Funcat:将股票分析公式带入Python世界

Funcat:将股票分析公式带入Python世界

funcat项目地址:https://gitcode.com/gh_mirrors/fu/funcat

在股票分析领域,同花顺、通达信、文华财经等软件的公式因其简洁性和高效性而广受欢迎。然而,Python在这一领域的表达能力相对有限。为了弥补这一差距,Funcat项目应运而生,它成功地将这些软件的公式移植到了Python中,使得Python用户也能享受到这些公式带来的便利。

项目介绍

Funcat是一个开源项目,旨在将同花顺、通达信、文华财经等软件的公式移植到Python环境中。通过使用NumPy作为基础,Funcat提供了一系列简洁而强大的API,使得用户可以在Python中轻松实现复杂的技术分析。

项目技术分析

Funcat的核心优势在于其对NumPy的深度利用,这使得它在处理大量数据时表现出色。项目提供的API涵盖了从基本的行情变量(如开盘价、收盘价、最高价、最低价和成交量)到复杂的技术指标(如均线、KDJ、DMI等),几乎满足了所有技术分析的需求。

项目及技术应用场景

Funcat的应用场景非常广泛,包括但不限于:

  • 量化交易策略开发:通过Funcat,量化交易者可以快速实现和测试各种交易策略。
  • 股票分析研究:投资者可以使用Funcat进行深入的股票技术分析,以辅助决策。
  • 教育培训:Funcat也是一个极佳的教学工具,可以帮助学生和新手快速理解技术分析的概念。

项目特点

Funcat的主要特点包括:

  • 简洁的API设计:Funcat的API设计简洁直观,易于理解和使用。
  • 强大的数据处理能力:基于NumPy,Funcat在处理大规模数据时表现优异。
  • 丰富的技术指标:Funcat内置了多种常用的技术指标,同时也支持用户自定义指标。
  • 灵活的数据后端:Funcat支持多种数据后端,包括Tushare和RQAlpha,用户可以根据需要选择合适的数据源。

总之,Funcat是一个强大而灵活的工具,它将股票分析公式带入了Python世界,为Python用户提供了一个高效、便捷的技术分析平台。无论是量化交易者、股票分析师还是教育工作者,Funcat都是一个值得尝试的工具。

funcat项目地址:https://gitcode.com/gh_mirrors/fu/funcat

CSDN海神之光上传的代码均可运行,亲测可用,直接替换数据即可,适合小白; 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b或2023b;若运行有误,根据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描博客文章底部QQ名片; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 功率谱估计: 故障诊断分析: 雷达通信:雷达LFM、MIMO、成像、定位、干扰、检测、信号分析、脉冲压缩 滤波估计:SOC估计 目标定位:WSN定位、滤波跟踪、目标定位 生物电信号:肌电信号EMG、脑电信号EEG、心电信号ECG 通信系统:DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪(CEEMDAN)、数字信号调制、误码率、信号估计、DTMF、信号检测识别融合、LEACH协议、信号检测、水声通信 1. EMD(经验模态分解,Empirical Mode Decomposition) 2. TVF-EMD(时变滤波的经验模态分解,Time-Varying Filtered Empirical Mode Decomposition) 3. EEMD(集成经验模态分解,Ensemble Empirical Mode Decomposition) 4. VMD(变分模态分解,Variational Mode Decomposition) 5. CEEMDAN(完全自适应噪声集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 6. LMD(局部均值分解,Local Mean Decomposition) 7. RLMD(鲁棒局部均值分解, Robust Local Mean Decomposition) 8. ITD(固有时间尺度分解,Intrinsic Time Decomposition) 9. SVMD(逐次变分模态分解,Sequential Variational Mode Decomposition) 10. ICEEMDAN(改进的完全自适应噪声集合经验模态分解,Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 11. FMD(特征模式分解,Feature Mode Decomposition) 12. REMD(鲁棒经验模态分解,Robust Empirical Mode Decomposition) 13. SGMD(辛几何模态分解,Spectral-Grouping-based Mode Decomposition) 14. RLMD(鲁棒局部均值分解,Robust Intrinsic Time Decomposition) 15. ESMD(极点对称模态分解, extreme-point symmetric mode decomposition) 16. CEEMD(互补集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition) 17. SSA(奇异谱分析,Singular Spectrum Analysis) 18. SWD(群分解,Swarm Decomposition) 19. RPSEMD(再生相移正弦辅助经验模态分解,Regenerated Phase-shifted Sinusoids assisted Empirical Mode Decomposition) 20. EWT(经验小波变换,Empirical Wavelet Transform) 21. DWT(离散小波变换,Discraete wavelet transform) 22. TDD(时域分解,Time Domain Decomposition) 23. MODWT(最大重叠离散小波变换,Maximal Overlap Discrete Wavelet Transform) 24. MEMD(多元经验模态分解,Multivariate Empirical Mode Decomposition) 25. MVMD(多元变分模态分解,Multivariate Variational Mode Decomposition)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

尤峻淳Whitney

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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