Orange — инструмент визуального программирования с открытым исходным кодом для интеллектуального анализа данных, аналитики и визуализации на основе рабочих процессов с перетаскиванием элементов.
ScottfreeLLC/AlphaPy
Фреймворк машинного обучения на Python на базе scikit-learn и pandas, с модулями для торговых систем и спортивных прогнозов.
- Звёзды
- 1,781
- Форки
- 281
- Открытые issues
- 16
- Последний коммит
- в прошлом месяце
Эта страница описывает проект с открытым кодом и не является инвестиционной рекомендацией. Торговля и инвестиции могут привести к убыткам: оцените риски самостоятельно и соблюдайте законы своей страны перед использованием.
Что это?
AlphaPy — фреймворк машинного обучения на Python для трейдеров и специалистов по данным. В его основе — scikit-learn и pandas, а также дополнительные пакеты для создания признаков и визуализации. Он позволяет обучать модели из scikit-learn, Keras, XGBoost, LightGBM и CatBoost, а также создавать блендинговые и стекинговые ансамбли.
В проект входят два специализированных конвейера. MarketFlow помогает создавать модели для анализа рынков и разрабатывать торговые системы, а для анализа портфеля используется pyfolio от Quantopian. SportFlow предназначен для прогнозирования спортивных событий.
По словам автора, активная разработка перенесена в AlphaPy Pro — отдельную коммерческую редакцию с поддержкой Python 3.12+. Этот репозиторий предназначен для пользователей исходной версии.
Ключевые возможности
- 01Запускает модели scikit-learn, Keras, XGBoost, LightGBM и CatBoost в рамках одного конвейера.
- 02Создаёт блендинговые и стекинговые ансамбли моделей.
- 03Модуль MarketFlow для анализа рынков и разработки торговых систем.
- 04Модуль SportFlow для прогнозирования спортивных событий.
- 05Анализ портфеля за счёт интеграции с pyfolio.
Сценарии использования
- Создание моделей для прогнозирования движения цен акций и криптовалют.
- Разработка и бэктестинг систематических торговых стратегий.
- Прогнозирование исходов спортивных матчей с помощью машинного обучения.
- Быстрое создание прототипов моделей классификации и регрессии для табличных данных с инструментами на базе scikit-learn.
Быстрый старт
- 1
Установите AlphaPy с помощью pip
pip install -U alphapy - 2
Если при создании tear sheet возникают ошибки, при необходимости установите pyfolio с GitHub
pip install git+https://github.com/quantopian/pyfolio - 3
При необходимости установите XGBoost, LightGBM или CatBoost, следуя руководствам для соответствующих платформ (для пользователей Mac и Windows)
Что важно знать
- Активная разработка перенесена в AlphaPy Pro; этот устаревший репозиторий поддерживается только для существующих пользователей.
- XGBoost не устанавливается автоматически с помощью pip на Mac и Windows, поэтому требуется дополнительная настройка.
- Чтобы устранить ошибки tear sheet, может потребоваться установить pyfolio с GitHub.
В подборках
Темы
Частые вопросы
- Что такое AlphaPy?
- Фреймворк машинного обучения на Python на базе scikit-learn и pandas, с модулями для торговых систем и спортивных прогнозов. AlphaPy — фреймворк машинного обучения на Python для трейдеров и специалистов по данным. В его основе — scikit-learn и pandas, а также дополнительные пакеты для создания признаков и визуализации. Он позволяет обучать модели из scikit-learn, Keras, XGBoost, LightGBM и CatBoost, а также создавать блендинговые и стекинговые ансамбли.
- AlphaPy можно использовать бесплатно? Какая у него лицензия?
- AlphaPy распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- AlphaPy всё ещё поддерживается?
- Обновлялся за последние 6 месяцев. Последний коммит в AlphaPy — 5 окт. 2026 г..
- Для чего можно использовать AlphaPy?
- Создание моделей для прогнозирования движения цен акций и криптовалют. Разработка и бэктестинг систематических торговых стратегий. Прогнозирование исходов спортивных матчей с помощью машинного обучения. Быстрое создание прототипов моделей классификации и регрессии для табличных данных с инструментами на базе scikit-learn.
- Как установить AlphaPy?
- Установите AlphaPy с помощью pip: pip install -U alphapy Если при создании tear sheet возникают ошибки, при необходимости установите pyfolio с GitHub: pip install git+https://github.com/quantopian/pyfolio При необходимости установите XGBoost, LightGBM или CatBoost, следуя руководствам для соответствующих платформ (для пользователей Mac и Windows)
- Где скачать AlphaPy?
- Исходный код и инструкции по установке — на GitHub: https://github.com/ScottfreeLLC/AlphaPy
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
MCP-сервер с 39 инструментами для AI-ассистентов: рыночные данные, теханализ, скринеры, бэктестинг и сентимент по криптовалютам, акциям, форексу и фьючерсам.
Фреймворк на Go для создания, тестирования на исторических данных и запуска торговых ботов на нескольких криптобиржах.
Библиотека машинного обучения для Python на базе SciPy и NumPy: классификация, регрессия, кластеризация и выбор моделей; лицензия BSD.
Платформа машинного обучения и ИИ для JVM: классическое ML, глубокое обучение, NLP, визуализация и инференс LLM/ONNX для Java, Kotlin и Scala.
Инструмент для транспиляции обученных моделей и трансформеров scikit-learn в код на C, C#, Go, Java, JavaScript, PHP или Ruby.