Python Backtesting Bibliotecas Para Las Estrategias De Comercio De Quant

Python Backtesting bibliotecas para las estrategias de comercio de Quant (3 votos, promedio: 5,00 de 5) Escrito por Khang Nguyen Vo, khangvo88gmail. Para el blog de RobustTechHouse. Khang es un graduado de los Maestros del Programa de Finanzas Cuantitativas y Computacionales, John Von Neumann Institute 2014. Él es un apasionado de la investigación en el aprendizaje de máquinas, modelos predictivos y backtesting de estrategias de negociación. Frequently Mentioned Python Backtesting Bibliotecas Es esencial backtest estrategias de negociación cuantitativas antes de negociar con dinero real. Aquí, revisamos las bibliotecas de backtesting de Python usadas con frecuencia. La facilidad de uso (buena documentación, buena estructura) y la escalabilidad (velocidad, sencillez y compatibilidad con otras bibliotecas), lo examinamos en términos de flexibilidad (puede utilizarse para backtesting, papel-trading y live-trading). Tirolesa Este es un marco de backtesting impulsado por eventos utilizado por Quantopian. Zipline tiene una gran comunidad, buena documentación, un gran apoyo para Interactive Broker (IB) y la integración de Pandas. La sintaxis es clara y fácil de aprender. Tiene muchos ejemplos. Si su objetivo principal para el comercio es la equidad de EE. UU., entonces este marco podría ser el mejor candidato. Quantopian permite que uno de backtest, compartir y discutir estrategias de comercio en su comunidad. Sin embargo, en nuestro experimento, Zipline es extremadamente lento. Esta es la mayor desventaja de esta biblioteca. Quantopian tiene algo de trabajo como la ejecución de la biblioteca Zipline en paralelo en la nube. Puedes echar un vistazo a este post si esto te interesa. Zipline también parece funcionar mal con archivos locales y datos no estadounidenses. Es difícil utilizar este marco para diferentes clases de activos financieros. PyAlgoTrade. Esta es otra biblioteca impulsada por eventos que es activa y soporta backtesting, paper-trading y live-trading. Está bien documentado y también es compatible con la integración TA-Lib (Biblioteca de análisis técnico). Supera a Zipline en términos de velocidad y flexibilidad. Sin embargo, un gran inconveniente de PyAlgoTrade es que no soporta módulos Pandas-objeto y Pandas. Pybacktest Vectorizado backtesting marco en Python que es muy simple y ligero. Este proyecto parecía revivir nuevamente el 21 de mayo de 2015. TradingWithPython. Jev Kuznetsov amplió la biblioteca pybacktest y construyó su propio backtestter. Esta biblioteca parece actualizada recientemente en febrero de 2015. Sin embargo, la documentación y el curso para esta biblioteca cuesta $ 395. Algunos otros proyectos: ultra-finance Python Backtesting bibliotecas para las estrategias de comercio de Quant ¡Bienvenido Invitado! Este foro se estableció para ayudar a los comerciantes (especialmente los comerciantes de futuros), compartiendo abiertamente indicadores, estrategias, métodos, diarios comerciales y discutir la psicología de la negociación. Somos fundamentalmente diferentes a la mayoría de los foros comerciales: Tendrás que registrarte para ver el contenido de los hilos y comenzar a contribuir con nuestra comunidad. Es gratis y sencillo, y nunca venderemos su información privada.