Awesome GitHub RepositoriesDataframe Structures

statsforecast este o bibliotecă de prognoză statistică a seriilor temporale de înaltă performanță, concepută pentru a genera prognoze punctuale și intervale de predicție. Funcționează ca un framework distribuit de serii temporale care utilizează un motor de prognoză bazat pe C și un selector automat de modele pentru a identifica și potrivi modelul statistic optim pentru fiecare serie unică dintr-un set de date. Sistemul include, de asemenea, un detector de anomalii pentru serii temporale pentru a identifica punctele de date neobișnuite prin compararea valorilor observate cu intervalele de prognoză probabilistice. Proiectul se distinge prin capacitatea sa de a gestiona prognoza paralelă la scară masivă pentru milioane de serii individuale. Realizează acest lucru printr-un framework de calcul distribuit, execuție paralelă multi-core și kernel-uri C compilate care accelerează logica de bază ARIMA și de netezire exponențială. Sistemul optimizează în continuare procesarea la scară largă folosind un layout de date în format lung și un pipeline de date cu evaluare leneșă (lazy-evaluation) pentru a reduce overhead-ul de memorie. Biblioteca oferă o suită cuprinzătoare de modele, inclusiv AutoARIMA, diverse metode de netezire exponențială pentru cererea intermitentă sau sezonieră, descompunerea Theta și modelarea volatilității GARCH pentru riscul financiar. Acoperă domenii mai largi de capabilități, cum ar fi prognoza multivariată cu variabile exogene, descompunerea seriilor temporale și evaluarea modelelor prin cross-validare istorică și analiză sliding window. Biblioteca se integrează cu structuri de date de înaltă performanță precum Polars și oferă utilitare pentru a servi modelele salvate ca endpoint-uri REST pentru predicții accesibile prin rețea.

tqsdk-python este un SDK și framework de tranzacționare cantitativă conceput pentru dezvoltarea de strategii automatizate pentru futures, opțiuni și acțiuni folosind Python. Acesta funcționează ca un motor de tranzacționare algoritmică și API de date financiare de piață, oferind instrumentele necesare pentru a backtest-a strategii, a analiza date istorice și a executa tranzacții live prin mai multe conturi de brokeraj. Proiectul se distinge printr-o bibliotecă specializată de analiză a opțiunilor care calculează Greeks, volatilitatea implicită și suprafețele de volatilitate folosind modelul Black-Scholes. Suportă în continuare tipare complexe de execuție a ordinelor, cum ar fi TWAP, Iceberg și POV, pentru a minimiza impactul asupra pieței în timpul intrării și ieșirii din poziții. SDK-ul acoperă o suprafață largă de capabilități, inclusiv regăsirea datelor de piață în timp real și istorice, gestionarea riscului cantitativ și monitorizarea portofoliului. Încorporează un model de execuție asincron pentru streaming-ul datelor și programarea sarcinilor, alături de instrumente pentru simularea tranzacționării multi-activ și analiza performanței. Biblioteca oferă o interfață grafică bazată pe web pentru monitorizarea strategiei și vizualizarea datelor.

This repository serves as an educational collection of Python implementations for fundamental machine learning algorithms and statistical models. It provides a structured environment for learning core concepts through interactive computational documents that combine live code, narrative text, and data visualizations. The codebase focuses on predictive modeling development, offering instructional examples for building and evaluating regression, classification, and neural network models. It utilizes standardized data science library interfaces to demonstrate how to implement and execute these a