8个最常用的算法交易 Python 库

一键发币： SOL | BNB | ETH | BASE | Blast | ARB | OP | POLYGON | AVAX | FTM | OK

即使作为一个在软件工程方面拥有丰富经验和一些数据科学知识的人，我在开始算法交易时也经历了一段学习曲线。感觉富有成效需要一些时间。我发现自己在编写自己的布林带，或搜索交易日历，或使用每个加密货币交易所的特殊 API，而不是对所有 API 进行抽象。

本文列出的8个算法交易库是我希望在开始追逐 alpha 时就知道的 Python 库。它们会帮助你更快地赚钱。

1、FinTA

FinTA（金融技术分析）在 Pandas 中实现了 80 多个交易指标。与许多其他试图做所有事情的交易库不同，FinTA 只提取数据帧并输出交易指标。甚至每个方法上方的注释都是有益的，例如，这个解释 MACD 的注释。你可能会看到一些甚至不认识的指标，而技术分析的广度鼓励你进行实验。

2、Zipline

Zipline 是最好的通用交易库。它有近 13k 个星，并为最受欢迎的量化金融社区之一 Quantopian 提供支持，至少在 Robinhood 最近收购它之前是这样。

Zipline 允许你从命令行（或 Jupyter 笔记本）提取数据，并内置了方便编写复杂策略和回测的方法。

3. CCXT

如果你以编程方式交易加密货币，CCXT（加密货币交易所交易）是你的救星。你不必再为每个交易所编写自定义逻辑。 CCXT 通过统一的接口抽象出各个交易所 API 之间的差异。它支持 120 多个交易所。

如果你不是 Pythonist，甚至可以使用 CCXT 的 JavaScript 和 PHP 实现，尽管你应该对编程语言有更好的品味。

4、Freqtrade

Freqtrade 是另一个支持许多交易所的加密交易库。它有助于回溯测试、绘图、机器学习、性能状态、报告等。此时你可能会叹息。一个算法交易爱好者需要多少个加密货币交易库？

Freqtrade 的神奇之处在于你可以使用 Telegram 控制它。没错：从今以后，你可以直接向你的机器人投资经理发送 DM。以下是它的一些很棒的 Telegram 命令：

• /status [table]：列出所有未平仓交易；
• /profit：列出累计利润；
• /forcesell <trade_id>|all：出售给定的交易；
• /performance：按对分组的每笔已完成交易的表现；
• /balance：每个货币的账户余额；
• /daily ：过去 n 天内每天的盈利或亏损。

如果想增强你的 Freqtrade 交易机器人并将其变成一个随时准备代表你破坏金融市场的高达，请查看 Freqtrade Strategies，这就是它的名字所暗示的。

5、YFinance

如果你已经从事交易很长时间，那么可能听说过 Yahoo! Finance。YFinance 允许你可靠高效地从 Yahoo! Finance 下载市场数据。当 Yahoo 停用其历史数据 API 时，该库应运而生。该库的创建者在此处编写了一个有用的教程。

6、Backtrader

Backtrader 是一个流行的 Python 回测和交易框架，包括数据馈送、重采样工具、交易日历等。

除了功能和可靠性之外，Backtrader 的与众不同之处在于其活跃的社区和博客。鉴于 Quantopian 最近关闭，Backtrader 的社区可以满足需求。

7、TensorTrade

TensorTrade 是一个使用深度强化学习构建交易算法的框架。它提供了对 numpy、pandas、gym、keras 和 tensorflow 的抽象，以加速开发。

TensorTrade 仍处于测试阶段，但它正在迅速获得关注，并可能成为量化社区的中流砥柱。 Tensor Trade 的创建者 Adam King 撰写了一篇出色的教程。

8. Trump2Cash

我把最搞笑的库留到最后。 Trump2Cash 监控唐纳德·特朗普的推文。当他提到上市公司时，它会分析推文的情绪并相应地执行交易。该库甚至包括一个实用程序来对其历史表现进行基准测试。

我不会做任何推荐，但该算法出人意料地成功。即使假设特朗普影响金融市场的能力很快就会减弱，源代码也很容易适应其他 Twitter 帐户。如果你对 Twitter 情绪作为交易策略的功能感兴趣，那么这个 repo 非常值得一看。

原文链接：8 Best Python Libraries for Algorithmic Trading

DefiPlot翻译整理，转载请标明出处