Wissen Sie, ob es für Python ein Modul zur Verfügung steht? Ich weiß, dass Numpy etwas hat, aber ich suche nach klassischen technischen Indikatoren wie RSI, Macd, EMA und so weiter. Ich fragte mich, ob sie als Teil eines Moduls existierten.Finanzielle technische Analyse in Python
Antwort
Hier sind ein paar Gedanken ... Ich habe nur Numpy, Scipy und Matplotlib für finanzielle Berechnungen verwendet.
- py-fi - sehr grundlegende Finanzfunktionen
- fin2py - Finanzinstrumente
- Numpy/Scipy - deckt alle Statistiken Grundlagen
- Matplotlib - Plotten Finanzfunktionen
- RPy - eine Python-Schnittstelle zu R ermöglicht den Einsatz von R Bibliotheken
- ystockquote - Python API für Yahoo! Bestandsdaten
- QuantLib - Open-Source-Bibliothek (angeblich hat Python Bindings)
- PyFinancial - Docs in Spanischen
- PyMacLab - "Reihe von Klassen, die für Forschung in dynamischer Makroökonomie leitend"
- TSDB - für große Mengen speichern Reihendaten von Zeit
- PyVol - Volatilität Schätzung von Finanzzeitreihen
TA-Lib - Bibliothek von Indikatoren. How to compile for Python
Sie können auch [TA-Lib Python Wrapper] finden (http: //mrjbq7.github.com/ta-lib/) um nützlich zu sein. – mrjbq7
Christo, danke für das Feedback! –
Für Windows-Benutzer empfehle ich die [kompilierte Binärdatei des TA-Lib-Python-Wrappers] (http://www.lfd.uci.edu/~gohlke/pythonlibs/) anstelle der Abhängigkeitshölle zu verwenden. –
Es gibt auch eine Computational Finnance Course auf Coursera.org.
Sie verwenden eine Python-Open-Source-Bibliothek namens QSTK (QuantSoftware ToolKit). Sie haben eine Reihe von tutorials auf der Wiki-Seite und Sie können immer den Kurs nehmen, wenn Sie mehr erfahren möchten.
Zur Vereinfachung kopierte ich die Beschreibung von der Wiki-Seite unter:
QSToolKit (QSTK) ist ein Python-basierte Open-Source-Software-Framework entworfen Portfoliokonstruktion und das Management zu unterstützen. Wir sind Aufbau der QSToolKit in erster Linie für Finanzstudenten, Computing Studenten und quantitative Analysten mit Programmiererfahrung. Sie sollten nicht erwarten, es als Desktop-App-Handelsplattform zu verwenden. Betrachten Sie es stattdessen als eine Software-Infrastruktur, die einen Workflow von Modellierung, Test und Handel unterstützt.
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.
Schlüsselkomponenten von QSTK sind:
- 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.
Sie können diese Sammlung von technischen Indikatoren nützlich finden.Die Bibliothek funktioniert ähnlich wie die berühmte talib Bibliothek und enthält Indikatoren, die nicht
in talib umgesetzt wurdenZum Beispiel können Sie den höchsten Hoch, Tiefstkurs Indikatoren verwenden, durch das Senden hohe und niedrige Vektoren , plus Anzahl der Perioden, in der folgenden Weise: (Auszug aus dem Test im Repository)
from indicators import TalibExtension
hhllMatrix = TalibExtension.HHLL(self.high, self.low, 5);
- 1. Technische Analyse - Parabolic Stop und Reverse Indikator
- 2. C# finanzielle Diagrammbibliothek für Windows Forms?
- 3. Finanzielle Anwendungen auf GPGPU
- 4. Finanzielle Nachverfolgung für Softwareprojekte
- 5. Python BeautifulSoup XML-Analyse
- 6. Nicht-finanzielle Verwendung für Blockchain
- 7. Emotion-Analyse mit AlchemyAPI in Python
- 8. Fortran technische Abfrage
- 9. Finanzielle Berechnung mit JavaScript (Was ist los?)
- 10. Bereitstellungsskripts - technische Informationen
- 11. Delphi - online technische Tests
- 12. Verteilen einer eigenständigen webbasierten Python-Anwendung an nicht technische Benutzer
- 13. Gute Tipps für eine technische Präsentation
- 14. Python regulärer Ausdruck für HTML-Analyse (BeautifulSoup)
- 15. Python Quelldatei Analyse und Transformation mit Rascal
- 16. Technische Schulden Pyramide Widget in Sonarqube 5.5?
- 17. Python: Entwerfen eines Zeitreihenfilters nach Fourier-Analyse
- 18. Sentiment-Analyse mit Python und PHP-Python Nltk
- 19. Verwalten Sie aktiv technische Schulden?
- 20. Tracking-System und Echtzeit-Statistik-Analyse in Python
- 21. Verwenden von Datumbox in Python für die Sentiment-Analyse
- 22. Beste Möglichkeit, Daten in Python für die Analyse zu speichern
- 23. Alias-Analyse vs. Zeiger-Analyse vs. Punkte-zu-Analyse
- 24. XML-Analyse in JQuery
- 25. IPv6-Analyse in C
- 26. Bytecode-Analyse in Java
- 27. HTML-Analyse in Java
- 28. Analyse FxCop/Code Analyse Warnung CA1506: AvoidExcessiveClassCoupling
- 29. Tools und Standards für technische Design-Dokument
- 30. Kann ich technische Schulden dynamisch berechnen?
Kam über diese Frage auf Google. Der github Link unten hat auch eine gute Liste von nützlichen Bibliotheken/Werkzeugen für viele Sprachen, einschließlich Python: https://github.com/wilsonfreitas/awesome-quant – halexh