finance

Finance는 시장 데이터, 기술적 지표, 주식 스크리닝, 트레이딩 전략, 백테스팅, 포트폴리오 분석, 리포팅, 통계 모델링을 위한 MIT 라이선스 Python 연구 툴킷입니다. Python 3.12 이상이 필요하며 소스에서 pip로 설치합니다. NumPy와 pandas가 핵심 의존성이고, 선택적 extras는 공개 시장 데이터, 포트폴리오 최적화와 모델, 플로팅과 감성 점수, 대화형 Streamlit 앱, 리포트, 연동 기능을 추가합니다. 데이터 모듈은 정규화된 조정 OHLCV와 장중 데이터를 가져올 수 있고 Finviz 탐색, 재무제표, 캘린더, 애널리스트 데이터, 뉴스, 트랜스크립트, 내부자 데이터, 유니버스를 제공합니다. 지표 함수는 명시적 로컬 입력에 대해 동작하며 이동평균, 모멘텀, 변동성, 거래량, 롤링 통계, 피벗, 브레드스를 다룹니다. 분석에는 수익률, CAPM과 OLS 분석, 리스크 측도, 재무제표 비율, 밸류에이션, 계절성, 감성이 포함됩니다. 전략과 백테스팅 모듈은 크로스오버, MACD, Keltner, Ichimoku, 오실레이터 리버전, 페어, 시간순 선택 전략을 지원합니다. 종가 데이터에서 생성된 신호는 다음 시가에 실행될 수 있으며, 백테스터는 현금, 소수점 주식, 롱과 숏 체결, 수수료, 슬리피지, 차입 비용, 보호 주문, FIFO 거래 리포트, 벤치마크를 추적합니다. 포트폴리오 도구는 배분, 제약 최적화와 프런티어 분석, 상관 시뮬레이션, 일시불 대 달러코스트애버리징을 다룹니다. 모델에는 예측과 베이스라인, ARIMA 진단, PCA와 팩터, 레짐, 클러스터링, 네트워크, 선택적 신경망 또는 Prophet 실험이 포함됩니다. 리포팅은 캔들스틱 차트, 히트맵, 자산 곡선 차트, CSV와 Excel 출력, HTML 리포트, 그래프 내보내기를 지원합니다. 연동에는 알림 전송, 주문 미리보기, 선택적 Alpaca 클라이언트가 포함됩니다. 예제는 기본적으로 합성 입력을 사용하며, live 플래그는 지원되는 예제를 공개 데이터로 전환합니다. 문서는 구성종목과 펀더멘털이 역사적 시점 데이터가 아닌 스냅샷임을, 제공자가 스로틀링하거나 스키마를 변경할 수 있음을, 예측 실험이 예측 우위를 주장하지 않음을 명시합니다. 브로커리지와 전달 연동에는 별도 자격 증명이 필요합니다. 저장소는 해당 자료가 교육용이며 전문 투자 조언이 아니라고 밝힙니다.