Awesome GitHub RepositoriesMatplotlib Subplot Compositions

QuantStats is an open-source Python library that calculates risk and return metrics from a portfolio return series and generates comprehensive HTML tear sheets. It computes dozens of financial statistics—including Sharpe ratio, drawdown, and volatility—in a single pass over the input data, using vectorized pandas operations for efficiency. The library distinguishes itself by combining portfolio performance analysis with Monte Carlo simulation, which models thousands of random return paths to estimate the probability of reaching financial targets or hitting loss thresholds. It produces self-co

mplfinance es un framework de visualización de datos de mercado y trazado de series temporales financieras construido sobre Matplotlib. Está diseñado para renderizar marcos de datos de mercado en gráficos especializados, incluyendo velas japonesas, barras OHLC, bloques Renko y columnas de punto y figura. La biblioteca se distingue por un framework de datos de mercado dedicado que gestiona calendarios de trading y periodos sin actividad, asegurando un espaciado temporal preciso al colapsar los huecos durante los días festivos. También proporciona un sistema para gráficos de análisis técnico, permitiendo superponer medias móviles, barras de volumen y otros indicadores técnicos sobre los gráficos de precios. El kit de herramientas cubre una amplia gama de capacidades, incluyendo la organización de subgráficos apilados verticalmente con ejes compartidos y la aplicación de temas visuales consistentes. Soporta anotaciones de mercado como líneas de tendencia, el manejo de datos faltantes y la capacidad de actualizar gráficos para feeds de datos en tiempo real. Las visualizaciones pueden exportarse a varios formatos, incluyendo PDF, SVG, PNG y JPG.

Alphalens is a quantitative alpha factor analysis library designed to measure the predictive power of financial factors. It serves as a computational toolset for processing financial time series and calculating performance metrics to evaluate quantitative trading hypotheses. The library distinguishes itself through the use of quantile-based data binning to analyze return distributions across different factor strength levels. It aligns historical alpha signals with forward-looking price changes to isolate predictive effects and transforms these metrics into heatmaps and time-series charts for