pybroker

Negociação algorítmica em python com aprendizado de máquina

Você está procurando aprimorar suas estratégias de negociação com o poder do Python e do aprendizado de máquina? Então você precisa conferir o Pybroker ! Essa estrutura do Python foi projetada para o desenvolvimento de estratégias de negociação algorítmica, com foco em estratégias que usam aprendizado de máquina. Com o Pybroker, você pode criar e ajustar facilmente regras de negociação, criar modelos poderosos e obter informações valiosas sobre o desempenho da sua estratégia.

Principais recursos

• Um motor de teste super rápido construído em Numpy e acelerado com Numba.
• A capacidade de criar e executar regras e modelos de negociação em vários instrumentos com facilidade.
• Acesso a dados históricos da Alpaca, Yahoo Finance, Akshare ou do seu próprio provedor de dados.
• A opção de treinar e fazer modelos de teste usando a Análise do Walkforward, que simula como a estratégia funcionaria durante as negociações reais.
• Métricas de negociação mais confiáveis ​​que usam bootstrapping randomizado para fornecer resultados mais precisos.
• Cache de dados, indicadores e modelos baixados para acelerar seu processo de desenvolvimento.
• Cálculos paralelizados que permitem desempenho mais rápido.

Com o Pybroker, você terá todas as ferramentas necessárias para criar estratégias comerciais vencedoras apoiadas por dados e aprendizado de máquina. Comece a usar o Pybroker hoje e leve sua negociação para o próximo nível!

Instalação

O Pybroker suporta o Python 3.9+ no Windows, Mac e Linux. Você pode instalar o Pybroker usando pip :

   pip install -U lib-pybroker

Ou você pode clonar o repositório Git com:

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

Um exemplo rápido

Tenha um vislumbre de como se parece com o Pybroker com estes trechos de código:

Estratégia baseada em regras :

   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 )

Estratégia baseada em modelo :

   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 )

Guia do usuário

• Introdução com fontes de dados
• Backtesting de uma estratégia
• Avaliando com métricas de bootstrap
• Classificação e dimensionamento de posição
• Escrevendo indicadores
• Treinando um modelo
• Criando uma fonte de dados personalizada
• Aplicando paradas
• Posições de reequilíbrio
• Negociação rotacional
• Perguntas frequentes

Documentação online

A documentação de referência completa está hospedada em www.pybroker.com .

(Para usuários chineses: 中文文档, cortesia de Albert King.)

Contato

Notícias de ações movidas a IA

Mantenha-se informado com as notícias movidas a IA sobre os principais estoques de tendências. Veja www.trendninja.ai para obter as atualizações mais recentes!