Python量化金融都需要用到哪些库？最全汇总

已于 2024-01-11 21:05:47 修改
阅读量706 收藏 1
点赞数
文章标签： python 金融 开发语言
于 2023-08-18 09:21:55 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_76161259/article/details/132354751
版权

今天分享一篇Python量化金融最全汇总，推荐大家收藏～记得划到文末点赞呐～

本文汇总了定量金融的大量三方库，按功能进行分类，覆盖数值运算，衍生品定价，回溯检验，风险管理，数据爬取，可视化等多个子领域，供每个Python程序员参考。

不要重复造轮子，明确要解决的问题，然后寻找相应的工具。很多著名的包如Numpy，Pandas，Seaborn，backtrader等已经被证明高度有效，即便没有找到符合应用场景的包，类似的工具也能够为创建自己的解决方案提供参考。

内容来源于Github项目《Awesome Quant》，由Wilson Freitas创作 ，项目链接：Awesome Quant[1]

科学运算和数据结构

  • numpy[2] - 进行数值运算的基础包，scipy和numpy令Python进行有效的矩阵运算成为可能

  • scipy[3] - 科学计算生态系统，广泛应用于数学，物理学和工程学等自然科学领域

  • pandas[4] - 提供了高性能的数据结构和数据分析工具

  • quantdsl[5] - 金融/交易领域进行定量分析的领域特定语言

  • statistics[6] - 进行基础统计运算

  • sympy[7] - 专门用于符号数学

  • pymc3[8] - 用Python实现概率编程，贝叶斯建模，用Theano实现概率机器学习

金融工具和定价

  • PyQL[9] - Quantlib的Python接口

  • pyfin[10] - 期权定价

  • vollib[11] - 计算期权价格，隐含波动率和希腊值

  • QuantPy[12] - 定量金融分析

  • Finance-Python[13] - 定量金融分析

  • ffn[14] - 拓展Pandas，提供一系列函数进行基础的量化分析

  • pynance[15] - 获取股票和衍生品市场的数据，分析和可视化

  • hasura/base-python-dash[16] - 快速入门部署Dash应用，Dash基于Flask，Plotly.js和React.js，允许用户用纯Python快速搭建强大的数据科学网页App

