czammar / mno_finalproject Goto Github PK

Proponer un punto factible para el problema de Markowitz.

Punto que cumpla con las restricciones del problema a minimizar del cual se pueda partir para encontrar solución a este.

Hola, Itzel

Ya esta la revisión de tu código en la carpeta de Revisión/revision_extraer_datos_test.ipynb
Los comentarios del equipo de revisión en general son los siguientes:
1)Las funciones no están documentadas y sugieren que se ponga un ejemplo de lo que realiza tu algoritmo en la documentación.
2)Los parámetros de entrada en el rango de fechas(inicio y final) de extracción comentan que debería ser un parámetro general para que se puede extraer cualquier rango de fechas.

Puedes encontrar la información detallada en el notebook.

Crear el archivo docker file para probarlo en la instancia de AWS

Infraestructura en AWS para la configuración de la GPU que será utilizada para CUPY.

Una vez extraídos los datos se necesita revisar si hay datos faltantes, que estén en la misma frecuencia de tiempo ( mismo numero de columnas para todas las acciones), en caso de que haya datos faltantes podemos imputar con la moda del precio para esa acción.

Actualización de readme

Sistema iterativo para resolver sistema agrandado de Newton
Basarse en el siguiente código:
https://github.com/ITAM-DS/analisis-numerico-computo-cientifico/blob/master/temas/IV.optimizacion_convexa_y_machine_learning/algoritmos/Python/algorithms_for_ceco.py

Para implementar restricciones con el método de Newton a el solver de markowitz

Deben realizar un sólo notebook juntando las funciones que ya trabajaron por separado, para empezar a probar si funciona el algoritmo completo.

Adaptar el reporte a la fase dos del proyecto
Incluyendo el tema de restricciones basado en la siguiente nota:
https://drive.google.com/file/d/12L7rOCgW7NEKl_xJbIGZz05XXVrOaPBz/view

Revisar la funcion de formación_abc puedes probar con varias corridas que funcione correctamente.

Se debe revisar el notebook "3c_formacion_delta.ipynb" que se encuentra en la carpeta de programación.
Debes realizar lo siguiente:

1)Hacer un notebook en la carpeta de revisión con un nombre apropiado a lo que estas revisando.
2)Revisar documentación de las funciones, en caso de que no este bien documentado levantas el issue.
3)Revisar que calcule correctamente la matriz delta, puede probar con números aleatorios positivos o negativos y de varias dimensiones para ver cuales son los resultados.

Se debe revisar el notebook "3e_solucion_markowitz.ipynb" que se encuentra en la carpeta de programación.
Deben realizar lo siguiente:

1)Hacer un notebook en la carpeta de revisión con un nombre apropiado a lo que estas revisando.
2)Revisar documentación de las funciones, en caso de que no este bien documentado levantas el issue.
3)En este notebook esta toda la parte 3 del algoritmo excepto por al apartado "3.a", deben revisar todas las funciones que estan definidas ahí y verificar que el resultado de la optimización sea lo más exacto posible. El problema se soluciono con multiplicadores de lagrange, pueden agregar alguna descripción de lo que observan al respecto.

Se debe revisar el notebook "2b_c_Valor_medio_y_covarianzas.ipynb" que se encuentra en la carpeta de programación.
Debes realizar lo siguiente:

1)Hacer un notebook en la carpeta de revisión con un nombre apropiado a lo que estas revisando.
2)Revisar documentación de las funciones, en caso de que no este bien documentado levantas el issue.
3)Revisar que se calcule correctamente la matriz de varianzas y covarianzas de los rendimientos obtenidos, puedes probar con números aleatorios en varias corridas que se este calculando correctamente. --->Aqui la función se llama "calcular_varianza"
4)Revisar que se calcule correctamente el rendimiento de las acciones, igual puedes probar con números aleatorios. ----> Aqui la función se llama "calcular_rendimiento" y se apoya de una función auxiliar.
5)Explicar algo de teoría económica de lo que se esta realizando, esto nos va a servir para el reporte final.

Comparar los resultados obtenidos de los solver de Lagrange y Newton en la carpeta de results, notebook ReporteResultados_v3.ipynb sección 3.1

• Añadir tabla que compare la norma de la diferencia y el valor absoluto entre ambos
• Terminar explicaciones de esta sección

DL miércoles

Se debe revisar el notebook "3a_formacion_matrices.ipynb" que se encuentra en la carpeta de programación.
Debes realizar lo siguiente:

1)Hacer un notebook en la carpeta de revisión con un nombre apropiado a lo que estas revisando.
2)Revisar documentación de las funciones, en caso de que no este bien documentado levantas el issue.
3)Revisar que la formación de vectores auxiliares sea correcta con ayuda de los otros parámetros definidos en funciones.
4)Si es posible agregar algun comentario de la teoria matemática desarrollada, esto nos puede servir para el reporte final

Se debe revisar el notebook "3a_formacion_matrices.ipynb" que se encuentra en la carpeta de programación.
Debes realizar lo siguiente:

1)Hacer un notebook en la carpeta de revisión con un nombre apropiado a lo que estas revisando.
2)Revisar documentación de las funciones, en caso de que no este bien documentado levantas el issue.
3)Revisar que se calcule correctamente la formación de las matrices.

