معرفی شرکت ها
DeepSurrogatepin-1.7
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
Deep surrogate model for the probability of informed trading model
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | DeepSurrogatepin-1.7 |
| نام | DeepSurrogatepin |
| نسخه کتابخانه | 1.7 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Guillaume Pavé |
| ایمیل نویسنده | guillaumepave@gmail.com |
| آدرس صفحه اصلی | https://github.com/GuillaumePv/pin_surrogate_model |
| آدرس اینترنتی | https://pypi.org/project/DeepSurrogatepin/ |
| مجوز | MIT |
# Master thesis: Deep Structural estimation: with an application to market microstructure modelling
This package proposes an easy application of the master thesis: "Deep Structural estimation: with an application to market microstructure modelling"
The figure above shows the log-likelihood value of the PIN model (left) and the Deep-Surrogate (right)
## Authors
- Guillaume Pavé (HEC Lausanne,guillaumepave@gmail.com)
## Supervisors
- Simon Scheidegger (Department of Economics, HEC Lausanne, simon.scheidegger@unil.ch)
- Antoine Didisheim (Swiss Finance Institute, antoine.didisheim@unil.ch)
## Instructions
1) Download parameters of the surrogate (https://drive.google.com/drive/folders/1RTtYqOipJ-OJpveLu9Ui9NbYGvCDJtNL?usp=sharing)
2) Create a folder "model_save" and put parameters inside
3) Download training datatset "simulation_data_PIN.txt" from https://drive.google.com/file/d/1iUR-Zsd_UAo8bnZEMh5hpQ0SjYtpmtQA/view?usp=sharing
4) Create a folder "data" and put the dataset inside.
5) Now, you can use the train dataset or you could generate your own dataset (https://github.com/edwinhu/pin-code)
* Instantiate a surrogate object with: *surrogate = DeepSurrogate()*
* Use *get_derivative* to get the first derivative of the log-likelihood function's for each input:
* *surrogate.get_derivative(X)*
* Use *get_pin* to get the PIN value with the number of buy and sell trades computed thanks to the Lee and ready algorithm
* *surogate.get_pin(X) -> X should be a pandas Dataframe containing 'Buy' and "sell colmuns. Or a numpy array with the colmuns in the following order: ['buy', 'sell']
* The Input X should be a pandas DataFrame containing the name of the models parameters. Or a numpy with the columns in the order below:
* PIN | ['alpha', 'delta', 'epsilon_b', 'epsilon_s', 'mu', 'buy', 'sell']
## Parameter range
Surrogate model are defined inside some specific range of parameter. PIN model in this surrogate library have been trained inside the range defined the table below.
The surroate can not estimate PIN probability with parameters outside of this range of parameters.
| Parameter | Min | Max
| ------------- | ------------- | -------------
| a | 0 | 0.99
| δ | 0 | 0.99
| μ | 100 | 300
| ε_buy | 100 | 300
| ε_sell | 100 | 300
| # of buy trades | 55 | 700
| # of sell trades | 55 | 700
## Code example
```
from model.deepsurrogate import DeepSurrogate
from model.ml_model import NetworkModel
from model.parameters import Params
import sys
par = Params()
deepsurrogate = DeepSurrogate()
```
Now, we can use [demo.py](https://github.com/GuillaumePv/pin_surrogate_model/blob/main/demo.py) and [estimate_par_lbfgs.py.](https://github.com/GuillaumePv/pin_surrogate_model/blob/main/estimate_par_lbfgs.py)
## Contact
The Github repository is available at: https://github.com/GuillaumePv/pin_surrogate_model.
If you find a bug or would like to request a feature, please [report it with
the issue tracker.](https://github.com/GuillaumePv/pin_surrogate_model/issues) If you'd
like to contribute to StereoVision, feel free to [fork it on GitHub.](https://github.com/GuillaumePv/pin_surrogate_model)
نیازمندی
| مقدار | نام |
|---|---|
| - | numpy |
| - | pandas |
| - | tensorflow |
| - | tqdm |
| - | tensorflow-probability |
نحوه نصب
نصب پکیج whl DeepSurrogatepin-1.7:
pip install DeepSurrogatepin-1.7.whl
نصب پکیج tar.gz DeepSurrogatepin-1.7:
pip install DeepSurrogatepin-1.7.tar.gz