Interactive Brokers API客户端的异步实现。 设计 该库是由于对ib_api和ibridgepy的质量感到沮丧而ibridgepy 。 这些库是官方IB C ++ / Java客户端库的直接端口，因此，在Python世界中不太适合。 相反， ib_async是从最终用户的角度设计的。 它试图易于使用和易于学习。 目前，该库尚未尝试完成功能。 相反，它尝试很好地实现常用功能。 例子 获取仪器： import ib_async client = ib_async . IBClient () client . connect ( '127.0.0.1' , 4001 , 100 ) # 100 is the client_id. instrument = client . get_instrument_by_id ( 'US0378331005' , 'ISIN' )

Pancakeswap 和 Uniswap 交易客户端 Pancakeswap 和 Uniswap 交易客户端（和机器人），带有市价单、限价单、止损、自定义 gas 策略、GUI 等等。 如果您有任何问题或疑问，或想要此机器人的完整版本，您可以通过 Discord 联系我的支持：AviddotSupport#8131 或电报： 或 （请注意：这些不是机器人的制造商，他们提供支持） 。 另请查看网站： 变更日志 v2.0 添加了多个 DEX（Pcs v1、Uniswap v2） 强制买入和强制卖出按钮，当点击它时，它会以您选择的设置买入或卖出（不包括限价） 速度提升 许多，许多错误修复（不再强制关闭或不工作的令牌） 添加 USDT 作为主币选项 该程序现在自动确定令牌的名称和小数 先决条件 一个以太坊/bsc 地址 一台 Windows 机器（即将添加对 Mac OS 和 Linu

用于股票预测的深度学习和机器学习 描述：这是用于学习，研究，研究和分析深度学习（DL）和机器学习（ML）中的股票。 使用不同类型的算法通过机器学习或深度学习预测股票。 对股票数据进行试验，以查看其工作原理，工作原理或为什么不这样工作。 在机器学习或深度学习中使用不同类型的库存策略。 在机器学习或深度学习中使用技术分析或基础分析来预测未来股价。 此外，可以长期或短期地预测库存。 机器学习是人工智能的一个子集，它涉及算法的创建，这些算法可以自动更改，而无需人工干预，从而通过结构化数据输入自身来产生输出。 另一方面，深度学习是机器学习的一个子集，其中创建了算法，但是深度学习就像机器学习一样，许多不

能源交易 区块链 区块链是一个链表数据结构，其中的链接是哈希指针。 集中化-Facebook，WhatsApp。 一切都依赖一台服务器。 分散-签证。 中央结构，以及与中央结构互连的小型结构。 分布式-比特币。 每个节点在网络中具有相同的功率。 描述 基于Hyperledger区块链的邻社区能源交易系统。 安装 分叉并克隆仓库后： 该应用分为两部分： / server /您需要按照以下步骤在计算机上初始化业务网络。 / client / $npm install $npm start 科技栈 该应用程序已使用创建 Hyperldger作曲家： React： 贡献者 我们喜欢每个人的要求。 参与此项目，即表示您同意遵守thinkbot [行为准则]： ://thoughtbot.com/open-source-code-of-conduct 进行分叉，然后克隆存储库：推入分

S. R. Pliska, A stochastic calculus model of continuous trading: Optimal portfolios optimiza- tion, Math. Oper. Res., 11(1986), pp. 371-384.

密码学 加密货币的初步但可用的定量交易平台。 免责声明 该软件仅用于教育目的，并且仍在开发中。 不要冒险怕丢失的钱。 使用软件时，风险自负。 作者和所有附属机构对您的交易结果不承担任何责任。 当前功能 基于Python 3.7+ Binance / OKEx API集成 现货/永久 数据收集（仅限Binance） 回测 实时仿真 真实交易 通用指标支持：EMA，MACD，布林带等 全面的基于OHLCV的策略支持：可移植策略，并在回测，仿真和真实交易之间无缝兼容。 演示拉斯维加斯隧道策略 资料收集器 backtest_config.json->'数据'：配置文件 data_collector.py：入口点 从币安收集OHLCV记录。 请注意，使用UTC设置了start_date和end_date 。 有关更多信息，请参考 。 相依性 战略 策略/*.py 在这里写下您

QuantStats：量化指标的投资组合分析 QuantStats Python库执行投资组合分析，通过向量化分析人员和投资组合管理人员提供深入的分析和风险指标，使他们更好地了解其绩效。 QuantStats包含3个主要模块： quantstats.stats用于计算各种性能指标，例如夏普比率，获胜率，波动率等。 quantstats.plots用于可视化性能，缩编，滚动统计，月收益等。 quantstats.reports用于生成度量标准报告，批处理图和创建可另存为HTML文件的撕纸。 这是一个简单的撕裂表分析策略的示例： 快速开始 % matplotlib inline import quantstats as qs # extend pandas functionality with metrics, etc. qs . extend_pandas () # fetch th

很棒的脚本 与Tradingview Pine脚本相关的所有内容的全面收集。 目录 官方资源 -内置变量，函数和语言运算符的索引。 -有关Pine Script版本4的官方文档。 -TradingView专门针对Pine Script的公共聊天，社区的活跃开发人员可以互相帮助。 电视博客-有关Pine Script的主要版本和修改（以及其他功能）的信息。 电视公共脚本-TradingView的公共库包含所有用户发布的脚本。 编辑精选-电视精选的最佳指标列表 指标 馆藏 Pine Script Indicators Collection-各种技术指标的集合。 松树编码器出版物-松树编码器帐户开发了许多有用的技术 体积 雨滴-用户定义期间的“自定义音量”配置文件。 筛选器 使用一个指标即可扫描多个图表 指数行业Sigma尖峰-此筛选器旨在提供跨行业指数的鸟瞰图，以找出哪个行

billpwchan / futu-algo API参考文档 特征 基于FutoOpenD和FutuOpenAPI开发 低延迟交易支持（最高1M级别） 每日库存过滤和电子邮件通知 策略回测和报告 问题 发行版 重要提示：现在，程序仍处于Alpha阶段。 版本指导 FutuAlgo发布 Futu OpenAPI规范 0.0.2-alpha.x 4.0 部署方式 先决条件：配置文件（Config.ini） [FutuOpenD.Config] Host = Port = WebSocketPort = WebSocketKey = TrdEnv = [FutuOpenD.Credential] Username =

由交易者，针对交易者。 vn.py是一套基于Python的开源量化交易系统开发框架，于2015年1月正式发布，在开源社区6年持续不断的贡献贡献步伐成长为全功能量化交易平台，目前已有金融机构用户已经超过600家，包括：私募基金，证券自营和资本管，期货资本管和子公司，高校研究机构，自营交易公司，交易所，代币基金等。 全新的《 vn.py全实战进阶》系列在线课程，已经在官方微信公众号[ vnpy-community ]上线，覆盖CTA策略（已完成），支出幅度交易（更新中）等内容。购买请扫描下方二维码关注后，点击菜单栏的【进阶课程】按钮即可： 在使用vn.py进行二次开发（策略，模块等）的过程中有任