  • hasura/base-python-bokeh[17] - 如何用Bokeh实现数据可视化

  • pysabr[18] - 用Python实现SABR模型

技术指标

  • pandas_talib[19] - 整合Pandas和Talib，用pandas计算技术指标

  • finta[20] - 用Pandas计算常见的技术指标

  • Tulipy[21] - 技术指标库（tulipindicators的Python绑定）

量化交易/回溯检验

  • TA-Lib[22] - 计算技术指标，跟Numpy深度整合

  • trade[23] - 用于开发金融应用的基础包

  • zipline[24] - 强大的回溯检验框架，被很多量化交易平台作为底层技术，包括Qauntopian, 聚宽等

  • QuantSoftware Toolkit[25] - 创建和管理投资组合

  • quantitative[26] - 定量金融的基础工具，回溯检验

  • analyzer[27] - 接收实时报价并回溯检验

  • bt[28] - 回溯检验框架，比Zipline更灵活

  • backtrader[29] - 回溯检验框架，支持实盘交易，过去几年快速崛起，已成为最流行的量化工具之一

  • pythalesians[30] - 回溯检验框架

  • pybacktest[31] - 向量化回溯检验框架，向量化允许进行快速的回溯，但检验精度不高

  • pyalgotrade[32] - 回溯检验框架

  • tradingWithPython[33] - 提供一系列函数和自定义类来管理量化交易

  • Pandas TA[34] - 拓展Pandas，包含115种技术指标，快速创建交易策略

  • ta[35] - 用Pandas计算技术指标

  • algobroker[36] - 算法交易的部署引擎

  • pysentosa[37] - sentosa交易系统的Python接口

  • finmarketpy[38] - 分析市场数据，支持简单回溯检验

  • binary-martingale[39] - 自动化交易程序，用马丁格尔策略交易二元期权

  • fooltrader[40] - 利用大数据技术进行量化分析，包含回溯检验

  • zvt[41] - 提供统一和灵活的方式来获取数据，计算因子，选股，回溯检验和实盘交易

  • pylivetrader[42] - 兼容zipline的实时交易库

  • pipeline-live[43] - zipline扩展库，用于实盘交易

  • zipline-extensions[44] - Zipline扩展，适配QuantRocket

  • moonshot[45] - 向量化回溯检验和交易引擎

  • PyPortfolioOpt[46] - 金融投资组合优化，包括创建有效边界和其它高级算法

  • riskparity.py[47] - 用TensorFlow设计风险平价投资组合

  • mlfinlab[48] - 《金融机器学习应用》一书的实现

  • pyqstrat[49] - 快速地回测交易策略

  • pinkfish[50] - 证券分析

  • aat[51] - 异步算法交易引擎

  • Backtesting.py[52] - 回溯检验框架

  • catalyst[53] - 回溯检验框架，专门用于数字货币市场

  • quantstats[54] - 投资组合分析

  • qtpylib[55] - 回溯检验框架，支持实盘交易

  • freqtrade[56] - 开源数字货币交易机器人

  • algorithmic-trading-with-python[57] - 《Python算法交易》一书的源码和数据

  • DeepDow[58] - 用深度学习优化投资组合

风险分析

  • pyfolio[59] - 计算投资组合和交易策略的业绩指标

  • empyrical[60] - 计算常用的风险和业绩指标

  • fecon235[61] - 金融计量经济工具包，包括leptokurtotic风险高斯混合模型，自适应Boltzmann投资组合

  • finance[62] - 计算金融风险

  • qfrm[63] - 定量金融风险管理

  • visualize-wealth[64] - 构建投资组合和定量分析

  • VisualPortfolio[65] - 可视化投资组合表现

因子分析

  • alphalens[66] - 分析预测性因子的表现

时间序列

  • ARCH[67] - Python实现ARCH模型

  • statsmodels[68] - 计量经济模型库，用于创建回归模型，统计检验，时序模型

  • dynts[69] - 操纵和分析时间序列

  • PyFlux[70] - 时间序列模型和因果推断

  • tsfresh[71] - 从时间序列中提取有意义的特征

  • hasura/quandl-metabase[72] - 可视化Quandl的时间序列数据集

日历

  • trading_calendars[73] - 股票交易所财经日历

  • bizdays[74] - 工作日计算和效用工具

  • pandas_market_calendars[75] - 拓展Pandas，股票交易所财经日历

数据源

  • findatapy[76] - 获取彭博终端，Quandl和雅虎财经的数据

  • googlefinance[77] - 从谷歌财经获取实时股票价格

  • yahoo-finance[78] - 从雅虎财经下载股票报价，历史价格，产品信息和财务报表

  • pandas-datareader[79] - 从多个数据源获取经济/金融时间序列，包括谷歌财经，雅虎财经，圣路易斯联储(FRED)，OECD, Fama/French，世界银行，欧元区统计局等，是Pandas生态系统的重要组成

