常用的量化金融Python库

大家好，欢迎来到IT知识分享网。

• python基本的数值库和数据结构
• 金融工具和定价
• 指标
• 交易和回溯测试
• 风险分析
• 因素分析
• 时间序列（TOD）

python基本的数值库和数据结构

numpy – NumPy是用Python进行科学计算的基本软件包。

scipy – SciPy（发音为 “叹息派”）是一个基于Python的数学、科学和工程的开源软件生态系统。

pandas – pandas是一个开源的、BSD许可的库，为Python编程语言提供高性能、易于使用的数据结构和数据分析工具。

quantdsl – 用于金融和交易的定量分析的特定领域语言。

statistics – 用于所有基本统计计算的内置Python库。

sympy – SymPy是一个用于符号数学的Python库。

pymc3 – Python中的概率编程，使用Theano的贝叶斯建模和概率机器学习。

金融工具和定价

PyQL – QuantLib的Python移植。

pyfin – Python中的基本期权定价。[已归档)

vollib – vollib是一个Python库，用于计算期权价格、隐含波动率和希腊语。

QuantPy – 在Python中用于量化金融的框架。

Finance-Python – 用于金融的Python工具。

ffn – Python的金融函数库。

pynance – PyNance是一个开源软件，用于检索、分析和可视化股票和衍生品市场的数据。

tia – 用于整合和分析的工具包。

hasura/base-python-dash – Hasura快速启动，部署Dash框架。Dash写在Flask、Plotly.js和React.js之上，是用纯Python构建具有高度自定义用户界面的数据可视化应用程序的理想选择。

hasura/base-python-bokeh – Hasura快速入门，用bokeh库实现数据可视化。

pysabr – SABR模型的Python实现。

FinancePy – Python金融库，专注于金融衍生品的定价和风险管理，包括固定收益、股票、外汇和信用衍生品。

gs-quant – 用于量化金融的Python工具箱。

willowtree – 用于衍生品定价的强大而灵活的柳树网格的Python实现。

Financial-engineering – 蒙特卡罗方法在金融工程项目中的应用，采用Python语言。

optlib – 用Python编写的金融期权定价库。

tf-quant-finance – 用于定量金融的高性能TensorFlow库。

pandas_talib – 技术分析指标的Python Pandas实现。

finta – 用Pandas实现的常用金融技术分析指标。

Tulipy – 金融技术分析指标库（tulipindicators的Python绑定）。

lppls – 用于拟合对数周期幂律奇异性（LPPLS）模型的Python模块。

交易和回溯测试

TA-Lib – 对金融市场数据进行技术分析。

trade – trade是一个用于开发金融应用程序的Python框架。

zipline – Pythonic算法交易库。

QuantSoftware Toolkit – 基于Python的开源软件框架，旨在支持投资组合构建和管理。

quantitative – 定量金融，和回测库。

analyzer – 用于实时金融和回测交易策略的Python框架。

bt – Python的灵活回测。

backtrader – 交易策略的Python回测库。

pythalesians – 用于回测交易策略、绘制图表、无缝下载市场数据、分析市场模式等的Python库。

pybacktest – Python/pandas的矢量回测框架，旨在使你的回测更容易。

pyalgotrade – Python算法交易库。

tradingWithPython – 量化交易的函数和类的集合。

Pandas TA – Pandas TA是一个易于使用的Python 3 Pandas扩展，包含115种以上的指标。可以轻松建立自定义策略。

ta – 使用Pandas的技术分析库（Python）。

algobroker – 这是一个algo交易的执行引擎。

pysentosa – sentosa交易系统的Python API。

finmarketpy – 用于回测交易策略和分析金融市场的Python库。

binary-martingale – 自动交易二元期权martingale风格的计算机程序。

fooltrader – 使用大数据技术的项目，提供统一的方式来分析整个市场。

zvt – 该项目使用sql、pandas提供统一的、可扩展的方式来记录数据、计算因素、选择证券、回溯测试、实时交易，并且它可以在清晰的图表中实时显示所有这些。

pylivetrader – 兼容zipline的实时交易库。

pipeline-live – zipline与IEX的管道功能，用于实时交易。

zipline-extensions – 用于QuantRocket的Zipline扩展和适配器。

moonshot – 基于Pandas的QuantRocket的矢量回测器和交易引擎。

PyPortfolioOpt – 用python进行金融投资组合优化，包括经典的有效边界和高级方法。

Eiten – Eiten是Tradytics的一个开源工具包，实现了各种统计和算法投资策略，如Eigen投资组合、最小方差投资组合、最大夏普比率投资组合和基于遗传算法的投资组合。

