Czy wiesz, że istnieje jakiś moduł analizy technicznej finansowej dostępny dla Pythona? Wiem, że Numpy ma niewiele, ale szukam klasycznych wskaźników technicznych, takich jak RSI, Macd, EMA i tak dalej. Zastanawialiście się, czy istniały one jako część modułu.Finansowa analiza techniczna w pytonie
Odpowiedz
Oto kilka myśli ... Użyłem tylko Numpy, Scipy i Matplotlib do obliczeń finansowych.
- py-fi - bardzo podstawowe funkcje finansowe
- fin2py - narzędzia finansowe
- Numpy/Scipy - obejmuje wszystkie podstawowe statystyki
- Matplotlib - wykreślanie funkcji finansowych
- RPy - interfejs Pythona do R pozwalającego użytku bibliotek R
- ystockquote - Python API dla Yahoo! Zdjęcie danych
- QuantLib - biblioteka open source (podobno ma Pythona Wiązania)
- PyFinancial - Dokumenty w języku hiszpańskim
- PyMacLab - „cykl zajęć przydatnych dla prowadzenia badań w dynamicznych makroekonomii”
- TSDB - do przechowywania dużych ilości czasu dane serii
- PyVol - oszacowanie zmienności finansowych szeregów czasowych
TA-Lib - Biblioteka wskaźników. How to compile for Python
Możesz również znaleźć to [wrapper Python TA-Lib] (http: //mrjbq7.github.com/ta-lib/), aby był przydatny. – mrjbq7
Christo, dziękuję za informację zwrotną! –
Dla użytkowników systemu Windows zalecam używanie [skompilowanego pliku binarnego paczki TA-Lib pythona] (http://www.lfd.uci.edu/~gohlke/pythonlibs/) zamiast przechodzenia przez piekło zależności. –
Istnieje również Computational Finnance Course na Coursera.org.
Używają one biblioteki Open Source Python o nazwie QSTK (QuantSoftware ToolKit). Mają grupę tutorials na stronie wiki i zawsze możesz wziąć udział w kursie , jeśli chcesz dowiedzieć się więcej.
Dla wygody skopiowane z opisem ze strony wiki poniżej:
QSToolKit (QSTK) to Python oparte na open source oprogramowanie ramy zaprojektowany, aby wspierać budowę i zarządzanie portfelem. Jesteśmy budujemy QSToolKit głównie dla studentów finansów, informatyków, studentów i analityków ilościowych z doświadczeniem programistycznym. Ty, , nie powinieneś oczekiwać, że użyjesz go jako platformy handlowej dla aplikacji komputerowych. Zamiast tego, pomyśl o tym jako o infrastrukturze oprogramowania wspierającej przepływ pracy w zakresie modelowania, testowania i handlu.
Scroll through the Gallery to see the sorts of things you can do easily with QSTK. If you are in a hurry, you can skip to the QSToolKit_Installation_Guide.
Kluczowe składniki QSTK są:
- Data: A data access package that enables fast reading of historical data (qstkutil.DataAccess). - Processing tools: Uses pandas, a Python package designed for time series evaluation of equity data. - Portfolio optimization: Using the CVXOPT library. - Event studies: An efficient event analyzer, Event_Profiler. - Simulation: A simple backtester, quicksim, that includes transaction cost modeling.
Można znaleźć tego repozytorium wskaźników technicznych przydatnych.Biblioteka działa podobnie do słynnej biblioteki Talib i zawiera wskaźniki, które nie zostały wdrożone w Talib
Na przykład, można użyć najwyższej wysoki, niski wskaźnik najniższy, wysyłając wysokie i niskie wektory , plus liczba okresów, w następujący sposób: (Wyodrębniony z testu w repozytorium)
from indicators import TalibExtension
hhllMatrix = TalibExtension.HHLL(self.high, self.low, 5);
- 1. Algorytm rezystancji pomocniczej - analiza techniczna
- 2. Analiza techniczna - Parabolic Stop and Reverse Indicator
- 3. Analiza regresyjna w MySQL
- 4. Analiza kłód w Pythonie
- 5. Formatowanie nanowłókniny w pytonie
- 6. Klient ntp w pytonie
- 7. zamknięcie mainloopa w pytonie
- 8. Filtr dolnoprzepustowy w pytonie
- 9. Podwójna pętla w pytonie
- 10. whoami w pytonie
- 11. Lista zer w pytonie
- 12. dekorowanie metody w pytonie
- 13. Słabe referencje w pytonie
- 14. Ścieżka Windows w pytonie
- 15. sortowanie słów w pytonie
- 16. Wzór użytkownika w pytonie
- 17. Parser uczący w pytonie
- 18. średnia harmoniczna w pytonie
- 19. Powolna rekursja w pytonie
- 20. LISP przeciw w pytonie
- 21. Dyskretna optymalizacja w pytonie
- 22. Klasyfikacja obrazu w pytonie
- 23. Podstawowe wątki w pytonie
- 24. Wykres konturowy w pytonie
- 25. analiza nastrojów
- 26. Analiza kodu bajtowego w Javie
- 27. Analiza kodu w języku F #
- 28. Rozszerzanie wbudowanych klas w pytonie
- 29. lista słabych punktów w pytonie
- 30. 1000 cyfr pi w pytonie
Przyszłyśmy przez to pytanie w google. Poniższy link do github zawiera również dobrą listę przydatnych bibliotek/narzędzi dla wielu języków, w tym Python: https://github.com/wilsonfreitas/awesome-quant – halexh