Orange는 드래그 앤 드롭 방식의 워크플로를 기반으로 데이터 마이닝, 분석, 시각화를 지원하는 오픈소스 비주얼 프로그래밍 도구입니다.
ScottfreeLLC/AlphaPy
scikit-learn과 pandas 기반의 Python 머신러닝 프레임워크로, 시장 트레이딩 시스템과 스포츠 예측 모듈을 제공합니다.
- 스타
- 1,781
- 포크
- 281
- 열린 이슈
- 16
- 마지막 커밋
- 지난달
이 페이지는 오픈소스 프로젝트 소개이며 투자 조언이 아닙니다. 거래와 투자는 손실이 발생할 수 있으니, 사용 전에 위험을 직접 판단하고 거주 지역의 법규를 따르세요.
어떤 프로젝트인가요?
AlphaPy는 트레이더와 데이터 과학자를 위한 Python 머신러닝 프레임워크입니다. 주로 scikit-learn과 pandas를 기반으로 하며, 특성 엔지니어링과 시각화를 위한 패키지도 추가로 활용합니다. scikit-learn, Keras, XGBoost, LightGBM, CatBoost 모델을 학습하고, 블렌딩 또는 스태킹 앙상블을 생성할 수 있습니다.
이 프로젝트에는 특정 분야에 맞춘 두 가지 파이프라인이 포함되어 있습니다. MarketFlow는 시장 분석 모델과 트레이딩 시스템 개발을 지원하며, Quantopian의 pyfolio를 통해 포트폴리오를 분석할 수 있습니다. SportFlow는 스포츠 경기 결과 예측을 위한 모듈입니다.
작성자는 활발한 개발이 Python 3.12 이상을 지원하는 별도의 상용 지향 에디션인 AlphaPy Pro로 옮겨 갔다고 안내합니다. 이 저장소는 기존 버전을 사용하는 사람들을 위해 유지됩니다.
핵심 기능
- 01scikit-learn, Keras, XGBoost, LightGBM, CatBoost 모델을 하나의 파이프라인에서 실행합니다.
- 02블렌딩 또는 스태킹 앙상블 모델을 구축합니다.
- 03시장 분석 및 트레이딩 시스템 개발을 위한 MarketFlow 모듈을 제공합니다.
- 04스포츠 경기 결과 예측을 위한 SportFlow 모듈을 제공합니다.
- 05pyfolio 연동을 통해 포트폴리오를 분석합니다.
활용 사례
- 주식 또는 암호화폐 가격 변동을 예측하는 모델을 구축합니다.
- 시스템 트레이딩 전략을 개발하고 백테스트합니다.
- 머신러닝으로 스포츠 경기 결과를 예측합니다.
- scikit-learn 기반 도구를 사용해 표 형식 데이터의 분류 및 회귀 모델을 프로토타이핑합니다.
빠른 시작
- 1
pip으로 AlphaPy를 설치합니다
pip install -U alphapy - 2
tear sheet에 오류가 발생하면 필요에 따라 GitHub에서 pyfolio를 설치합니다
pip install git+https://github.com/quantopian/pyfolio - 3
필요한 경우 각 플랫폼 가이드에 따라 XGBoost, LightGBM 또는 CatBoost를 설치합니다(Mac 및 Windows 사용자)
사용 전 알아둘 점
- 활발한 개발은 AlphaPy Pro로 이전되었으며, 이 레거시 저장소는 기존 사용자만을 위해 유지 관리됩니다.
- Mac과 Windows에서는 XGBoost가 pip으로 자동 설치되지 않으므로 추가 설정이 필요합니다.
- tear sheet 오류를 해결하려면 GitHub에서 pyfolio를 설치해야 할 수 있습니다.
포함된 컬렉션
토픽
자주 묻는 질문
- AlphaPy은(는) 무엇인가요?
- scikit-learn과 pandas 기반의 Python 머신러닝 프레임워크로, 시장 트레이딩 시스템과 스포츠 예측 모듈을 제공합니다. AlphaPy는 트레이더와 데이터 과학자를 위한 Python 머신러닝 프레임워크입니다. 주로 scikit-learn과 pandas를 기반으로 하며, 특성 엔지니어링과 시각화를 위한 패키지도 추가로 활용합니다. scikit-learn, Keras, XGBoost, LightGBM, CatBoost 모델을 학습하고, 블렌딩 또는 스태킹 앙상블을 생성할 수 있습니다.
- AlphaPy은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
- AlphaPy은(는) Apache-2.0 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
- AlphaPy은(는) 아직 유지보수되고 있나요?
- 6개월 이내 업데이트. AlphaPy의 마지막 커밋은 2026년 10월 5일입니다.
- AlphaPy은(는) 어디에 사용할 수 있나요?
- 주식 또는 암호화폐 가격 변동을 예측하는 모델을 구축합니다. 시스템 트레이딩 전략을 개발하고 백테스트합니다. 머신러닝으로 스포츠 경기 결과를 예측합니다. scikit-learn 기반 도구를 사용해 표 형식 데이터의 분류 및 회귀 모델을 프로토타이핑합니다.
- AlphaPy는 어떻게 설치하나요?
- pip으로 AlphaPy를 설치합니다: pip install -U alphapy tear sheet에 오류가 발생하면 필요에 따라 GitHub에서 pyfolio를 설치합니다: pip install git+https://github.com/quantopian/pyfolio 필요한 경우 각 플랫폼 가이드에 따라 XGBoost, LightGBM 또는 CatBoost를 설치합니다(Mac 및 Windows 사용자)
- AlphaPy은(는) 어디서 받을 수 있나요?
- 소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/ScottfreeLLC/AlphaPy
요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.
관련 프로젝트
암호화폐·주식·외환·선물 데이터와 분석을 위한 39개 도구를 AI에 제공하는 MCP 서버입니다.
여러 거래소에서 트레이딩 전략을 개발하고 백테스트 및 실행할 수 있는 Go 기반 암호화폐 트레이딩 봇 프레임워크입니다.
SciPy와 NumPy를 기반으로 분류, 회귀, 클러스터링 및 모델 선택 도구를 제공하는 BSD 라이선스의 Python 머신러닝 라이브러리입니다.
Java, Kotlin, Scala용으로 전통적인 ML, 딥러닝, NLP, 시각화, LLM/ONNX 추론을 지원하는 JVM 머신러닝 및 AI 플랫폼입니다.
학습된 scikit-learn 모델과 트랜스포머를 C, C#, Go, Java, JavaScript, PHP 또는 Ruby 코드로 변환하는 Python 도구입니다.