منصوبے کے بارے میں

TF Quant Finance ایک آرکائیو شدہ، غیر دیکھ بھال شدہ Python لائبریری ہے جو TensorFlow پر بنائی گئی مقداری مالیات کے لیے ہے۔ یہ TensorFlow کی ہارڈویئر ایکسیلیریشن، خودکار تفریق، ویکٹرائزیشن، اور XLA کمپائلیشن استعمال کرنے کے لیے ڈیزائن کی گئی ہے۔ لائبریری تین درجوں میں منظم ہے: 1. بنیادی ریاضیاتی طریقے: آپٹیمائزیشن، انٹرپولیشن، روٹ فائنڈرز، لکیری الجبرا، اور بے ترتیب یا نیم بے ترتیب نمبر جنریشن۔ 2. درمیانی سطح کے طریقے: ODE اور PDE سالورز، ایک Ito عمل فریم ورک، ڈفیوژن پاتھ جنریٹرز، اور کوپولا سیمپلرز۔ 3. مقداری مالیاتی افادیت: مخصوص قیمت گزاری ماڈلز جیسے Local Volatility، Stochastic Volatility، Stochastic Local Volatility، اور Hull-White؛ ماڈل کیلیبریشن؛ ریٹ-کرو بلڈنگ؛ پے آف تفصیلات؛ اور شیڈول جنریشن۔ دستاویز شدہ روڈ میپ میں Brownian motion، geometric Brownian motion، Ornstein-Uhlenbeck، one-factor Hull-White، Heston، local volatility، quadratic local volatility، اور SABR ماڈلز بھی درج تھے، ساتھ ہی Dupire اور SABR کیلیبریشن، Hagan-West yield-curve bootstrapping، Monotone Convex interpolation، اور تاریخوں، day-count کنونشنز، اور تعطیلات کی معاونت۔ انسٹالیشن pip کے ذریعے ہے، جس کے لیے Python 3.7 اور TensorFlow 2.7 یا نیا درکار ہے۔ ریپوزٹری میں Jupyter نوٹ بک مثالیں شامل ہیں: Black-Scholes کے تحت American option pricing، Euler-scheme Monte Carlo، Black-Scholes قیمتیں اور implied volatility، forward اور backward gradients، Brent root search، آپٹیمائزیشن، swap-curve fitting، اور vectorization/XLA۔ ڈیولپمنٹ ٹیسٹوں اور کسٹم pip wheel بنانے کے لیے Bazel استعمال کرتی ہے۔ پروجیکٹ Apache 2.0 کے تحت لائسنس یافتہ ہے، جبکہ شامل Sobol primitive polynomials اور initial direction numbers BSD لائسنس استعمال کرتے ہیں۔ چونکہ ریپوزٹری آرکائیو شدہ ہے، مینٹینرز مشورہ دیتے ہیں کہ اگر مسلسل ڈیولپمنٹ درکار ہو تو اسے فورک کریں۔