Advertisement

Prickle:适用于高频交易研究的Python工具包

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
Prickle是一款专为高频交易设计的Python工具包,提供高效的数据处理和分析功能,助力研究人员迅速洞察市场动态。 Prickle是一款专为金融研究人员设计的Python工具包。其主要目的是简化从纳斯达克获取超高频市场微观结构数据的过程,并提供一个开源平台供学术界使用以处理纳斯达克的历史ITCH数据(HistoricalView-ITCH)。通过这种方式,它不仅提供了与同类商业服务相比更经济的数据访问途径,还为社区贡献者建立了一个可以共同维护和改进的预处理步骤框架。 Prickle能够将Nasdaq HistoricalView-ITCH的原始二进制文件解码成易于分析的形式,并创建一个包含交易消息序列、重组后的订单簿以及其他关键事件的研究数据库。纳斯达克ITCH数据以纳秒级精度记录了对NASDAQ限价订单市场的所有变化,为市场微观结构研究提供了详尽的数据支持。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • PricklePython
    优质
    Prickle是一款专为高频交易设计的Python工具包,提供高效的数据处理和分析功能,助力研究人员迅速洞察市场动态。 Prickle是一款专为金融研究人员设计的Python工具包。其主要目的是简化从纳斯达克获取超高频市场微观结构数据的过程,并提供一个开源平台供学术界使用以处理纳斯达克的历史ITCH数据(HistoricalView-ITCH)。通过这种方式,它不仅提供了与同类商业服务相比更经济的数据访问途径,还为社区贡献者建立了一个可以共同维护和改进的预处理步骤框架。 Prickle能够将Nasdaq HistoricalView-ITCH的原始二进制文件解码成易于分析的形式,并创建一个包含交易消息序列、重组后的订单簿以及其他关键事件的研究数据库。纳斯达克ITCH数据以纳秒级精度记录了对NASDAQ限价订单市场的所有变化,为市场微观结构研究提供了详尽的数据支持。
  • SeisPy:地震数据Python
    优质
    SeisPy是一款专为地震数据分析设计的Python工具包,提供信号处理、震相拾取及事件检测等功能,助力科研人员深入探究地震学。 塞斯皮是一个用于地震数据分析的Python软件包,由杨晓涛开发。该软件包当前严重依赖obspy处理地震数据(包括下载、读取和写入)。有关相关功能,请参考obspy工具箱。 此软件包正在积极开发中,以下列出目前可用的模块: - utils:包含一些常用实用程序功能,这些功能在使用obspy时可能不太容易实现。 - downloaders:提供用于下载地震波形和目录的功能。 - obsmaster:包括获取和处理海底地震仪(OBS)数据的相关工具。该软件包的部分核心处理方法借鉴了Pascal Audet和Helen Janiszewski开发的OBStools,并且主要基于Janiszewski等人在2019年的工作进行了修改,用于消除倾斜及柔度噪声。 - noise:提供环境噪声处理功能,包括互相关分析与监测。关键的功能是从NoisePy中重写而来的。 以上即为该软件包的主要模块和特性介绍。
  • Backtrader:策略Python回测
    优质
    Backtrader是一款强大的Python库,专为量化交易者设计,用于开发、测试和执行各种金融市场的交易策略。它支持灵活的数据处理与回溯分析,帮助用户优化投资决策。 backtrader:用于交易策略的Python回测库。
  • Backtrader:策略Python回测——扫地僧
    优质
    《Backtrander:适用于交易策略的Python回测工具》由网名“扫地僧”的作者撰写,介绍了一个强大的开源Python框架Backtrader。该文深入浅出地讲解了如何使用Backtrader进行金融市场的量化交易策略开发与历史数据回溯测试,帮助读者掌握从入门到实践应用的过程。 backtrader:用于交易策略的Python回测库。
  • 【项目代码】基MATLAB光谱图像数据分析光谱者.rar
    优质
    本资源提供一个基于MATLAB开发的高光谱图像数据处理工具包,专为科研人员设计,涵盖图像预处理、特征提取及分类分析等功能。 【项目代码】利用MATLAB对高光谱图像数据进行分析的程序非常全面,对于从事高光谱研究的人来说十分有用。该项目文件名为:high_spectral_image_analysis_code.rar。
  • C++和Python量化框架.rar
    优质
