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