Сверхполная отделка, сводка количественной финансовой библиотеки Python

В этой статье собрано большое количество трехсторонних библиотек количественных финансов, классифицированных по функциям, охватывающих числовые операции, ценообразование деривативов, тестирование на исторических данных, управление рисками, сканирование данных, визуализацию и другие подполя, для справки каждому программисту Python.

Не изобретайте велосипед, определите проблему, которую нужно решить, а затем ищите соответствующие инструменты. Доказана высокая эффективность многих известных пакетов, таких как Numpy, Pandas, Seaborn, backtrader и т. д. Даже если не найден пакет, соответствующий сценарию приложения, аналогичные инструменты могут служить ориентиром для создания собственных решений.

Контент взят из проекта Github «Awesome Quant», созданного Уилсоном Фрейтасом, ссылка на проект: Awesome Quant[1].

Научные операции и структуры данных

• numpy[2] — базовый пакет для числовых операций, scipy и numpy позволяют Python выполнять эффективные матричные операции.

• scipy[3] — экосистема научных вычислений, широко используемая в областях естественных наук, таких как математика, физика и инженерия.

• pandas[4] — Предоставляет высокопроизводительные структуры данных и инструменты анализа данных.

• quantdsl[5] — предметно-ориентированный язык для количественного анализа в финансах/трейдинге

• статистика[6] - выполнение основных статистических операций

• sympy[7] - посвящен символической математике

• pymc3 [8] — вероятностное программирование с помощью Python, байесовское моделирование и вероятностное машинное обучение с Theano.

Финансовые инструменты и ценообразование

• PyQL[9] — интерфейс Python для Quantlib

• pyfin[10] - Ценообразование опционов

• vollib[11] - Вычислить цены опционов, подразумеваемую волатильность и греки

• QuantPy[12] — количественный финансовый анализ

• Finance-Python[13] - Количественный финансовый анализ

• ffn[14] — расширение Pandas, предоставляющее ряд функций для базового количественного анализа.

• pynance[15] — сбор, анализ и визуализация данных для рынков акций и деривативов.

• hasura/base-python-dash[16] — быстрое начало развертывания приложений Dash. Dash основан на Flask, Plotly.js и React.js, что позволяет пользователям быстро создавать мощные веб-приложения для анализа данных с помощью чистого Python.

• hasura/base-python-bokeh[17] — Как использовать боке для визуализации данных

• pysabr[18] — реализация модели SABR на Python

технические индикаторы

• pandas_talib[19] - Интеграция Pandas и Talib, использование панд для расчета технических индикаторов

• finta[20] - Расчет общих технических индикаторов с Pandas

• Tulipy[21] - библиотека технических индикаторов (привязки Python для tulipindicators)

Количественная торговля/тестирование на истории

• TA-Lib[22] - Расчет технических индикаторов, глубоко интегрированный с Numpy.

• trade[23] — базовый пакет для разработки финансовых приложений

• zipline[24] — мощный фреймворк для тестирования на истории, используемый в качестве базовой технологии многими количественными торговыми платформами, включая Qauntopian, Jukuan и т. д.

• QuantSoftware Toolkit[25] — Создание портфолио и управление им

• количественное [26] - Основные инструменты количественного финансирования, тестирование на истории

• Analyzer[27] - получайте котировки в реальном времени и проверяйте их

• bt[28] — среда тестирования на истории, более гибкая, чем Zipline.

• backtrader[29] — фреймворк для тестирования на истории, поддерживающий твердую торговлю. За последние несколько лет он быстро вырос и стал одним из самых популярных количественных инструментов.

• pythalesians[30] - Фреймворк для тестирования на исторических данных

• pybacktest[31] — векторизованный фреймворк для бэктестинга, векторизация позволяет быстро бэктрекингить, но точность теста не высока

• pyalgotrade[32] — фреймворк для тестирования на истории

• TradingWithPython[33] — предоставляет ряд функций и пользовательских классов для управления количественными транзакциями.

