pymc-markets

Par mkurman · zorai

Inférence bayésienne pour les marchés financiers avec PyMC. Modèles de volatilité stochastique, changement de régime, optimisation bayésienne de portefeuille, modèles factoriels et Monte Carlo par chaînes de Markov pour l'estimation du risque.

npx skills add https://github.com/mkurman/zorai --skill pymc-markets

Aperçu

PyMC fournit l'inférence bayésienne pour la modélisation financière : volatilité stochastique, changements de régime, optimisation bayésienne de portefeuille, modèles factoriels et estimation du risque MCMC utilisant l'échantillonneur NUTS. ArviZ fournit des diagnostics et des visualisations.

Installation

uv pip install pymc arviz

Modèle de volatilité stochastique

import pymc as pm
import numpy as np
import arviz as az

# Simulated daily returns
returns = np.random.randn(500) * 0.02

with pm.Model() as sv_model:
    sigma = pm.InverseGamma("sigma", alpha=2, beta=1)
    log_vol = pm.GaussianRandomWalk("log_vol", sigma=sigma, shape=len(returns))
    obs = pm.Normal("returns", mu=0, sigma=pm.math.exp(log_vol / 2), observed=returns)
    trace = pm.sample(1000, tune=1000, chains=4)

print(az.summary(trace, var_names=["sigma"]))
az.plot_trace(trace)