Финансовый технический анализ в python

Вот несколько мыслей … Я использовал только Numpy, Scipy и Matplotlib для финансовых расчетов.

• py-fi – очень основные финансовые функции
• fin2py – финансовые инструменты
• Numpy / Scipy – охватывает все основы статистики
• Matplotlib – построение финансовых функций
• RPy – интерфейс Python для R, позволяющий использовать библиотеки R
• ystockquote – API Python для Yahoo! Данные по запасам
• QuantLib – библиотека с открытым исходным кодом (предположительно имеет Python Bindings)
• PyFinancial – Документы на испанском языке
• PyMacLab – «Серия классов, полезных для проведения исследований в динамической макроэкономике»
• TSDB – для хранения больших объемов данных временных рядов
• PyVol – оценка волатильности финансовых временных рядов

TA-Lib – Библиотека индикаторов. Как скомпилировать для Python

Существует также Курс вычислительной финны на Coursera.org .

Они используют библиотеку с открытым исходным кодом Python под названием QSTK (QuantSoftware ToolKit) . У них есть куча учебников на вики-странице, и вы всегда можете пройти курс, если хотите узнать больше.

Для удобства я скопировал описание с wiki-страницы ниже:

QSToolKit (QSTK) – это основанная на Python программная среда с открытым исходным кодом, предназначенная для поддержки построения и управления портфелем. Мы строим QSToolKit прежде всего для студентов финансов, студентов-вычислителей и количественных аналитиков с опытом программирования. Вы не должны рассчитывать использовать его в качестве платформы для настольных приложений. Вместо этого подумайте об этом как о программной инфраструктуре для поддержки рабочего процесса моделирования, тестирования и торговли.

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. 

Ключевыми компонентами QSTK являются:

 - 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. 

Вы можете найти этот справочник технических индикаторов полезным. Библиотека работает аналогично известной библиотеке ta-lib и содержит индикаторы, которые не были реализованы в talib

talibextensions

Например, вы можете использовать Высокий высокий, самый низкий низкий индикатор, отправляя высокие и низкие векторы, а также количество периодов следующим образом: (Извлечен из теста в репозитории)

  from indicators import TalibExtension hhllMatrix = TalibExtension.HHLL(self.high, self.low, 5);