• Pandas TA[34] - Расширение Pandas, включая 115 технических индикаторов, позволяет быстро создавать торговые стратегии

• ta[35] - Расчет технических индикаторов с помощью Pandas

• algobroker[36] — механизм развертывания алгоритмической торговли.

• pysentosa[37] — интерфейс Python для торговой системы sentosa.

• finmarketpy[38] — Анализ рыночных данных, поддержка простого тестирования на исторических данных.

• binary-martingale[39] - программа для автоматической торговли, торгующая бинарными опционами по стратегии мартингейл

• Fooltrader[40] - Количественный анализ с использованием технологии больших данных, включая тестирование на исторических данных.

• zvt[41] — предоставляет унифицированный и гибкий способ получения данных, расчета коэффициентов, выбора акций, тестирования на исторических данных и сделок в реальном времени.

• pylivtrader[42] — торговая библиотека в реальном времени, совместимая с zipline.

• pipe-live[43] — библиотека расширения zipline для реальной торговли

• zipline-extensions[44] — расширение Zipline, адаптированное для QuantRocket.

• moonshot[45] — Векторизованный движок для тестирования и торговли

• PyPortfolioOpt [46] — оптимизация финансового портфеля, включая создание эффективных границ и другие передовые алгоритмы.

• Riskparity.py[47] — разработка портфелей паритета рисков с помощью TensorFlow.

• mlfinlab[48] — Реализация книги «Приложения машинного обучения в финансах»

• pyqstrat[49] - Быстрое тестирование торговых стратегий

• pinkfish[50] - анализ безопасности

• aat[51] - Асинхронный алгоритмический торговый движок

• Backtesting.py[52] — среда тестирования на истории

• катализатор[53] — фреймворк для тестирования на исторических данных, посвященный рынкам цифровых валют.

• quantstats[54] - Анализ портфеля

• qtpylib[55] — фреймворк для тестирования на исторических данных, поддерживает реальную торговлю

• freqtrade[56] - робот для торговли цифровыми валютами с открытым исходным кодом

• алгоритмическая-торговля-с-питоном[57] - исходный код и данные книги "Алгоритмическая торговля на Python"

• DeepDow [58] — оптимизация портфеля с помощью глубокого обучения

Анализ риска

• pyfolio[59] — Расчет показателей производительности для портфелей и торговых стратегий.

• empyrical[60] — Расчет общих показателей риска и производительности.

• fecon235 [61] - Финансовый эконометрический инструментарий, включая лептокуртотические модели гауссовой смеси рисков, адаптивные портфели Больцмана.

• финансы[62] - рассчитать финансовый риск

• qfrm[63] - Количественное управление финансовыми рисками

• visualize-wealth[64] - Построение портфеля и количественный анализ

• VisualPortfolio[65] — Визуализация производительности портфолио.

факторный анализ

• alphalens[66] - Анализ эффективности прогностических факторов

последовательно

• ARCH[67] — Python реализует модель ARCH.

• statsmodels[68] — библиотека эконометрических моделей для создания регрессионных моделей, статистических тестов, моделей временных рядов.

• dynts[69] - Управление и анализ временных рядов

• PyFlux [70] — Моделирование временных рядов и причинно-следственный вывод

• tsfresh[71] — извлечь значимые признаки из временных рядов

• hasura/quandl-metabase[72] — Визуализация набора данных временных рядов Quandl.

календарь

• Trading_calendars[73] - Экономические календари фондовой биржи

• bizdays[74] - Расчет и утилита для расчета дней недели.

• pandas_market_calendars[75] - Расширение Pandas, биржевого экономического календаря

источник данных

• findatapy[76] — получение данных из Bloomberg Terminal, Quandl и Yahoo Finance

• googlefinance[77] – Получайте котировки акций в режиме реального времени из Google Финансов.

• yahoo-finance[78] - Загрузите котировки акций, исторические цены, информацию о продуктах и ​​финансовые отчеты с Yahoo Finance.