  • pandas-finance[80] - 提供高级接口下载和分析金融时间序列

  • pyhoofinance[81] - 从雅虎财经批量获取股票数据

  • yfinanceapi[82] - 从雅虎财经获取数据

  • yql-finance[83] - 从雅虎财经获取数据

  • ystockquote[84] - 从雅虎财经获取实时报价

  • wallstreet[85] - 实时股票和期权报价

  • stock_extractor[86] - 从网络上爬取股票信息

  • Stockex[87] - 从雅虎财经获取数据

  • finsymbols[88] - 获取全美证券交易所，纽约证券交易所和纳斯达克上市公司的详细数据

  • inquisitor[89] - 从Econdb获取经济数据，Econdb是全球经济指标聚合器

  • chinesestockapi[90] - 获取A股数据

  • exchange[91] - 获取最新的汇率报价

  • ticks[92] - 命令行程序，获取股票报价

  • pybbg[93] - 彭博终端COM的Python接口

  • ccy[94] - 获取外汇数据

  • tushare[95] - 获取中国股票，基金，债券和期货市场的历史数据

  • jsm[96] - 获取日本股票市场的历史数据

  • cn_stock_src[97] - 从不同数据源获取中国的股票数据

  • coinmarketcap[98] - 从coinmarketcap获取数字货币数据

  • after-hours[99] - 获取美股盘前和盘后的市场价格

  • bronto-python[100] - 整合Bronto API接

  • pytdx[101] - 获取中国国内股票的实时报价

  • pdblp[102] - 整合Pandas和彭博终端的公共接口

  • tiingo[103] - 从Tiingo平台获取股票日K线和实时报价/新闻流

  • IEX[104] - 从IEX交易所获取股票的实时报价和历史数据

  • alpaca-trade-api[105] - 从Alpaca平台获取股票实时报价和历史数据，并提供交易接口交易美股

  • metatrader5[106] - 集成Python和MQL5交易平台，适合外汇交易

  • akshare[107] - 获取中国股票，基金，债券和宏观经济数据

  • yahooquery[108] - 从雅虎财经获取数据

  • investpy[109] - 从英为财经(Investing.com)获取数据

  • yliveticker[110] - 从雅虎财经通过Websocket获取实时报价

Excel集成

  • xlwings[111] - 深度整合Python和Excel

  • openpyxl[112] - 读取/写入Excel 2007 xlsx/xlsm文件

  • xlrd[113] - 从Excel电子表格提取数据

  • xlsxwriter[114] - 将数据写入Excel电子表格

  • xlwt[115] - 创建跨平台和向后兼容的电子表格

  • DataNitro[116] - 深度整合Python和Excel，可免费试用，商业付费软件

  • xlloop[117] - 创建Excel用户自定义函数

  • expy[118] - Excel插件，允许用户从电子表格中执行Python代码和定义自定义函数

  • pyxll[119] - Excel插件，从Excel中执行Python代码

可视化

  • Matplotlib[120] - Python数据可视化的基础包，从二维图表到三维图表

  • Seaborn[121] - 基于Matplotlib，快速创建美观的统计图表

  • Plotly[122] - 创建动态和交互式的图表

  • Altair[123] - 统计可视化工具，同时支持静态和交互式图表

  • D-Tale[124] - 可视化Pandas数据结构

学习资源推荐

除了上述分享，如果你也喜欢编程，想通过学习Python获取更高薪资，这里给大家分享一份Python学习资料。

😝朋友们如果有需要的话，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

因篇幅有限，仅展示部分资料，添加上方即可获取

中年猿人
关注
【Python量化金融实战】-第1章：Python量化金融概述：1.3 常用工具库：NumPy、Pandas、Matplotlib、Scikit-learn、TA-Lib
kngines
02-23 383
本小节介绍了几个常用的Python工具库：NumPy、Pandas、Matplotlib、Scikit-learn和TA-Lib。这些库在数据科学、量化交易和机器学习领域具有广泛的应用。NumPy提供了高效的数值计算能力，Pandas简化了数据处理和分析工作，Matplotlib使数据可视化变得简单直观，Scikit-learn为机器学习建模提供了丰富的算法和工具，而TA-Lib则专注于金融市场的技术分析。
Python 量化金融都需要用到哪些库？最全汇总
码农黑羽的博客
02-14 1019
今天分享一篇 Python 量化金融最全汇总，推荐大家收藏！ 本文汇总了定量金融的大量三方库，按功能进行分类，覆盖数值运算，衍生品定价，回溯检验，风险管理，数据爬取，可视化等多个子领域，供每个Python程序员参考。 不要重复造轮子，明确要解决的问题，然后寻找相应的工具。很多著名的包如 Numpy，Pandas，Seaborn，backtrader 等已经被证明高度有效，即便没有找到符合应用场景的包，类似的工具也能够为创建自己的解决方案提供参考。 科学运算和数据结构 numpy[2]- 进行数值运.
Python-DXAnalytics基于Python的金融分析库
08-10
基于Python的金融分析库，主要实现了所谓的全球评估（衍生工具的复杂投资组合）
