finagg 项目使用教程

finagg 项目使用教程

finaggA Python package for aggregating historical data from popular and free financial APIs, and for transforming that data into features for AI/ML.项目地址:https://gitcode.com/gh_mirrors/fi/finagg

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。

finaggA Python package for aggregating historical data from popular and free financial APIs, and for transforming that data into features for AI/ML.项目地址:https://gitcode.com/gh_mirrors/fi/finagg