awesome-repositories.com
Blog
MCP
awesome-repositories.com

Découvrez les meilleurs dépôts open-source grâce à notre recherche par IA.

ExplorerRecherches sélectionnéesAlternatives open sourceLogiciels auto-hébergésBlogPlan du site
ProjetServeur MCPÀ proposNotre méthodologiePresse
Mentions légalesConfidentialitéConditions d'utilisation
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 dépôt

Awesome GitHub RepositoriesBar Data Exporting

Utilities for exporting aggregated financial bar data to structured files.

Distinct from Time Series Resampling: Specifically handles the exporting of financial bar data to CSV, whereas Time Series Resampling focuses on the transformation logic.

Explore 1 awesome GitHub repository matching data & databases · Bar Data Exporting. Refine with filters or upvote what's useful.

Awesome Bar Data Exporting GitHub Repositories

Trouvez les meilleurs dépôts grâce à l'IA.Nous recherchons les dépôts les plus pertinents grâce à l'IA.
  • gbeced/pyalgotradeAvatar de gbeced

    gbeced/pyalgotrade

    4,659Voir sur GitHub↗

    pyalgotrade est une bibliothèque Python de trading algorithmique conçue pour développer, backtester et exécuter des stratégies de trading automatisées. Elle fournit un framework complet pour le backtesting de stratégies financières, une bibliothèque d'analyse technique pour calculer des indicateurs mathématiques, et des connecteurs pour l'intégration d'échanges de cryptomonnaies. Le projet se distingue par sa prise en charge du trading basé sur le sentiment grâce à l'intégration de flux de réseaux sociaux en temps réel et de flux de mots-clés. Il propose un outil de visualisation de trading quantitatif pour tracer l'évolution des prix et les courbes d'équité du portefeuille, ainsi qu'une optimisation parallèle des paramètres pour identifier les réglages de stratégie les plus efficaces. La bibliothèque couvre un large éventail de capacités, incluant la construction de pipelines de données financières pour l'ingestion et le rééchantillonnage des données de marché, la gestion du cycle de vie des ordres pour le trading réel et simulé (paper trading), et l'analyse de performance quantitative pour calculer les rendements ajustés au risque et les drawdowns. Elle inclut également des outils d'analyse technique, tels que les bandes de volatilité et les indicateurs de momentum, ainsi que des simulations prenant en compte le slippage des ordres et les commissions de transaction.

    Groups time-series bar data by frequency and exports the results to CSV files.

    Python
    Voir sur GitHub↗4,659
  1. Home
  2. Data & Databases
  3. Time Series Resampling
  4. Bar Data Exporting