área, também vale conferir: https://github.com/OpenBB-finance/OpenBBTerminal
  A maioria dos provedores de dados exige uma chave de API gratuita, porque essa é a estratégia de go-to-market (GTM) deles. O modelo é fazer você criar uma conta, fornecer uma chave de API gratuita e, com o tempo, esperar uma conversão para o plano pago.
  Ou você também pode usar “dados gratuitos”, como os do yfinance, mas isso depende de projetos que fazem scraping ativo de dados financeiros em sites. Como os interesses de quem mantém a API de scraping e das empresas que detêm os dados não estão alinhados, muitas vezes o mantenedor principal precisa continuar atualizando tudo.
  Como observação, eu sou o principal desenvolvedor que criou o projeto OpenBB no GitHub.

  • Já que você apontou a estratégia de go-to-market de outros provedores de dados, pode dizer qual é a estratégia de go-to-market da OpenBB?
  • Existe alguma forma de escapar desse dilema?
    E também gostaria de saber se há alguma API boa para dados do Reino Unido.

• A única utilidade que dá para tirar daqui é algo como referência de design.
  Para acessar algo realmente útil, está por trás da API de dados exclusiva da GS: https://developer.gs.com/docs/gsquant/authentication/gs-sess...

  • Fiquei bem surpreso por não haver exemplos reais. Há alguns links de vídeo, mas a ideia é mesmo pausar o vídeo e copiar o código linha por linha à mão?
  • Como estudar esse design? Seria algo como gerar um diagrama de classes?

• Parece um nível bastante básico. Na prática, está mais para uma coleção de classes de estruturas de dados comumente usadas em finanças, algo que se esperaria como projeto final de uma disciplina de programação orientada a objetos na graduação.

  • Má notícia, mas a maior parte do código que você encontra de fato está nesse nível.
  • Vejo muito disso em bibliotecas específicas de domínio criadas por cientistas, matemáticos etc. É raro alguém que não seja engenheiro profissional escrever código com qualidade de engenheiro profissional.
    A outra possibilidade é ser uma biblioteca extremamente popular que recebeu muita atenção de engenheiros ao longo de anos.

• O conjunto de ferramentas pode até ser gratuito, mas os dados são muito caros.

• A GS ainda usa sua linguagem própria, Slang, ou migrou gradualmente para Python?

  • Ainda é usada muito amplamente. Ela alimenta o SecDB, que, na prática, é como o sistema nervoso de toda a divisão de mercados.
    Com certeza há abertura também para Python e outras linguagens, e existem tecnologias para integrar o Slang ao século 21, mas é o tipo de sistema que é difícil imaginar desaparecendo completamente.

• Em vez de simplesmente criticar, acho que seria mais interessante ouvir como isso surgiu e para que é realmente usado internamente.
  Já vi casos que pareciam estranhos à primeira vista, mas que, ao olhar mais de perto, tinham motivos razoáveis. Empresas têm culturas e prioridades que fazem sentido do ponto de vista de quem está dentro, mas podem parecer estranhas do lado de fora.

• Não dar à biblioteca o nome vampire-squid foi uma enorme oportunidade perdida.
  Pelo README, parece mais uma peça publicitária para mostrar aos desenvolvedores o que a GS faz do que algo pensado para ser útil externamente.

• Fico curioso para saber por que há uma classe de modelo compartimental SIR e um modelo SEIR para propagação de doenças infecciosas em gs-quant/gs_quant/timeseries/statistics.py: https://en.wikipedia.org/wiki/Compartmental_models_in_epidem...

• Não quero tocar em nada relacionado ao Goldman Sachs nem com uma vara de 10 pés.
  https://en.wikipedia.org/wiki/Sergey_Aleynikov

• Há 1 ano, procurei bibliotecas quant e não vi esta. Há outras grandes empresas que tenham publicado bibliotecas quant, especialmente bibliotecas relacionadas a volatilidade?