Orange es una herramienta de programación visual de código abierto para minería, análisis y visualización de datos, basada en flujos de trabajo de arrastrar y soltar.
5,7 mil+1 esta semana1,1 milPythonOtherActualizado hace 22 horas
ScottfreeLLC/AlphaPy
Framework de machine learning en Python basado en scikit-learn y pandas, con módulos para sistemas de trading y predicción deportiva.
- Estrellas
- 1,781
- Forks
- 281
- Issues abiertos
- 16
- Último commit
- el mes pasado
Esta página presenta un proyecto de código abierto y no constituye asesoramiento de inversión. Operar e invertir puede generar pérdidas: evalúa el riesgo por tu cuenta y cumple las leyes de tu país antes de usarlo.
¿Qué es?
AlphaPy es un framework de machine learning en Python dirigido a traders y científicos de datos. Está construido principalmente sobre scikit-learn y pandas, e incluye paquetes adicionales para la ingeniería de características y la visualización. Permite entrenar modelos de scikit-learn, Keras, XGBoost, LightGBM y CatBoost, y generar ensembles combinados o apilados.
El proyecto incluye dos pipelines especializados. MarketFlow permite crear modelos para el análisis de mercados y desarrollar sistemas de trading, con análisis de portafolios mediante pyfolio de Quantopian. SportFlow está orientado a predecir eventos deportivos.
El autor señala que el desarrollo activo se trasladó a AlphaPy Pro, una edición comercial independiente compatible con Python 3.12 o posterior. Este repositorio sigue disponible para los usuarios de la versión original.
Funciones clave
- 01Ejecuta modelos de scikit-learn, Keras, XGBoost, LightGBM y CatBoost en un mismo pipeline.
- 02Crea modelos ensemble combinados o apilados.
- 03Módulo MarketFlow para el análisis de mercados y el desarrollo de sistemas de trading.
- 04Módulo SportFlow para predecir eventos deportivos.
- 05Análisis de portafolios mediante la integración con pyfolio.
Casos de uso
- Crear modelos predictivos para los movimientos de precios de acciones o criptomonedas.
- Desarrollar y backtestear estrategias de trading sistemático.
- Pronosticar los resultados de partidos deportivos con machine learning.
- Crear prototipos de modelos de clasificación y regresión tabular con herramientas basadas en scikit-learn.
Inicio rápido
- 1
Instala AlphaPy con pip
pip install -U alphapy - 2
Si fallan los informes tear sheet, instala pyfolio desde GitHub opcionalmente
pip install git+https://github.com/quantopian/pyfolio - 3
Si es necesario, instala XGBoost, LightGBM o CatBoost siguiendo las guías de sus plataformas (para usuarios de Mac y Windows)
Antes de usarlo
- El desarrollo activo se ha trasladado a AlphaPy Pro; este repositorio heredado solo se mantiene para los usuarios actuales.
- XGBoost no se instala automáticamente con pip en Mac y Windows, por lo que se requiere una configuración adicional.
- Puede que tengas que instalar pyfolio desde GitHub para corregir errores en los informes tear sheet.
En colecciones
Temas
#machine-learning#trading#scikit-learn#time-series-analysis#sports-analytics#ensemble-learning#backtesting#classification#cryptocurrency#data-science
Preguntas frecuentes
- ¿Qué es AlphaPy?
- Framework de machine learning en Python basado en scikit-learn y pandas, con módulos para sistemas de trading y predicción deportiva. AlphaPy es un framework de machine learning en Python dirigido a traders y científicos de datos. Está construido principalmente sobre scikit-learn y pandas, e incluye paquetes adicionales para la ingeniería de características y la visualización. Permite entrenar modelos de scikit-learn, Keras, XGBoost, LightGBM y CatBoost, y generar ensembles combinados o apilados.
- ¿AlphaPy es gratuito? ¿Qué licencia tiene?
- AlphaPy es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿AlphaPy sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de AlphaPy fue el 5 oct 2026.
- ¿Para qué puedo usar AlphaPy?
- Crear modelos predictivos para los movimientos de precios de acciones o criptomonedas. Desarrollar y backtestear estrategias de trading sistemático. Pronosticar los resultados de partidos deportivos con machine learning. Crear prototipos de modelos de clasificación y regresión tabular con herramientas basadas en scikit-learn.
- ¿Cómo se instala AlphaPy?
- Instala AlphaPy con pip: pip install -U alphapy Si fallan los informes tear sheet, instala pyfolio desde GitHub opcionalmente: pip install git+https://github.com/quantopian/pyfolio Si es necesario, instala XGBoost, LightGBM o CatBoost siguiendo las guías de sus plataformas (para usuarios de Mac y Windows)
- ¿Dónde consigo AlphaPy?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/ScottfreeLLC/AlphaPy
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Servidor MCP que da a los asistentes de IA 39 herramientas para datos de mercado, análisis técnico, screeners, backtesting y sentimiento en cripto, acciones, forex y futuros.
5,2 mil+47 esta semana1 milPythonMITActualizado hace 9 días
Framework de trading de criptomonedas en Go para crear, probar con datos históricos y ejecutar estrategias en varios exchanges.
1,7 mil384GoAGPL-3.0Actualizado hace 24 horas
Biblioteca de machine learning para Python basada en SciPy y NumPy, con herramientas de clasificación, regresión, clustering y selección de modelos, bajo licencia BSD.
68,1 mil+135 esta semana27,6 milPythonBSD-3-ClauseBien mantenidoActualizado ayer
Plataforma de machine learning e IA para la JVM que abarca ML clásico, deep learning, NLP, visualización e inferencia con LLM y ONNX para Java, Kotlin y Scala.
6,4 mil+2 esta semana1,1 milJavaOtherBien mantenidoActualizado ayer
Herramienta de Python que transpila modelos y transformadores entrenados de scikit-learn a código C, C#, Go, Java, JavaScript, PHP o Ruby.
1,3 mil+1 esta semana168PythonBSD-3-ClauseBien mantenidoActualizado anteayer