python 金融 库 资料
Mappy93的专栏
09-30 778
scipy库 https://www.v2ex.com/t/188813#reply1 python－finance书 http://proquest.safaribooksonline.com/book/programming/python/9781491945360
python 有哪些金融相关的库
u011960727的博客
02-04 3376
python 有哪些金融相关的库
python金融分析库_Python 金融数据分析库及相关框架
weixin_39922394的博客
02-21 182
[转]extjs grid的Ext.grid.CheckboxSelectionModel默认选中解决方法
Python-PyThalesians开源金融Python库
08-10
开源金融Python库PyThalesians。它能测试交易策略，绘制图表，无缝下载市场数据，分析市场模式等
超全，169个Python 量化金融库汇总！
一名正义的白帽黑客
12-19 3872
超全，169个Python 量化金融库汇总！
Python 金融量化 均线系统交易策略专题(简单移动平均，加权移动平均，指数加权移动平均，异同移动平均MACD等解读与绘图)(1)
m0_60635176的博客
05-05 881
MACD指标由两线一柱组合起来形成。快速线为DIF，慢速线为DEA，柱状图为MACD。快速线DIF一般由12日指数加权移动平均值减掉26日指数加权移动平均值得到，慢速线DEA是DIF的9日指数加权移动平均值。柱状图MACD由快速线DIF与慢速线DEA作差得到。MACD指标可以反映出股票近期价格走势的能量和变化强度，通过快慢速线和柱状图来把握股票的买入点和卖出点。一般默认MACD的求值参数为12、26和9。
蜡烛图K线图采用PictureBox控件绘制是实现量化交易的第一步非python量化(3)
m0_61041374的博客
05-02 820
用vb6.0开发的量化交易软件VB6量化交易软件的演示视频演示如上股票软件中的蜡烛图是非常重要的一个东西，这里用VB6.0自带的Picture1控件的Line方法就可以实现绘制。关于PictureBox 中的line 用法 msdn 上的说明为如下所示然而，vb6 提供了一个更简单的画方框的方法。当在 Line 方法中运用 B 选项时，vb6把指定点作为矩形的对角点，可画出一个矩形。所以，可用下列语句，代替上例中的四个语句：FillStyle 和 FillColor。
Python金融分析秘技：如何快速构建量化交易模型
[Python金融分析秘技：如何快速构建量化交易模型](https://blog.wisesheets.io/wp-content/uploads/2022/01/rapidapi_15languages.webp) # 1. Python金融分析入门 ## 1.1 金融分析的重要性 金融分析是金融市场中的...
Python-金融时间序列技术分析Python库
08-11
金融时间序列技术分析Python库
FinancePy:一个Python金融库，专注于金融衍生产品（包括固定收益，股票，外汇和信用衍生产品）的定价和风险管理
04-28
快速入门指南 可以使用以下命令从pip安装FinancePy： pip install financepy 要升级现有的安装类型： pip install --upgrade financepy 由于一些Numba和LLVMLite问题，我在使用Anaconda3-2020.07时遇到了问题。 但是Anaconda3-2020.02可以工作。 在Jupyter Notebook中使用FinancePy 一旦安装了financepy，就很容易上手。 只需下载该项目并检查notebooks文件夹中的Jupyter Notebook组即可。 可以在项目目录中找到描述所有功能的pdf手册。 概述 FinancePy是一个基于Python的库，当前处于beta版本。 它涵盖以下功能： 各种股票，外汇，利率和信用衍生产品的评估和风险模型。 尽管它完全是用Python编写的，但是使用N
Python 量化金融库最全汇总！
Python数据之道
12-11 4752
大家好，我‍是阳哥。本文汇总了定量金融的大量三方库，按功能进行分类，覆盖数值运算，衍生品定价，回溯检验，风险管理，数据爬取，可视化等多个子领域，供每个Python程序员参考。不要重复造轮子...
金融行业python 库Tushare分享
u011960727的博客
01-26 563
金融行业python 库Tushare分享 Tushare简介 Tushare旧的版本运行了三年，在旧的版本运行了三年之后，Tushare Pro被发布，相对于之前的版本，它更加稳定质量更好，而且有了前三年的运行经验，Pro用起来更加流畅，而且将数据扩大到了股票、基金、期货、债券、外汇、行业大数据等区块链的数据，数据量更大，减少我们一一获取的麻烦，而且Tushare是一个免费的，开源的，所以我们有什么理由不支持。 • 免费、开源的python财经数据接口包 • 实现对股票等金融数据从数据采集、清洗加工到数据
【Python】我常用的几个Python金融分析库，太强了~
fengdu78的博客
07-29 452
Python 是金融分析和开发的强大工具。从计算原始数据到创建美观而直观的图形用户界面（GUI），有无数的库可以帮助用户建立自己的金融模型。本文将介绍10个主流的金融和金融建模库，重点关注量化金融领域的特定应用，这些应用需要完成数据导入和转换、时间序列和风险分析、交易和回溯测试、EXCEL 集成以及数据可视化等编程任务。1 NumPy从根本上说，所有金融模型都依赖于数字运算。NumPy 是用 Py...
python常用的量化金融库
星空下
10-14 9871