• pandas-datareader[79] — получение экономических/финансовых временных рядов из нескольких источников данных, включая Google Finance, Yahoo Finance, St. Louis Fed (FRED), OECD, Fama/French, Всемирный банк, Евростат и т. д., это Pandas. экосистема важные компоненты системы

• pandas-finance[80] — предоставляет высокоуровневый интерфейс для загрузки и анализа финансовых временных рядов.

• pyhoofinance[81] — пакетная выборка биржевых данных из Yahoo Finance.

• yfinanceapi[82] — Получить данные от Yahoo Finance

• yql-finance[83] — получить данные от Yahoo Finance

• ystockquote[84] - Получите котировки в реальном времени от Yahoo Finance

• WallStreet[85] - котировки акций и опционов в режиме реального времени

• stock_extractor[86] - Сканировать биржевую информацию из Интернета

• Stockex[87] - получить данные от Yahoo Finance

• finsymbols[88] — Получите подробные данные о компаниях, котирующихся на NSE, NYSE и NASDAQ.

• inquisitor[89] - Получите экономические данные от Econdb, агрегатора глобальных экономических показателей.

• chinesestockapi[90] - получить данные А-акций

• exchange[91] - Получить последние котировки обменного курса

• ticks[92] - программа командной строки для получения биржевых тиков

• pybbg[93] — интерфейс Python для терминала Bloomberg COM

• ccy[94] - получить данные о валюте

• tushare[95] - Получите исторические данные о китайских фондовых, фондовых, облигационных и фьючерсных рынках.

• jsm[96] - Получить исторические данные японского фондового рынка

• cn_stock_src[97] - Получить данные о запасах Китая из разных источников данных

• coinmarketcap[98] - получить данные о цифровой валюте от coinmarketcap

• after-hours[99] — Узнайте рыночные цены акций США до и после закрытия.

• bronto-python[100] — интегрированный интерфейс Bronto API

• pytdx[101] — получение котировок китайских акций в режиме реального времени.

• pdblp[102] — общедоступный интерфейс для интеграции терминалов Pandas и Bloomberg.

• tiingo[103] - ежедневная K-линия акций и поток котировок/новостей в режиме реального времени с платформы Tiingo

• IEX[104] — получение котировок акций и исторических данных с биржи IEX в режиме реального времени.

• alpaca-trade-api[105] — Получайте котировки акций и исторические данные с платформы Alpaca в режиме реального времени, а также предоставляйте торговый интерфейс для торговли акциями США.

• metatrader5[106] — интегрированная торговая платформа Python и MQL5, подходящая для торговли иностранной валютой.

• akshare[107] - Получить китайские акции, фонды, облигации и макроэкономические данные

• yahooquery[108] — получение данных от Yahoo Finance

• investpy[109] — получить данные с Investing.com

• yliveticker[110] — получайте котировки Yahoo Finance в режиме реального времени через Websocket

Интеграция с Excel

• xlwings[111] — глубокая интеграция Python и Excel.

• openpyxl[112] - Чтение/запись файлов Excel 2007 xlsx/xlsm

• xlrd[113] — извлечение данных из электронных таблиц Excel.

• xlsxwriter [114] — записывает данные в электронную таблицу Excel.

• xlwt[115] — создание кроссплатформенных и обратно совместимых электронных таблиц.

• DataNitro[116] — глубокая интеграция Python и Excel, бесплатная пробная версия, коммерческое платное программное обеспечение.

• xlloop[117] - создание пользовательских функций Excel

• expy[118] — надстройка Excel, которая позволяет пользователям выполнять код Python и определять пользовательские функции из электронных таблиц.

• pyxll[119] — надстройка Excel, выполнение кода Python из Excel

визуализация

• Matplotlib[120] — базовый пакет для визуализации данных Python, от двумерных до трехмерных диаграмм.

• Seaborn[121] — на основе Matplotlib быстро создавайте красивые статистические диаграммы.

• Plotly[122] - Создавайте динамические и интерактивные диаграммы.

• Altair[123] — инструмент статистической визуализации, поддерживающий как статические, так и интерактивные диаграммы.

• D-Tale[124] — Визуализация структур данных Pandas.