Awesome GitHub RepositoriesTechnical Analysis Visualizers

This project is an automated trading and agentic workflow platform designed to orchestrate complex financial tasks through state-based graphs. It provides a comprehensive framework for building, deploying, and managing autonomous agents that execute multi-step analytical processes, monitor real-time market conditions, and perform high-speed trade execution. The platform distinguishes itself through a robust agentic plugin ecosystem that integrates directly with popular AI-powered development environments and command-line interfaces. It features a specialized financial analysis engine capable

ApexCharts is a comprehensive JavaScript charting library designed for building interactive, responsive, and data-driven visualizations within web applications. It functions as a versatile data visualization framework that supports a wide range of chart types, including categorical, statistical, and financial plots, enabling developers to construct complex dashboards and real-time monitoring interfaces. The library distinguishes itself through a deep commitment to accessibility and high-performance interactivity. It provides built-in support for keyboard navigation, screen readers, and high-c

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.

mplfinance est un framework de tracé de séries temporelles financières et de visualisation de données de marché construit sur Matplotlib. Il est conçu pour rendre des cadres de données de marché en graphiques spécialisés, notamment des chandeliers, des barres OHLC, des briques Renko et des colonnes point-and-figure. La bibliothèque se distingue par un framework de données de marché dédié qui gère les calendriers de trading et les périodes hors-trading, assurant un espacement temporel précis en réduisant les écarts pendant les jours fériés. Elle fournit également un système de graphiques pour l'analyse technique, permettant la superposition de moyennes mobiles, de barres de volume et d'autres indicateurs techniques sur les tracés d'action des prix. La boîte à outils couvre un large éventail de capacités, y compris l'organisation de sous-graphiques empilés verticalement avec des axes partagés et l'application de thèmes visuels cohérents. Elle prend en charge les annotations de marché telles que les lignes de tendance, la gestion des données manquantes et la capacité de rafraîchir les graphiques pour des flux de données en temps réel. Les visualisations peuvent être exportées vers divers formats, notamment PDF, SVG, PNG et JPG.

react-stockcharts est une bibliothèque de graphiques financiers construite avec React et D3 pour visualiser les données de prix du marché. Elle fournit un système pour rendre des graphiques boursiers et des visualisations en chandeliers afin de représenter les mouvements du marché. La bibliothèque fonctionne comme un outil d'analyse technique qui calcule et superpose des indicateurs de trading mathématiques sur les graphiques de prix. Elle inclut une interface interactive pour naviguer dans les données financières via le zoom, le panoramique et l'ajout d'annotations géométriques manuelles. Le projet couvre la visualisation de données financières, le suivi des prix du marché et la création de tableaux de bord de trading interactifs.

KLineChart is a high-performance financial charting library and data visualization engine. It uses native browser canvas APIs to render interactive candlestick charts and time-series financial data for web and mobile applications. The library is built as a plugin-based framework, allowing for the integration of custom calculation logic and rendering routines. This modular architecture enables the addition of technical analysis visualization tools and custom indicators to financial dashboards. The system handles real-time market data updates and computes technical indicators to visualize mark

Ce projet est un wrapper Python pour la bibliothèque Lightweight Charts, conçu pour générer des visualisations financières interactives dans le navigateur. Il sert de framework pour créer des tableaux de bord et des interfaces financières personnalisés intégrant des flux de marché en temps réel et des séries de données historiques. La bibliothèque permet de construire des mises en page complexes en combinant des graphiques multi-fenêtres, des listes de suivi et des tableaux de saisie d'ordres dans un espace de travail unifié. Elle prend en charge le suivi de marché en temps réel en diffusant des données de ticks ou de barres directement dans les visualisations actives, permettant des mises à jour incrémentielles sans rafraîchissement de page. Au-delà du rendu de base, la boîte à outils offre des capacités étendues pour l'analyse technique, notamment la possibilité d'ajouter des annotations, des lignes de tendance et des marqueurs directement sur le canvas. Les utilisateurs peuvent configurer l'apparence visuelle des bougies, des barres de volume et des légendes, tout en mappant les interactions utilisateur, comme la sélection de périodes ou les raccourcis clavier, vers une logique Python personnalisée.