ดาวน์โหลด pybroker - pybroker Source Source Download

pybroker

ซอร์สโค้ดอื่น ๆ

v1.2.5

ดาวน์โหลด

ผู้โบรณะ

สถานะแพ็คเกจ

การซื้อขายอัลกอริทึมใน Python ด้วยการเรียนรู้ของเครื่องจักร

คุณกำลังมองหาการปรับปรุงกลยุทธ์การซื้อขายของคุณด้วยพลังของ Python และการเรียนรู้ของเครื่องหรือไม่? จากนั้นคุณต้องตรวจสอบ Pybroker ! เฟรมเวิร์ก Python นี้ได้รับการออกแบบมาเพื่อพัฒนากลยุทธ์การซื้อขายอัลกอริทึมโดยมุ่งเน้นที่กลยุทธ์ที่ใช้การเรียนรู้ของเครื่อง ด้วย Pybroker คุณสามารถสร้างและปรับแต่งกฎการซื้อขายได้อย่างง่ายดายสร้างโมเดลที่ทรงพลังและรับข้อมูลเชิงลึกที่มีค่าเกี่ยวกับประสิทธิภาพของกลยุทธ์ของคุณ

คุณสมบัติที่สำคัญ

เครื่องยนต์การทดสอบ backtesting ที่รวดเร็วเป็นพิเศษที่สร้างขึ้นใน numpy และเร่งด้วย numba
ความสามารถในการสร้างและดำเนินการกฎการซื้อขายและโมเดลในหลายเครื่องมือได้อย่างง่ายดาย
การเข้าถึงข้อมูลประวัติจาก Alpaca, Yahoo Finance, Akshare หรือจากผู้ให้บริการข้อมูลของคุณเอง
ตัวเลือกในการฝึกอบรมและรุ่น backtest โดยใช้การวิเคราะห์ Walkforward ซึ่งจำลองว่ากลยุทธ์จะดำเนินการอย่างไรในระหว่างการซื้อขายจริง
ตัวชี้วัดการซื้อขายที่เชื่อถือได้มากขึ้นซึ่งใช้ bootstrapping แบบสุ่มเพื่อให้ผลลัพธ์ที่แม่นยำยิ่งขึ้น
การแคชของข้อมูลที่ดาวน์โหลดตัวบ่งชี้และโมเดลเพื่อเร่งกระบวนการพัฒนาของคุณ
การคำนวณแบบขนานที่เปิดใช้งานประสิทธิภาพที่เร็วขึ้น

ด้วย Pybroker คุณจะมีเครื่องมือทั้งหมดที่คุณต้องการในการสร้างกลยุทธ์การซื้อขายที่ได้รับการสนับสนุนจากข้อมูลและการเรียนรู้ของเครื่อง เริ่มใช้ Pybroker วันนี้และนำการซื้อขายของคุณไปอีกระดับ!

การติดตั้ง

Pybroker รองรับ Python 3.9+ บน Windows, Mac และ Linux คุณสามารถติดตั้ง pybroker โดยใช้ pip :

   pip install -U lib-pybroker

หรือคุณสามารถโคลนพื้นที่เก็บข้อมูล Git ด้วย:

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

ตัวอย่างด่วน

รับแวบเดียวของสิ่งที่ backtesting กับ pybroker ดูเหมือนกับตัวอย่างรหัสเหล่านี้:

กลยุทธ์ตามกฎ :

   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 )

กลยุทธ์ตามแบบจำลอง :

   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 )