riskparity.py – 使用TensorFlow 2.0快速和可扩展地设计风险平价组合。

mlfinlab – 关于Marcos Lopez de Prado的《金融机器学习的进展》的实施。(特征工程、金融数据结构、元标签)

pyqstrat – 用于回测量化策略的快速、可扩展、透明的python库。

NowTrade – 用于回测股票和货币市场的技术/机械策略的Python库。

pinkfish – 用于证券分析的回测器和电子表格库。

aat – 异步算法交易引擎

Backtesting.py – 在Python中回测交易策略

catalyst – Python中的加密资产算法交易库

quantstats – 用Python编写的量化投资组合分析。

qtpylib – QTPyLib，Pythonic 算法交易 http://qtpylib.io

Quantdom – 基于Python的框架，用于回测交易策略和分析金融市场[GUI :neckbeard:]

freqtrade – 免费、开源的加密货币交易机器人

algorithmic-trading-with-python – 免费的pandas和scikit-learn资源，用于交易模拟、回测和金融数据的机器学习。

DeepDow – 用深度学习优化投资组合

Qlib – 微软推出的面向人工智能的量化投资平台。数据处理、模型训练、回测的完整ML管道；并涵盖了整个量化投资的链条：寻求阿尔法、风险建模、组合优化和订单执行。

machine-learning-for-trading – 用于算法交易的机器学习的代码和资源

AlphaPy – 使用Python、scikit-learn、Keras、XGBoost、LightGBM和CatBoost的自动机器学习[AutoML] 。

jesse – 用Python编写的高级加密货币交易机器人

rqalpha – 一个可扩展、可替换的Python算法回测和交易框架，支持多种证券。

FinRL-Library – 一个用于量化金融自动交易的深度强化学习库。NeurIPS 2020.

bulbea – 基于深度学习的股票市场预测和建模的Python库。

ib_nope – 通过IBKR TWS实现NOPE策略的自动交易系统。

OctoBot – 开源加密货币交易机器人，用于高频、套利、TA和社交交易，具有先进的网络界面。

bta-lib – pandas中的技术分析库，用于回测算法交易和定量分析。

Stock-Prediction-Models – 收集用于股票预测的机器学习和深度学习模型，包括交易机器人和模拟。

tda-api – 通过TDAmeritrade收集数据并交易股票、期权和ETF。

风险分析

pyfolio – Python中的投资组合和风险分析。

empyrical – 常见的金融风险和绩效指标。

fecon235 – 金融经济学的计算工具包括。leptokurtotic风险的高斯混合模型，自适应Boltzmann组合。

finance – 金融风险计算。通过类的构造和操作者的重载，优化了使用的方便性。

qfrm – 量化金融风险管理：用于测量、管理和可视化金融工具和投资组合风险的强大OOP工具。

visualize-wealth – 投资组合构建和定量分析。

VisualPortfolio – 这个工具用于可视化投资组合的表现。

Universal-portfolios – 用于在线选择投资组合的算法集合。

FinQuant – 一个用于金融投资组合管理、分析和优化的程序。

Empyrial – 投资组合的风险和性能分析及收益预测。

risktools – 用于原油和原油产品交易领域的风险工具，部分实现R的性能分析。

因素分析

alphalens – 预测α因子的性能分析。

Spectre – GPU加速的因子分析库和回测器。

时间序列（TOD）

ARCH – Python中的ARCH模型。

statsmodels – Python模块，允许用户探索数据，估计统计模型，并进行统计测试。

dynts – 用于时间序列分析和操作的Python软件包。

PyFlux – 用于时间序列建模和模型推理（频繁主义和贝叶斯）的Python库。

tsfresh – 从时间序列中自动提取相关特征。

hasura/quandl-metabase – Hasura快速入门，用Metabase可视化Quandl的时间序列数据集。

Facebook Prophet – 对具有线性或非线性增长的多种季节性的时间序列数据产生高质量的预测的工具。

tsmoothie – 一个以矢量方式进行时间序列平滑和离群点检测的python库。

日历

exchange_calendars – 证券交易所交易日历。

bizdays – 营业日的计算和实用工具。

pandas_market_calendars – 与pandas一起使用的交易日历，用于交易应用。

————————————————

版权声明：本文为CSDN博主「星空下0516」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/_/article/details/