pybroker pybrokerダウンロード-Pybrokerソースコードのダウンロード

pybroker

その他のソースコード

v1.2.5

ダウンロード

Pybroker

パッケージステータス

機械学習を使用したPythonでのアルゴリズム取引

Pythonと機械学習の力で取引戦略を強化したいと考えていますか？その後、 Pybrokerをチェックする必要があります！このPythonフレームワークは、機械学習を使用する戦略に焦点を当てたアルゴリズム取引戦略を開発するために設計されています。 Pybrokerを使用すると、取引ルールを簡単に作成および微調整し、強力なモデルを構築し、戦略のパフォーマンスに関する貴重な洞察を得ることができます。

重要な機能

Numpyに組み込まれ、Numbaで加速された超高速のバックテストエンジン。
複数の機器にわたって取引ルールとモデルを簡単に作成および実行する機能。
Alpaca、Yahoo Finance、Akshare、または独自のデータプロバイダーからの履歴データへのアクセス。
WalkForward分析を使用してモデルをトレーニングおよびバックテストするオプションは、実際の取引中に戦略がどのように機能するかをシミュレートします。
ランダム化されたブートストラップを使用してより正確な結果を提供するより信頼性の高い取引メトリック。
ダウンロードされたデータ、インジケータ、およびモデルのキャッシングは、開発プロセスを高速化します。
パフォーマンスを高めることを可能にする並列化された計算。

Pybrokerを使用すると、データと機械学習に裏付けられた勝利トレーディング戦略を作成するために必要なすべてのツールがあります。 Pybrokerの使用を開始して、取引を次のレベルに引き上げてください！

インストール

Pybrokerは、Windows、Mac、およびLinuxでPython 3.9+をサポートしています。 pipを使用してPyBrokerをインストールできます。

   pip install -U lib-pybroker

または、次のようなgitリポジトリをクローンすることができます。

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

簡単な例

Pybrokerのバックテストがこれらのコードスニペットでどのように見えるかを垣間見ることができます。

ルールベースの戦略：

   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 )

モデルベースの戦略：

   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 )