community/sigs/mindquantfinance

• 加入昇思MindSpore量化金融 SIG，加速金融衍生品定价求解
• 量化金融SIG的使命
• • · 构建量化金融经典模型
  • · AI结合量化金融问题研究
  • · 联合共建MindSpore“量化金融套件”
• 量化金融 SIG工作计划
• • 初期
  • 中期：
  • 后期：
• 量化金融 SIG 学习指南
• • · 前期基础：
  • · 进阶路线：
• 量化金融SIG构成
• • 领衔成员：
  • 小组成员：

加入昇思MindSpore量化金融 SIG，加速金融衍生品定价求解

量化金融（Quantative Finance）结合数学模型和金融模型，再加之计算机编程，以此来进行金融市场和交易的量化分析。量化金融将数学、统计学、计算机科学和金融学融合在一起，是典型的交叉学科。金融衍生品定价是量化金融领域应用最多的一种场景。金融衍生品为一种特殊类别买卖的金融商品统称，主要有期货、期权、远期合约、掉期交易及差价合约等。金融衍生品定价是一种计算密集型应用，其主要思想是在计算机硬件和软件的支持下求解SDE（Stochastic Differential Equation）或PDE（Partial Differential Equation）。常用的求解方法包括蒙特卡洛模拟、有限差分以及神经网络等。在此背景下，昇思MindSpore量化金融专项兴趣小组（简称：量化金融 SIG）正式成立，并面向开源社区招募志同道合的伙伴。

量化金融SIG的使命

金融衍生品是现代金融市场必不可少的避险工具。20世纪90年代以来，我国场内外衍生品市场快速发展，在全球占据重要地位，在经济金融中发挥了重要的作用。其中，衍生产品定价问题则是金融衍生市场保持健康性的一个重大课题。在如今人工智能快速发展与金融市场不断趋于高频化的背景下，结合合理有效的模型和方法，利用AI和计算机硬件资源，推陈出新，打造适合现代理论和科学技术的量化金融库是有意义的。量化金融SIG意在结合现代科学技术和衍生金融工具理论，对衍生产品进行合理定价解决金融衍生品定价问题，小组主要开展了如下几个方向的工作：

· 构建量化金融经典模型

结合MindSpore框架，构建统一的量化金融定价模型，建立BlackScholes、Heston、CIR等经典模型，面向短期利率、期限结构等不同场景，期权、债券、互换等各种衍生工具，结合相关模型，提供统一的接口，方便模型的使用和迁移。

· AI结合量化金融问题研究

结合MindSpore框架和PINN，Forward Backward SDE， Neural SDE等神经网络模型，帮助解决传统定价模型高维求解困难的痛点，利用MindSpore提供的深度学习功能，进行AI+量化金融的研究，构建创意高效的现代定价工具。

· 联合共建MindSpore“量化金融套件”

基于全场景AI框架昇思MindSpore，实现一系列量化金融模型的求解器，目标典型产业领域需求。使得量化金融行业可以充分利用GPU、昇腾等现代加速器提供的先进算力，加速传统模型和模拟方法，打造高效率的量化金融套件。量化金融套件包括利率、金融时间序列、优化求解器以及基础数学库，提供一整套数据收集、处理、建模以及应用的流程，形成“端到端”的量化金融问题解决方案。

量化金融 SIG工作计划

初期

以成员学术交流活动为主，每月组织线上交流活动，围绕衍生品量化中涉及的科学计算模拟、微分方程求解等问题，介绍研究工作进展，讨论研究工作中的难点。

中期：

通过合作开发等模式，在国内高校及企业间开展量化金融合作研究。

后期：

通过任务揭榜或比赛PK等模式，在全球范围内开展量化金融合作研究。

量化金融 SIG 学习指南

· 前期基础：

需要成员对衍生品定价的基本理论有所掌握，有一定数学、统计学基础，了解量化金融的数学模型并且能够动手复现，具备一定的文献阅读能力和代码开发能力。

· 进阶路线：

1.了解金融市场基本常识，和期权等金融衍生工具，套利以及定价等相关知识。

2.按照模型复杂程度的顺序逐步学习量化金融经典模型。

3.动手实践，利用现实数据进行相关金融分析。

量化金融SIG构成

领衔成员：

鲁蔚征 ，中国人民大学校级计算中心工程师，参与科技部国家重点研发项目，主持参与华为、新华三等企业项目多项。多篇研究成果发表在顶级学术会议期刊，另有独作专著1本。

小组成员：

成员：严兴，中国人民大学助理教授

成员：Harry Liu, 华为昇思MindSpore工程师

成员：杨楠, 中国人民大学博士在读

成员：袁承博，武汉大学本科在读

成员：贾耀博，北京航空航天大学本科在读

成员：刘彭博，青海大学本科在读