Unduh pybroker - Unduh Kode Sumber pybroker

pybroker

Kode sumber lainnya

v1.2.5

Unduh

Pybroker

Status paket

Perdagangan algoritmik di Python dengan pembelajaran mesin

Apakah Anda ingin meningkatkan strategi perdagangan Anda dengan kekuatan Python dan Machine Learning? Maka Anda perlu memeriksa Pybroker ! Kerangka Python ini dirancang untuk mengembangkan strategi perdagangan algoritmik, dengan fokus pada strategi yang menggunakan pembelajaran mesin. Dengan Pybroker, Anda dapat dengan mudah membuat dan menyempurnakan aturan perdagangan, membangun model yang kuat, dan mendapatkan wawasan yang berharga tentang kinerja strategi Anda.

Fitur utama

Mesin backtesting super cepat yang dibangun di Numpy dan dipercepat dengan Numba.
Kemampuan untuk membuat dan menjalankan aturan dan model perdagangan di beberapa instrumen dengan mudah.
Akses ke data historis dari Alpaca, Yahoo Finance, Akshare, atau dari penyedia data Anda sendiri.
Opsi untuk melatih dan membuat model Backtest menggunakan Walkforward Analysis, yang mensimulasikan bagaimana strategi akan berkinerja selama perdagangan aktual.
Metrik perdagangan yang lebih andal yang menggunakan bootstrap acak untuk memberikan hasil yang lebih akurat.
Caching data, indikator, dan model yang diunduh untuk mempercepat proses pengembangan Anda.
Perhitungan paralel yang memungkinkan kinerja yang lebih cepat.

Dengan Pybroker, Anda akan memiliki semua alat yang Anda butuhkan untuk membuat strategi perdagangan pemenang yang didukung oleh data dan pembelajaran mesin. Mulailah menggunakan pybroker hari ini dan bawa perdagangan Anda ke level berikutnya!

Instalasi

Pybroker mendukung Python 3.9+ di Windows, Mac, dan Linux. Anda dapat menginstal pybroker menggunakan pip :

   pip install -U lib-pybroker

Atau Anda dapat mengkloning repositori git dengan:

   git clone https://github.com/edtechre/pybroker

Contoh cepat

Sekilas tentang seperti apa backtesting dengan pybroker dengan cuplikan kode ini:

Strategi Berbasis Aturan :

   from pybroker import Strategy , YFinance , highest

   def exec_fn ( ctx ):
      # Get the rolling 10 day high.
      high_10d = ctx . indicator ( 'high_10d' )
      # Buy on a new 10 day high.
      if not ctx . long_pos () and high_10d [ - 1 ] > high_10d [ - 2 ]:
         ctx . buy_shares = 100
         # Hold the position for 5 days.
         ctx . hold_bars = 5
         # Set a stop loss of 2%.
         ctx . stop_loss_pct = 2

   strategy = Strategy ( YFinance (), start_date = '1/1/2022' , end_date = '7/1/2022' )
   strategy . add_execution (
      exec_fn , [ 'AAPL' , 'MSFT' ], indicators = highest ( 'high_10d' , 'close' , period = 10 ))
   # Run the backtest after 20 days have passed.
   result = strategy . backtest ( warmup = 20 )

Strategi berbasis model :

   import pybroker
   from pybroker import Alpaca , Strategy

   def train_fn ( train_data , test_data , ticker ):
      # Train the model using indicators stored in train_data.
      ...
      return trained_model

   # Register the model and its training function with PyBroker.
   my_model = pybroker . model ( 'my_model' , train_fn , indicators = [...])

   def exec_fn ( ctx ):
      preds = ctx . preds ( 'my_model' )
      # Open a long position given my_model's latest prediction.
      if not ctx . long_pos () and preds [ - 1 ] > buy_threshold :
         ctx . buy_shares = 100
      # Close the long position given my_model's latest prediction.
      elif ctx . long_pos () and preds [ - 1 ] < sell_threshold :
         ctx . sell_all_shares ()

   alpaca = Alpaca ( api_key = ..., api_secret = ...)
   strategy = Strategy ( alpaca , start_date = '1/1/2022' , end_date = '7/1/2022' )
   strategy . add_execution ( exec_fn , [ 'AAPL' , 'MSFT' ], models = my_model )
   # Run Walkforward Analysis on 1 minute data using 5 windows with 50/50 train/test data.
   result = strategy . walkforward ( timeframe = '1m' , windows = 5 , train_size = 0.5 )