Orange é uma ferramenta visual de código aberto para mineração, análise e visualização de dados, com fluxos de trabalho criados por arrastar e soltar.
5,7 mil+1 esta semana1,1 milPythonOtherAtualizado ontem
ScottfreeLLC/AlphaPy
Framework de machine learning em Python baseado em scikit-learn e pandas, com módulos para sistemas de trading e previsão de resultados esportivos.
- Estrelas
- 1,781
- Forks
- 281
- Issues abertas
- 16
- Último commit
- mês passado
Esta página apresenta um projeto de código aberto e não constitui aconselhamento de investimento. Negociar e investir pode gerar perdas: avalie o risco por conta própria e siga as leis do seu país antes de usá-lo.
O que é?
AlphaPy é um framework de machine learning em Python voltado para traders e cientistas de dados. Ele é baseado principalmente em scikit-learn e pandas, além de incluir pacotes para engenharia de atributos e visualização. O framework pode treinar modelos de scikit-learn, Keras, XGBoost, LightGBM e CatBoost, além de gerar ensembles combinados ou empilhados.
O projeto inclui dois pipelines voltados a domínios específicos. O MarketFlow oferece suporte à criação de modelos para análise de mercado e ao desenvolvimento de sistemas de trading, com análise de portfólio usando o pyfolio da Quantopian. O SportFlow é voltado à previsão de eventos esportivos.
O autor informa que o desenvolvimento ativo foi transferido para o AlphaPy Pro, uma edição comercial separada com suporte ao Python 3.12+. Este repositório continua disponível para quem usa a versão original.
Recursos principais
- 01Executa modelos de scikit-learn, Keras, XGBoost, LightGBM e CatBoost em um único pipeline.
- 02Cria modelos de ensemble combinados ou empilhados.
- 03Módulo MarketFlow para análise de mercado e desenvolvimento de sistemas de trading.
- 04Módulo SportFlow para prever eventos esportivos.
- 05Análise de portfólio por meio da integração com o pyfolio.
Casos de uso
- Criar modelos preditivos para movimentos nos preços de ações ou criptomoedas.
- Desenvolver e fazer backtesting de estratégias sistemáticas de trading.
- Prever resultados de partidas esportivas usando machine learning.
- Prototipar modelos de classificação e regressão para dados tabulares com ferramentas baseadas em scikit-learn.
Início rápido
- 1
Instale o AlphaPy com pip
pip install -U alphapy - 2
Se os relatórios tear sheet falharem, instale o pyfolio do GitHub, se necessário
pip install git+https://github.com/quantopian/pyfolio - 3
Se necessário, instale XGBoost, LightGBM ou CatBoost seguindo os guias das respectivas plataformas (para usuários de Mac e Windows)
Antes de usar
- O desenvolvimento ativo foi transferido para o AlphaPy Pro; este repositório legado é mantido apenas para os usuários atuais.
- O XGBoost não é instalado automaticamente com pip no Mac e no Windows, portanto é necessária uma configuração adicional.
- Talvez seja necessário instalar o pyfolio do GitHub para corrigir erros nos relatórios tear sheet.
Em coleções
Tópicos
#machine-learning#trading#scikit-learn#time-series-analysis#sports-analytics#ensemble-learning#backtesting#classification#cryptocurrency#data-science
Perguntas frequentes
- O que é AlphaPy?
- Framework de machine learning em Python baseado em scikit-learn e pandas, com módulos para sistemas de trading e previsão de resultados esportivos. AlphaPy é um framework de machine learning em Python voltado para traders e cientistas de dados. Ele é baseado principalmente em scikit-learn e pandas, além de incluir pacotes para engenharia de atributos e visualização. O framework pode treinar modelos de scikit-learn, Keras, XGBoost, LightGBM e CatBoost, além de gerar ensembles combinados ou empilhados.
- AlphaPy é gratuito? Qual é a licença?
- AlphaPy é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- AlphaPy ainda é mantido?
- Atualizado nos últimos 6 meses. O último commit de AlphaPy foi em 5 de out. de 2026.
- Para que posso usar AlphaPy?
- Criar modelos preditivos para movimentos nos preços de ações ou criptomoedas. Desenvolver e fazer backtesting de estratégias sistemáticas de trading. Prever resultados de partidas esportivas usando machine learning. Prototipar modelos de classificação e regressão para dados tabulares com ferramentas baseadas em scikit-learn.
- Como instalar AlphaPy?
- Instale o AlphaPy com pip: pip install -U alphapy Se os relatórios tear sheet falharem, instale o pyfolio do GitHub, se necessário: pip install git+https://github.com/quantopian/pyfolio Se necessário, instale XGBoost, LightGBM ou CatBoost seguindo os guias das respectivas plataformas (para usuários de Mac e Windows)
- Onde consigo AlphaPy?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/ScottfreeLLC/AlphaPy
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Servidor MCP com 39 ferramentas para assistentes de IA consultarem dados de mercado, fazerem análises técnicas, triagens, backtests e análises de sentimento em cripto, ações, forex e futuros.
5,2 mil+47 esta semana1 milPythonMITAtualizado há 9 dias
Framework de bot de trading de criptomoedas em Go para criar, fazer backtest e executar estratégias em várias exchanges.
1,7 mil384GoAGPL-3.0Atualizado ontem
Biblioteca de machine learning em Python baseada em SciPy e NumPy, com ferramentas de classificação, regressão, clustering e seleção de modelos, sob licença BSD.
68,1 mil+135 esta semana27,6 milPythonBSD-3-ClauseBem mantidoAtualizado ontem
Plataforma de machine learning e IA para JVM, com ML clássico, deep learning, NLP, visualização e inferência de LLMs/ONNX para Java, Kotlin e Scala.
6,4 mil+2 esta semana1,1 milJavaOtherBem mantidoAtualizado anteontem
Ferramenta Python que transpila modelos e transformers treinados do scikit-learn para código em C, C#, Go, Java, JavaScript, PHP ou Ruby.
1,3 mil+1 esta semana168PythonBSD-3-ClauseBem mantidoAtualizado anteontem