न्यूरल नेटवर्क जोखिम प्रबंधन

Python में Quantitative Risk Management

Jamsheed Shorish

Computational Economist

रियल-टाइम पोर्टफोलियो अपडेटिंग

जोखिम प्रबंधन
- परिभाषित जोखिम माप (VaR, CVaR)
- अनुमानित जोखिम माप (parametric, historical, Monte Carlo)
- ऑप्टिमाइज़्ड पोर्टफोलियो (जैसे Modern Portfolio Theory)
_नई_ मार्केट जानकारी => अपडेट पोर्टफोलियो वेट्स
- समस्या: पोर्टफोलियो ऑप्टिमाइज़ेशन महंगा
- समाधान: $\text{weights} = f(\text{prices})$
- रियल-टाइम में $f$ को evaluate करें
- $f$ को कभी-कभी ही update करें

न्यूरल नेटवर्क्स

न्यूरल नेटवर्क: $\text{output} = f(\text{input})$
- न्यूरॉन: फंक्शन में इंटरकनेक्टेड प्रोसेसिंग नोड
शुरुआत 1940s–1950s में हुई
Early 2000s: "big data" पर न्यूरल नेटवर्क के एप्लिकेशन
- इमेज रिकग्निशन, प्रोसेसिंग
- फाइनेंशियल डेटा
- सर्च इंजन डेटा
डीप लर्निंग: Machine Learning का हिस्सा के रूप में न्यूरल नेटवर्क
- 2015: Google ने Python के लिए ओपन-सोर्स TensorFlow डीप लर्निंग लाइब्रेरी जारी की

न्यूरल नेटवर्क संरचना

लेयर्स: कनेक्टेड प्रोसेसिंग न्यूरॉन्स
- इनपुट लेयर

न्यूरल नेटवर्क की इनपुट लेयर

न्यूरल नेटवर्क संरचना

न्यूरल नेटवर्क संरचना
- इनपुट लेयर
- हिडन लेयर

न्यूरल नेटवर्क की हिडन लेयर

न्यूरल नेटवर्क संरचना

न्यूरल नेटवर्क संरचना
- इनपुट लेयर
- हिडन लेयर
- आउटपुट लेयर
ट्रेनिंग: इनपुट और आउटपुट के बीच संबंध सीखना

इनपुट, हिडन और आउटपुट लेयर की छवि

न्यूरल नेटवर्क संरचना

न्यूरल नेटवर्क संरचना
- इनपुट लेयर
- हिडन लेयर
- आउटपुट लेयर
ट्रेनिंग: इनपुट और आउटपुट के बीच संबंध सीखना
- एसेट प्राइस => इनपुट लेयर

एसेट प्राइस न्यूरल नेटवर्क में फीड होते हुए

न्यूरल नेटवर्क संरचना

न्यूरल नेटवर्क संरचना
- इनपुट लेयर
- हिडन लेयर
- आउटपुट लेयर
ट्रेनिंग: इनपुट और आउटपुट के बीच संबंध सीखना
- एसेट प्राइस => इनपुट लेयर
- इनपुट + हिडन लेयर प्रोसेसिंग

न्यूरल नेटवर्क में वेटेड एजेस

न्यूरल नेटवर्क संरचना

न्यूरल नेटवर्क संरचना
- इनपुट लेयर
- हिडन लेयर
- आउटपुट लेयर
ट्रेनिंग: इनपुट और आउटपुट के बीच संबंध सीखना
- एसेट प्राइस => इनपुट लेयर
- इनपुट + हिडन लेयर प्रोसेसिंग
- हिडन + आउटपुट लेयर प्रोसेसिंग

हिडन से आउटपुट लेयर तक वेट्स

न्यूरल नेटवर्क संरचना

न्यूरल नेटवर्क संरचना
- इनपुट लेयर
- हिडन लेयर
- आउटपुट लेयर
ट्रेनिंग: इनपुट और आउटपुट के बीच संबंध सीखना
- एसेट प्राइस => इनपुट लेयर
- इनपुट + हिडन लेयर प्रोसेसिंग
- हिडन + आउटपुट लेयर प्रोसेसिंग
- आउटपुट => पोर्टफोलियो वेट्स

आउटपुट लेयर को पोर्टफोलियो वेट्स के रूप में दिखाया गया

पोर्टफोलियो ऑप्टिमाइज़ेशन के लिए न्यूरल नेटवर्क्स का उपयोग

ट्रेनिंग
- आउटपुट को पहले से मौजूद "best" पोर्टफोलियो वेट्स से compare करें
- लक्ष्य: आउटपुट और वेट्स के बीच "error" को कम करना
- त्रुटि कम है => नेटवर्क trained है
उपयोग
- इनपुट: नए, अनदेखे एसेट प्राइस
- आउटपुट: नए एसेट प्राइस के लिए अनुमानित "best" पोर्टफोलियो वेट्स
- Best वेट्स = जोखिम प्रबंधन

Python में न्यूरल नेटवर्क बनाना

Keras: न्यूरल नेटवर्क्स/डीप लर्निंग के लिए हाई-लेवल Python लाइब्रेरी
और जानें: Introduction to Deep Learning with Keras

from tensorflow.keras.models import Sequential

from tensorflow.keras.layers import Dense

model = Sequential()
model.add(Dense(10, input_dim=4, activation='sigmoid'))
model.add(Dense(4))

Python में नेटवर्क को ट्रेन करना

ऐतिहासिक एसेट प्राइस: training_input मैट्रिक्स
ऐतिहासिक पोर्टफोलियो वेट्स: training_output वेक्टर
कम्पाइल मॉडल इनसे:
- दिया गया error minimization ('loss')
- दिया गया optimization algorithm ('optimizer')
फिट करें मॉडल को ट्रेनिंग डेटा पर
- epochs: आंतरिक पैरामीटर्स अपडेट करने के लिए ट्रेनिंग लूप्स की संख्या

model.compile(loss='mean_squared_error', optimizer='rmsprop')

model.fit(training_input, training_output, epochs=100)

Python में जोखिम प्रबंधन

उपयोग: नया (जैसे रियल-टाइम) एसेट प्राइसिंग डेटा दें
- नया वेक्टर new_asset_prices इनपुट लेयर को दें
नए प्राइस पर model.predict() से नेटवर्क evaluate करें
- परिणाम: predicted पोर्टफोलियो वेट्स
समय के साथ पर्याप्त डेटा हो जाए => नेटवर्क को re-train करें
- पिछले डेटा पर नेटवर्क टेस्ट करें => backtesting

# new asset prices are in the vector new_asset_prices
predicted = model.predict(new_asset_prices)

अभ्यास करते हैं!

Python में Quantitative Risk Management