Creación de diagrama de Flujo para iniciar la Fase 2 del proyecto, basado en:

https://github.com/ITAM-DS/analisis-numerico-computo-cientifico/blob/master/temas/IV.optimizacion_convexa_y_machine_learning/algoritmos/Python/algorithms_for_ceco.py

Selección de la metodología a implementar para el desarrollo del proyecto.

• Escribirla en el README

Deberá contener:

[ ] Descripción del tema
[ ] Metodología a realizar

Crear una función que extraiga los precios de las acciones de 50 empresas, para los últimos 5 años:
Industria Energy- SASE:2222, NYSE:XOM, NYSE:CVX,ENXTAM:RDSA, NSEI:RELIANCE
Industria Real Estate -NYSE:AMT, NYSE:CCI, NYSE:PLD, NasdaqGS:QEIX, NYSE:DLR
Industria Materiales- NYSE:LIN, ASX:BHP, LSE:RIO, ENXTPA:AI, SASE:2010
Industrials Company- NSYE:LMT, NYSE:UNIP, NYSE:HON, NYSE:RTX, NYSE:UPS
Industria Discretionary consumer -NasdaqGS:AMZN,NYSE:BABA, NYSE:HD,ENXTPA:MC, TSE:7203
Industria Staples- NYSE:WMT, SWX:NESN, NYSE:PG, NYSE:KO, NasdaqGS:PEP
Industria Health Care- NYSE:JNJ, SWX:ROG, NYSE:UNH,NYSE:PFE, SYSE:MRK
Industria Financials- ARCA:VTI, ARCA:VOO, NYSE:BRK.A, NYSE:JPM, SEHK:1398
Industria Information Technology :NasdaqGS:MSTF, NasdaqGS:APPL, NYSE:V, KOSE:A005930, NYSE:MA
Industria Communication - NasdaqGS:GOOG.L, NasdaqGS:FB, SEHK:700,NYSE:VZ, NYSE:T

Revisión del siguiente notebook: symbolic_gradient_Hessian.ipynb que se encuentra en la carpeta de programación.
El tema es el siguiente: Funciones gradiente y Hessiana simbólicas
Basados en el siguiente link:
https://github.com/ITAM-DS/analisis-numerico-computo-cientifico/blob/c1e0eea80579250b23d11921caa5b3ec8d3ab43b/temas/IV.optimizacion_convexa_y_machine_learning/algoritmos/Python/numerical_differentiation.py#L5

Crear el notebook 2Revision_Symbolic_GH en la carpeta de Revisión
En dado caso que haya que corregir algo crear el issue correspondiente

Verificar el funcionamiento del Sistema iterativo con funciones auxiliares así como su desempeño en la nube.

Revisar el notebook: 5_Solver_sistema_iterativo.ipynb
Escribir resultados de revisión en la carpeta Revisión con el título: 2Revision_SolverNewton

DL: Miércoles

Con base al notebook 4_Solver.ipynb crear un script llamado solver.py relacionado.

1. Creación de funciones auxiliares:

• line_search_by_backtracking

• line_search_for_residual_by_backtracking

• compute_error

• norm_residual
  Basarse en los siguientes scripts:

• https://github.com/ITAM-DS/analisis-numerico-computo-cientifico/blob/e6773d6e62f12e34a084a30d47760b66ed5bbc64/temas/IV.optimizacion_convexa_y_machine_learning/algoritmos/Python/line_search.py#L3

• https://github.com/ITAM-DS/analisis-numerico-computo-cientifico/blob/e6773d6e62f12e34a084a30d47760b66ed5bbc64/temas/IV.optimizacion_convexa_y_machine_learning/algoritmos/Python/utils.py#L28

Describir la infraestructura que fue utilizada para el problema
Reportarla en

• Readme.md
  -results/ReporteResultados_v3.ipynb

DL: Miércoles

Realizar un diagrama de flujo del algoritmo para comenzar la programación

Se deben realizar las funciones para calcular los rendimientos esperados y la matriz de varianzas y covarianzas.

