2 repositorios
Processes of fetching, cleaning, and transforming raw financial market data into features for model training.
Distinct from Financial Market Data: The candidates are either too specific (Brazilian data) or too broad (general market data streams), not capturing the engineering pipeline.
Explore 2 awesome GitHub repositories matching data & databases · Financial Data Engineering. Refine with filters or upvote what's useful.
FinRL is a financial reinforcement learning framework and quantitative trading library. It provides a specialized system for developing, training, and simulating autonomous agents designed to automate financial trading and portfolio management. The project serves as an automated portfolio optimizer and financial market simulator. It enables the creation of decision-making policies to balance asset allocations, maximize potential returns, and minimize financial risk through reinforcement learning. The framework includes capabilities for financial market data engineering, algorithmic trading s
Fetches and prepares raw market data into technical indicator datasets for training autonomous trading agents.
mlfinlab es una librería de machine learning en Python para finanzas, diseñada para construir y validar modelos utilizados en trading cuantitativo y gestión de carteras. Proporciona un kit de herramientas de ingeniería de datos financieros y un framework de backtesting de estrategias cuantitativas para transformar datos de mercado sin procesar en señales predictivas y clases objetivo. La librería incluye un generador de datos financieros sintéticos para crear conjuntos de datos artificiales que imitan las propiedades estadísticas de activos reales para pruebas de estrés. También proporciona herramientas especializadas para el etiquetado y muestreo de series temporales financieras para evitar la fuga de datos en mercados no estacionarios. El proyecto cubre una amplia superficie de capacidades cuantitativas, incluyendo ingeniería de características, análisis de codependencia de activos para la diversificación de carteras y dimensionamiento de apuestas ajustado al riesgo para la asignación de capital. Además, proporciona utilidades para la optimización de modelos mediante clustering y validación cruzada para evaluar la robustez de las estrategias de trading.
Transforms raw financial market data into target classes and features for model training.