DSL (предметно-ориентированные языки) в области финансов
Кто-нибудь работал с DSL (Domain Specific Languages) в финансовой сфере? Я планирую внедрить некоторую поддержку DSL в приложении, над которым я работаю, и хотел бы поделиться некоторыми идеями.
Я нахожусь в стадии определения, какие элементы домена являются наиболее стабильными, и выбора функций, которые будут лучше реализованы с помощью DSL. Я еще не определил синтаксис для этой первой функции.
5 ответов
Джей Филдс и Оби Фернандес много писали и говорили на эту тему.
- Вступление Джея Филдса на предметно-ориентированные языки
- Серия Джея Филдса " Деловой естественный язык"
- Оби Фернандес, выражая условия контракта в DSL
- Очень хорошая презентация на infoQ от Jay Fields
Вы также найдете общие сведения о реализации DSL в работах Мартина Фаулера (но не только для финансов).
Финансовые контракты были смоделированы элегантно как DSL Саймоном Пейтоном Джонсом и Жаном-Марком-Эрби. Их DSL, встроенный в Haskell, представлен в статье " Как написать финансовый контракт".
Специфичные для домена языки (DSL) чаще всего используются для представления финансовых инструментов. Каноническим документом является " Составление контрактов" Саймона Пейтона Джонса : приключение в области финансового инжиниринга, которое представляет контракты с использованием библиотеки комбинаторов в Haskell. Наиболее широко используемым подходом к комбинатору является язык MLFi от LexiFi, который построен на основе OCaml (их генеральный директор Жан-Марк Эбер является соавтором статьи Composing Contracts). В какой-то момент Барклай скопировал подход и описал некоторые дополнительные преимущества, такие как возможность генерировать понятные человеку математические формулы ценообразования ( Коммерческое использование: функционирование в экзотических сделках).
DSL для финансовых контрактов обычно создаются с использованием встраивания на функциональном языке, таком как Haskell, Scala или OCaml. Внедрение функциональных языков программирования в финансовой индустрии будет и впредь делать этот подход привлекательным.
Помимо представления финансовых инструментов, DSL также используются в финансах для:
- Моделирование финансовых объектов с онтологическими языками ( Бизнес-онтология финансовой индустрии)
- Замена вычислений обычно описывается с использованием электронных таблиц ( http://doi.acm.org/10.1145/1411204.1411236)
- Моделирование пенсионных планов ( Case Study: Financial Services)
- Анализ данных финансового рынка ( The Hedgehog Language)
Я веду полный список финансовых документов DSL, выступлений и других ресурсов по адресу http://www.dslfin.org/resources.html.
Если вы хотите встретиться с профессионалами и исследователями, работающими с DSL для финансовых систем, 1 октября состоится предстоящий семинар на конференции MODELS 2013 в Майами, Флорида: http://www.dslfin.org/
Я думаю, что работа Саймона Пейтона Джонса и Жана Марка Эбера наиболее впечатляет из-за "Составления контрактов: приключение в финансовой инженерии" и всего, что вытекает из этого: " LexiFi и MLFi ".
Считается, что реализация Scala от Shahbaz Chaudhary наиболее привлекательна, учитывая, что MLFi вообще недоступен (и потому что Scala как функциональный язык более доступен, чем Haskell).
См. "Приключения в финансовой и программной инженерии" и другие материалы, на которые есть ссылки.
Я позволю себе воспроизвести фрагмент кода, чтобы понять, на что способна эта реализация.
object Main extends App {
//Required for doing LocalDate comparisons...a scalaism
implicit val LocalDateOrdering = scala.math.Ordering.fromLessThan[java.time.LocalDate]{case (a,b) => (a compareTo b) < 0}
//custom contract
def usd(amount:Double) = Scale(Const(amount),One("USD"))
def buy(contract:Contract, amount:Double) = And(contract,Give(usd(amount)))
def sell(contract:Contract, amount:Double) = And(Give(contract),usd(amount))
def zcb(maturity:LocalDate, notional:Double, currency:String) = When(maturity, Scale(Const(notional),One(currency)))
def option(contract:Contract) = Or(contract,Zero())
def europeanCallOption(at:LocalDate, c1:Contract, strike:Double) = When(at, option(buy(c1,strike)))
def europeanPutOption(at:LocalDate, c1:Contract, strike:Double) = When(at, option(sell(c1,strike)))
def americanCallOption(at:LocalDate, c1:Contract, strike:Double) = Anytime(at, option(buy(c1,strike)))
def americanPutOption(at:LocalDate, c1:Contract, strike:Double) = Anytime(at, option(sell(c1,strike)))
//custom observable
def stock(symbol:String) = Scale(Lookup(symbol),One("USD"))
val msft = stock("MSFT")
//Tests
val exchangeRates = collection.mutable.Map(
"USD" -> LatticeImplementation.binomialPriceTree(365,1,0),
"GBP" -> LatticeImplementation.binomialPriceTree(365,1.55,.0467),
"EUR" -> LatticeImplementation.binomialPriceTree(365,1.21,.0515)
)
val lookup = collection.mutable.Map(
"MSFT" -> LatticeImplementation.binomialPriceTree(365,45.48,.220),
"ORCL" -> LatticeImplementation.binomialPriceTree(365,42.63,.1048),
"EBAY" -> LatticeImplementation.binomialPriceTree(365,53.01,.205)
)
val marketData = Environment(
LatticeImplementation.binomialPriceTree(365,.15,.05), //interest rate (use a universal rate for now)
exchangeRates, //exchange rates
lookup
)
//portfolio test
val portfolio = Array(
One("USD")
,stock("MSFT")
,buy(stock("MSFT"),45)
,option(buy(stock("MSFT"),45))
,americanCallOption(LocalDate.now().plusDays(5),stock("MSFT"),45)
)
for(contract <- portfolio){
println("===========")
val propt = LatticeImplementation.contractToPROpt(contract)
val rp = LatticeImplementation.binomialValuation(propt, marketData)
println("Contract: "+contract)
println("Random Process(for optimization): "+propt)
println("Present val: "+rp.startVal())
println("Random Process: \n"+rp)
}
}
Отличная работа Томаса Петричека в F# очень стоит изучить.
Помимо парадигмы "DSL", я полагаю, что нам потребуется вклад ряда других мощных парадигм, чтобы иметь полный способ представить сложную семантику финансовых инструментов и финансовых контрактов, отвечая реалиям "больших данных".
- Вероятностное программирование: Фигаро, Стэн и др.
- Аналитика больших данных: R, Spark, SparkR
- Масштабируемая "фабрика данных" ("без кучи памяти"; на любом аппаратном оборудовании, а также на разных языках): "Фреймы данных в Spark для крупномасштабной науки о данных" (работает с R, Scala/Java и Python)
- Семантическая сеть: " Модели финансовой тематики " и онтологии.
Стоит ознакомиться с некоторыми языками, упомянутыми здесь: http://www.dslfin.org/resources.html
Мы работали над идеей создания DSL для финансовой оценки с Fairmat ( http://www.fairmat.com/)
- он предоставляет DSL, который можно использовать для выражения выплат и зависимостей платежей - он содержит модель расширения для создания новых типов аналитики и реализации теоретической динамики с использованием.NET/ C# с нашей базовой библиотекой математики (см. некоторые примеры с открытым исходным кодом) на https://github.com/fairmat