Es calcular el retorno esperado de los rendimientos

Se graficó Precio vs tiempo, debe ser Rendimientos vs tiempo en la figuras 1 y 2

Programar los valores de A, B y C de la parte 3b del diagrama de flujo del readme

Revisar conclusiones adecuadas para el archivo results/ReporteResultados_v3.ipynb

Con base al notebook 4_Solver.ipynb crear un notebook con un nombre apropiado en la carpeta de results que contenga interpretación financiera y de pie al Reporte Final

Formación de vectores auxiliares apartado 3d del diagrama de flujo que esta en el readme

Realizar las siguiente gráficas con el solver implementado en la Fase 1, es decir la carpeta solver dentro de la carpeta de programación:

• Rendimiento vs desviación estándar
• Para diferentes rendimientos (r) mostrar como varian los pesos con gráficas de barras

Interpretar cada gráfica
En el notebook ya existente en results: ReporteResultados_v3.ipynb

Funciones simbólicas y Stack para plantear sistema agrandado
Basarse en el siguiente código para comenzar la implementación a cupy del solver de markowitz adaptado a restricciones.
https://github.com/ITAM-DS/analisis-numerico-computo-cientifico/blob/master/temas/IV.optimizacion_convexa_y_machine_learning/algoritmos/Python/algorithms_for_ceco.py

Comenzar el reporte en un notebook con un nombre adecuado en la carpeta results con información teórica y avances hasta el momento

Crear una función que realice la multiplicación del vector de pesos^t por mu(promedio anual de los rendimientos)

Sugerencia:

argm entrada faltante:

r (cupy array, escalar): escalar que denota el retorno esperado por el inversionista

argm salida:

w_0 (cupy array, escalar): escalar dada por $w_0 = \frac{1}{\Delta} (B \Sigma^{-1} \hat{\mu}- C\Sigma^{-1} 1) $
w_1 (cupy array, escalar): escalar dado por $w_1 = \frac{1}{\Delta} (C \Sigma^{-1} \hat{\mu}- A\Sigma^{-1} 1)$

Bruno, estuve revisando y financieramente la conversión debe ser asi : tasa_diaria*264
nadamas eso :)

Realizar las siguiente gráficas con el solver implementado en la Fase 1, es decir la carpeta solver dentro de la carpeta de programación:

• Series de tiempo de rendimientos de dos sectores (observar ReporteResultados_v3.ipynb Sección 2.2)
• Con una acción en específico observar como cambia el rendimiento (observar ReporteResultados_v3.ipynb Sección 3.4)

Interpretar cada gráfica
Código en:
En el notebook ya existente en results: ReporteResultados_v2.2.ipynb
Imagenes de gráficas e interpretación en: ReporteResultados_v3.ipynb

Realizar la solución del sistema contemplando las siguientes restricciones:
1)Suma de Wi's =1
2)Los pesos Wi's no sean negativos

Revisar el notebook "3b_formacion_abc.ipynb" que se encuentra en la carpeta de programación.
Debes realizar lo siguiente:
1)Hacer un notebook en la carpeta de revisión con un nombre apropiado a lo que estas revisando.
2)Revisar documentación de las funciones, en caso de que no este bien documentado levantas el issue.
3)Revisar que la función obtenga buenos resultados, con números aleatorios.

Realizar índices del readme y revisar su organización

DL:Miércoles

Formación de matriz Delta 3c del diagrama de flujo que esta en el readme.

Se debe revisar el notebook "1ab_extraer_datos_stock.ipynb" que se encuentra en la carpeta de programación.
Debes realizar lo siguiente:

1. Hacer un notebook en la carpeta de revisón con un nombre apropiado a lo que estas revisando
2. Revisar documentación de las funciones, en caso de que no este bien documentado levantas el issue
3. Explicar algo de teoría económica de lo que se esta realizando, esto nos va a servir para el reporte final.
4. Revisar que la limpieza y transformación sea razonable.

Realizar el apartado 3a del diagrama de flujo del readme.

Hola, Itzel
Sugiero las siguiente mejoras en tu código "symbolic_gradient_Hessian.ipynb"

1. Falta documentación de ambas funciones.
2. Considero que sería bueno que ambas funciones reciban como parámetro : Sigma, r, mu e incluso la dimension de los vectores de unos para que estos estén definidos dentro de la función.
   :)

Se debe revisar el notebook "2a_FuncionRetornoEsperado.ipynb" que se encuentra en la carpeta de programación.
Debes realizar lo siguiente:

1)Hacer un notebook en la carpeta de revisión con un nombre apropiado a lo que estas revisando.
2)Revisar documentación de las funciones, en caso de que no este bien documentado levantas el issue.
3)Revisar que el calculo de la tasa tenga la conversión correcta r_diario*264, ahi explicas que se multiplica por 264 porque son los días en los que la bolsa cotiza.
4)Probar con numeros aleatorios en varias corridas que se este calculando correctamente.
5)Explicar algo de teoría económica de lo que se esta realizando, esto nos va a servir para el reporte final.

Revisar el siguiente notebook Feasible_Markowitz.ipynb que se encuentra en programación

Hacer el notebook de revisión en la carpeta de Revision con el nombre 2Revision_PuntoFact

Notar que en efecto la suma de los pesos sea igual a 1 y cumpla con las restricciones.

Debes revisar ya el conjunto de las funciones que anteriormente revisaron para validar que arroje resultados correctos. El notebook esta en la carpeta de programación/4_Solver.ipynb.