极道
·
Awesome Quant：为宽客精选的优秀量化金融库
💡
原文中文，约9400字，阅读约需23分钟。
📝
内容提要
这篇文章列举了一些为定量金融提供的优秀库、软件包和资源，包括Python、R、Matlab、Julia等多种语言。这些资源涵盖了衍生产品定价、交易回溯测试、风险分析、时间序列、数据源等多个方面。还介绍了一些金融工具和定价的库，以及用于指标、交易与回测、风险分析、数据源等方面的工具和库。此外，还提到了一些与Excel集成和可视化相关的工具和库。
🎯
关键要点
- 文章列举了多种编程语言在定量金融中的应用，包括Python、R、Matlab、Julia等。
- 提供了180多个Python资源，涵盖衍生产品定价、交易回测测试、风险分析、时间序列和数据源等领域。
- 介绍了多个数值库和数据结构，如NumPy、SciPy、Pandas等，适用于科学计算和数据分析。
- 列出了多种金融工具和定价库，包括OpenBB Terminal、PyQL、vollib等，支持期权定价和量化金融框架。
- 提供了技术分析指标的库，如pandas_talib、finta和Tulipy，帮助进行金融技术分析。
- 介绍了交易与回测的工具，如QSTrader、zipline和backtrader，支持策略回测和模拟交易。
- 列出了风险分析工具，如pyfolio和Empyrical，帮助进行投资组合和风险评估。
- 提供了时间序列分析的库，如ARCH和statsmodels，支持数据建模和统计测试。
- 列出了多种数据源获取工具，如yfinance和pandas-datareader，方便获取市场数据。
- 介绍了Excel集成的工具，如xlwings和openpyxl，支持Python与Excel的交互。
- 提供了可视化工具，如D-Tale和mplfinance，帮助进行数据可视化和分析。
🏷️
标签
➡️
