1 万 Star!高盛开源的 Python 量化工具包 gs-quant 深度体验

高盛（Goldman Sachs）把自家量化团队用的 Python 工具包直接开源了。

衍生品定价、风险分析、Greeks 计算、策略回测——这些就是交易员每天用的东西。

项目地址：https://github.com/goldmansachs/gs-quant^[1]

⭐ 1 万+ Stars | Python | Apache 2.0 许可证 | 高盛官方出品

它是什么？

gs-quant = 高盛开源的 Python 量化金融工具包。

之前推荐的工具：
  AKShare     → 散户获取数据
  ta/TA-Lib   → 散户算技术指标
  Backtesting.py → 散户回测策略

gs-quant：
  衍生品定价 → 机构级
  风险管理   → 机构级
  策略回测   → 机构级
  数据分析   → 机构级

一句话：这是华尔街级的量化工具，但免费给你用。

能做什么？

快速上手

安装

pip install gs-quant

基础示例：期权定价

from gs_quant.instrument import EqOption
from gs_quant.markets import PricingContext
from gs_quant.session import GsSession, Environment
from gs_quant import risk

# 创建一个股票期权
option = EqOption(
    underlier='AAPL',           # 苹果股票
    expiration_date='2026-06-20',  # 到期日
    strike_price=200,           # 行权价
    option_type='Call',         # 看涨
)

# 计算价格和 Greeks
with PricingContext():
    price = option.price()
    delta = option.calc(risk.EqDelta)
    gamma = option.calc(risk.EqGamma)
    vega = option.calc(risk.EqVega)

print(f"期权价格: ${price:.2f}")
print(f"Delta: {delta:.4f}")
print(f"Gamma: {gamma:.6f}")
print(f"Vega: {vega:.4f}")

注意：部分高级 API 需要高盛 Marquee 平台的 client_id/secret。基础功能可以本地使用。

核心功能详解

1. 衍生品定价

from gs_quant.instrument import IRSwap, FXOption

# 利率互换
swap = IRSwap(
    pay_or_receive='Pay',
    notional_amount=10000000,  # 1000万
    termination_date='5y',     # 5年期
    fixed_rate=0.03,           # 3%固定利率
)

# 外汇期权
fx_option = FXOption(
    pair='EURUSD',
    expiration_date='3m',
    strike_price=1.10,
    option_type='Call',
)

支持的品种：

2. 风险分析

from gs_quant.risk import IRDelta, IRVega, Price

# 计算利率风险
with PricingContext():
    swap_price = swap.price()
    ir_delta = swap.calc(IRDelta)
    ir_vega = swap.calc(IRVega)

print(f"互换价值: ${swap_price:,.0f}")
print(f"IR Delta (利率敏感度): {ir_delta}")

3. 时间序列分析

from gs_quant.timeseries import returns, volatility, correlation
from gs_quant.data import Dataset

# 获取数据
dataset = Dataset('USDJPY')
data = dataset.get_data(start='2024-01-01', end='2026-04-01')

# 计算统计指标
ret = returns(data['price'])
vol = volatility(data['price'], window=20)

4. 策略回测

from gs_quant.backtests import Backtest, Strategy

# 定义策略
strategy = Strategy(
    initial_portfolio=[
        {'asset': 'SPX', 'weight': 0.6},
        {'asset': 'UST 10Y', 'weight': 0.4},
    ],
    rebalance_frequency='Monthly',
)

# 运行回测
backtest = Backtest(strategy)
results = backtest.run(
    start='2020-01-01',
    end='2025-12-31',
)

print(f"累计收益: {results.total_return:.1%}")
print(f"年化波动率: {results.volatility:.1%}")
print(f"夏普比率: {results.sharpe:.2f}")

以上代码为框架示例，实际 API 调用可能需要配置 Marquee 凭证。

和散户工具的区别

散户工具：
  "茅台涨了多少？RSI 是多少？回测一下双均线策略。"

gs-quant：
  "这个利率互换在加息 50bp 情景下的 PV01 是多少？
   组合的 VaR 在 99% 置信水平下是多少？
   如果美元兑日元波动率上升 20%，我的外汇期权敞口怎么变？"

这就是散户和机构的区别——不是工具好不好的问题，是玩的游戏就不一样。

适合什么人？

✅ 最适合：
- 想了解华尔街怎么做量化的
- 学金融工程/量化金融的学生
- 做衍生品交易的专业人士
- 对风险管理感兴趣的
- 想转型 quant 的程序员

⚠️ 可以用但有门槛：
- 需要金融衍生品基础知识
- 部分高级 API 需要 Marquee 账户
- 学习曲线较陡

❌ 不适合：
- 只做 A 股的散户（gs-quant 主要面向全球市场）
- 完全没有金融知识的
- 只想简单看看 K 线的

和系列其他工具的关系

gs-quant 的价值不是替代之前的工具——
而是让你看到：专业量化的世界远比"股票技术分析"大得多。

局限性

小结

gs-quant：
- 1 万+ Star，高盛官方开源
- 衍生品定价、风险分析、策略回测
- 覆盖股/债/汇/商品/衍生品全资产类
- Black-Scholes、Monte Carlo 等专业定价模型
- VaR、压力测试、情景分析等机构级风控
- Python 原生，Jupyter 友好

定位：让你看看华尔街的量化在做什么——
      从"散户选股"到"机构风控"，差距不在工具，在认知。

⚠️ 免责声明：gs-quant 是金融分析工具，不构成投资建议。衍生品交易风险极高，不适合普通投资者。请在充分了解风险的前提下使用。投资有风险，入市需谨慎。

从散户到机构——这个系列走了很远。AKShare 让你拿数据，gs-quant 让你看到华尔街在数据之上做了什么。差距不在代码，在金融认知。

明天是这个系列的终极总结——40+ 个工具、8 个环节、3 条学习路径，一张路线图帮你理清从零基础到专业量化的全流程。建议收藏