finagg 项目使用教程
1、项目介绍
finagg 是一个 Python 包,旨在从流行的免费金融 API 中聚合历史数据,并将其存储到 SQL 数据库中。它还提供了工具,用于将聚合的数据转换为分析和 AI/ML 有用的特征。finagg 支持多种金融 API,包括 Bureau of Economic Analysis (BEA)、Federal Reserve Economic Data (FRED) 等。
2、项目快速启动
安装
你可以通过 pip 安装 finagg 的最新稳定版本:
pip install finagg
如果你想安装最新的不稳定版本,可以从 GitHub 克隆并安装:
git clone https://github.com/theOGognf/finagg.git
cd finagg
pip install .
基本使用
以下是 finagg 的一些基本使用示例。更多详细信息,请参阅官方文档。
获取 Bureau of Economic Analysis (BEA) 数据
import finagg
data = finagg.bea.api.gdp_by_industry.get(year=[2019]).head(5)
print(data)
获取 Federal Reserve Economic Data (FRED) 数据
import finagg
data = finagg.fred.api.series.observations.get("CPIAUCNS", realtime_start=0)
print(data)
3、应用案例和最佳实践
案例1:聚合季度和每日特征
你可以使用 finagg 聚合特定股票的季度和每日特征:
import finagg
data = finagg.fundam.feat.fundam.from_raw("AAPL").head(5)
print(data)
案例2:获取行业平均季度报告
你可以获取特定行业的平均季度报告:
import finagg
tickers = finagg.sec.feat.quarterly.normalized.get_tickers_sorted_by("NORM(EarningsPerShareBasic)", year=2019)[:5]
print(tickers)
4、典型生态项目
finagg 作为一个金融数据聚合工具,可以与其他金融分析和机器学习项目结合使用。以下是一些典型的生态项目:
- Pandas: 用于数据处理和分析。
- Scikit-learn: 用于机器学习模型的构建和评估。
- TensorFlow/PyTorch: 用于深度学习模型的构建和训练。
通过结合这些工具,你可以构建复杂的金融分析和预测模型。