    本资源为关于C++与Python在量化交易中的应用研究框架,涵盖算法设计、性能比较及实践案例分析,适合对金融工程和技术开发感兴趣的读者深入学习。 基于C++/Python的量化交易研究框架旨在进行策略分析及回测(仅受限于数据)。此框架的核心思想是将系统化交易抽象为由市场环境判断、有效条件判定、信号指示器、止损与止盈机制、资金管理策略、盈利目标设定以及移滑价差算法七大组件构成。每个组件可以独立构建,然后自由组合以观察整个系统的有效性及稳定性,并评估单一类型策略的效果。 该框架具有高度灵活性和模块化特性:九大核心交易策略被分类为市场环境判断策略、系统有效条件判定、信号指示器、止损与止盈机制、资金管理策略、盈利目标设定、移滑价差算法,以及新增的交易对象选择及资金分配策略。用户可以根据需要构建自己的策略库,并进行灵活组合和测试。 该框架的主要功能模块包括: 1. **C++核心库**:提供整个量化交易系统的架构支持,确保高性能的同时考虑了多线程与多核处理能力的支持,在未来追求更高运算速度方面提供了便利性。 2. **Python包装库**:为用户提供了一套对C++核心库的接口封装,并集成了TA-Lib等常用技术分析工具。同时它还兼容numpy和pandas数据结构,便于与其他成熟的python数据分析工具进行集成使用。 3. **交互式探索工具**:提供了K线图、指标以及系统信号的基本绘制功能,支持用户对量化策略进行深入研究与回测。 此外,该框架强调代码简洁性和易用性,并同时兼容面向对象编程和命令行脚本方式。在实现具体交易策略时,采用命令行操作可以显著简化程序编写过程并提高探索效率。 最后值得一提的是,结合Python的强大功能以及Jupyter Notebook的交互特性,在云服务器上部署量化平台成为可能,从而实现了随时随地访问个人专属云端环境的目标,并进一步利用如numpy、scipy和TensorFlow等强大的数据分析工具来构建更高级的人工智能交易系统。数据存储方面支持HDF5与MySQL等多种格式,其中默认采用体积小且速度快的HDF5作为主要的数据文件管理方式。 综上所述,基于C++/Python的量化交易平台为用户提供了从策略研究到实际应用的一站式解决方案,并通过其灵活、高效的特性极大地促进了交易系统的设计和优化。
  • Advertorch:对抗鲁棒性
    优质
    Advertorch是一款专为机器学习研究人员设计的Python库,旨在简化对抗样本的生成与防御模型评估过程,促进深度神经网络的鲁棒性和安全性研究。 AdverTorch是一个用于进行对抗性鲁棒性研究的Python工具箱,在PyTorch框架下实现其主要功能。该工具包含生成对抗性扰动及防御此类示例的模块,以及执行对抗训练的相关脚本。最新版本(v0.2)可以在安装时使用pip install advertorch命令或通过克隆仓库并运行python setup.py install来完成安装过程。AdverTorch在Python 3.6和PyTorch 1.0.0及0.4.1的环境中开发,用户也可以选择以“可编辑”模式进行安装:只需执行pip install -e .命令即可实现。对于测试环境的配置,建议针对特定攻击方法来设置相应的实施细节。
  • Python二手车数据集
    优质
    这是一个专为Python用户设计的数据集,包含了丰富的二手车交易信息,旨在支持数据分析与机器学习模型开发。 这个数据集既可以用于课程学习,也可以用于毕业设计中的二手交易项目。
  • C++和Python开源量化框架
    优质
    本项目提供一个结合C++高性能计算与Python灵活开发环境的开源量化交易平台,支持策略研究、回测及实盘交易。 基于C++和Python的开源量化交易研究框架提供了一个强大的平台,用于开发、测试和部署各种金融市场的自动化交易策略。该框架结合了两种语言的优点:C++提供了高性能计算能力,而Python则便于快速原型设计与代码实现。这样的组合非常适合于需要大量数据处理及实时决策支持的应用场景,在学术界和工业界都有广泛的应用前景。
  • AstroBase: 光曲线分析与可变恒星Python模块
    优质
    AstroBase是一款专为天文学者设计的Python工具包,旨在简化和加速对天体光曲线的数据处理、分析及可视化过程,特别适合于开展可变恒星的研究。 Astrobase是一个Python软件包,用于分析光曲线并发现变星。它包含了几种周期查找算法的实现、一个批处理驱动程序以应对大规模数据处理的需求以及一个小规模Web应用,以便根据恒星变异类型对光曲线进行检查和分类。此工具中的大部分函数需要三个Numpy数组作为输入:times(时间),mags(亮度或通量)和errs(误差)。如果您的数据是以通量形式呈现的,则可以使用magsarefluxes参数来确保正确处理这种类型的光曲线。 文档可以在astrobase存储库中找到,其中包含了一些演示该软件包特定功能的例子。此外,还提供了模块和子程序包的相关说明。您可以通过Python软件包索引(PyPI)安装此工具: ``` $ pip install numpy # 用于设置Fortran包装器 $ pip install astrobase ```