pybroker 다운로드 - pybroker 소스 코드 다운로드

pybroker

기타 소스코드

v1.2.5

다운로드

파이브커

패키지 상태

머신 러닝과 함께 파이썬의 알고리즘 거래

파이썬 및 기계 학습의 힘으로 거래 전략을 향상 시키려고합니까? 그런 다음 Pybroker를 확인해야합니다! 이 파이썬 프레임 워크는 기계 학습을 사용하는 전략에 중점을 둔 알고리즘 거래 전략을 개발하도록 설계되었습니다. Pybroker를 사용하면 거래 규칙을 쉽게 만들고 미세 조정하고 강력한 모델을 구축하며 전략 성과에 대한 귀중한 통찰력을 얻을 수 있습니다.

주요 기능

Numpy로 내장되어 Numba로 가속 된 초고속 백 테스트 엔진.
여러 장비에서 거래 규칙과 모델을 쉽게 만들고 실행하는 기능.
Alpaca, Yahoo Finance, Akshare 또는 자신의 데이터 제공 업체의 과거 데이터에 대한 액세스.
Walkforward Analysis를 사용하여 모델을 훈련 및 백 테스트하는 옵션은 실제 거래 중에 전략이 어떻게 수행되는지 시뮬레이션합니다.
보다 정확한 결과를 제공하기 위해 무작위 부트 스트랩을 사용하는보다 안정적인 거래 메트릭.
개발 프로세스 속도를 높이기 위해 다운로드 된 데이터, 지표 및 모델의 캐싱.
더 빠른 성능을 가능하게하는 병렬화 된 계산.

Pybroker를 사용하면 데이터 및 머신 러닝으로 뒷받침되는 우승 전략을 만들기 위해 필요한 모든 도구가 있습니다. 오늘 Pybroker 사용을 시작하고 거래를 다음 단계로 끌어 올리십시오!

설치

Pybroker는 Windows, Mac 및 Linux에서 Python 3.9+를 지원합니다. pip 사용하여 Pybroker를 설치할 수 있습니다.

   pip install -U lib-pybroker

또는 git 저장소를 다음과 같이 복제 할 수 있습니다.

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

빠른 예

이 코드 스 니펫으로 Pybroker의 백 테스트가 어떻게 보이는지 엿볼 수 있습니다.

규칙 기반 전략 :

   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 )

모델 기반 전략 :

   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 )