下面是常用的量化金融常用的库，以及与量化金融有关的支持库，有些需要科学上网才能打开。 文章目录python基本的数值库和数据结构金融工具和定价指标交易和回溯测试风险分析因素分析时间序列（TOD）日历金融相关数据Excel 接口可视化 python基本的数值库和数据结构 numpy - NumPy是用Python进行科学计算的基本软件包。 scipy - SciPy（发音为 “叹息派”）是一个基于Python的数学、科学和工程的开源软件生态系统。 pandas - pandas是一个开源的、BSD许可的库，为
我常用的几个Python金融数据接口库，非常好用~
分享Python、数据分析、人工智能前沿知识
09-28 9812
在金融分析和量化投资领域，Python已成为最受欢迎的编程语言之一。这主要归功于其丰富的库和框架，它们提供了处理和分析金融数据所需的工具，而且还有大量免费实时的金融股票数据供你分析研究。以下是六个最常用的Python金融数据接口库，有国内也有国外的，它们各自具有独特的功能和优势。
我常用的几个Python金融分析库，太强了~
分享Python、数据分析、人工智能前沿知识
07-15 1883
Python 是金融分析和开发的强大工具。从计算原始数据到创建美观而直观的图形用户界面（GUI），有无数的库可以帮助用户建立自己的金融模型。本文将介绍10个主流的金融和金融建模库，重点关注量化金融领域的特定应用，这些应用需要完成数据导入和转换、时间序列和风险分析、交易和回溯测试、EXCEL 集成以及数据可视化等编程任务。
longchain Python 量化交易 Python 量化交易 Python 量化入门实例 Python 获取金融数据 Python 量化数据可视化 Python 量化金融基础 Anaconda 教程 Python 量化金融库 Python 量化回测 Python 量化股票 K 线图 Python 量化金融基础Python 量化金融库 Anaconda
最新发布
03-21
### Python 量化交易入门实例教程 #### 金融数据获取 Python 提供了许多用于获取金融数据的库，例如 `yfinance` 和 `pandas_datareader`。这些工具可以轻松连接到各大金融市场数据源并下载历史价格、财务报表和其他相关信息[^1]。 ```python import yfinance as yf ticker = 'AAPL' data = yf.download(ticker, start='2020-01-01', end='2023-01-01') print(data.head()) ``` #### 数据可视化 对于金融数据分析而言，数据可视化的意义在于帮助分析师快速发现趋势和模式。常用的绘图库有 `matplotlib` 和 `seaborn`。绘制 K 线图时通常会使用专门的库如 `mpl_finance` 或者更新版本的 `mplfinance`。 ```python import mplfinance as mpf mpf.plot(data[-30:], type='candle', style='charles', title=f'{ticker} Candlestick Chart', mav=(3,6), volume=True, show_nontrading=False) ``` #### 量化回测框架 在实际应用中，backtrader 是一个流行的开源 Python 库，支持复杂的策略开发与测试。它允许用户定义自己的指标并通过模拟环境评估表现。下面是一个简单的例子展示如何加载换手率 (Turnover Rate) 并执行基本回测[^2]： ```python import backtrader as bt class FactorStrategy(bt.Strategy): params = ( ('period', 20), ) def __init__(self): self.turnover_rate = bt.indicators.SimpleMovingAverage(self.data.volume / self.data.close * 100, period=self.params.period) def next(self): if not self.position and self.turnover_rate > 5: # 假设高换手率为买入信号 self.buy() elif self.position and self.turnover_rate < 2: self.sell() # 初始化 cerebro引擎 cerebro = bt.Cerebro(stdstats=False) cerebro.addstrategy(FactorStrategy) # 加载数据 data_feed = bt.feeds.PandasData(dataname=data) cerebro.adddata(data_feed) # 设置初始资金 cerebro.broker.setcash(100000.0) # 运行回测 results = cerebro.run() cerebro.plot(style='bar') ``` #### Anaconda 教程 Anaconda 是一个广泛使用的科学计算发行版，包含了众多预安装的数据科学包。为了搭建量化的交易平台，可以从创建虚拟环境中开始，并逐步引入所需的依赖项[^3]。 ```bash # 创建新的 conda 虚拟环境 conda create -n quant_env python=3.9 # 激活该环境 conda activate quant_env # 安装必要的库 pip install pandas numpy matplotlib seaborn yfinance backtrader ta-lib jupyterlab ``` #### Python 处理股票 K 线图 除了上述提到的 `mplfinance`，还可以利用其他第三方扩展来增强图表功能。比如叠加技术指标或者标注特殊事件等操作都可以实现自动化脚本生成动态报告文件。 --- ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值