Skip to content

Latest commit

 

History

History
175 lines (112 loc) · 9.6 KB

README_CN.md

File metadata and controls

175 lines (112 loc) · 9.6 KB

📢 公告

好消息!你现在可以通过 EigenLedger 使用维护的 empyrical 库版本了!🎉
👉 在这里了解如何使用它,并阅读此公告帖子了解更多信息。

投资者为投资者打造






在 Colab 中打开


想要阅读英文版 🇺🇸?请点击这里

EigenLedger(原名 "Empyrial")是一个基于 Python 的开源量化投资库,专为金融机构散户投资者打造,正式发布于 2021 年。EigenLedger 已被数千名金融行业人士使用,旨在成为集投资组合管理分析优化于一体的平台。

EigenLedger 通过在一个易于理解灵活强大的框架中提供最佳的绩效和风险分析赋能投资组合管理

使用 EigenLedger,您可以轻松分析证券或投资组合,以获得最佳洞察。它主要是QuantstatsPyPortfolioOpt 等金融分析库的封装器



安装

您可以使用 pip 安装 EigenLedger:

pip install EigenLedger

为了获得更好的体验,我们建议您在笔记本环境中使用 EigenLedger(例如,Jupyter,Google Colab)

注意:macOS 用户需要安装 Xcode 命令行工具

注意:Windows 用户需要安装 C++。(下载安装说明)

文档

这是我们的完整文档!查看我们的完整文档,获取详细指南、所有功能,以及充分利用此库的技巧。

快速开始

from EigenLedger import portfolio_analysis, Engine

portfolio = Engine(
    start_date = "2018-08-01", 
    portfolio = ["BABA", "PDD", "KO", "AMD","^IXIC"], 
    weights = [0.2, 0.2, 0.2, 0.2, 0.2],  # 默认设置为等权重
    benchmark = ["SPY"]  # 默认设置为 SPY
)

portfolio_analysis(portfolio)

image image image image image image image image image image image

星标数随时间变化

星标数随时间变化

贡献和问题

EigenLedger 使用 GitHub 来托管其源代码。了解更多关于 GitHub 流程的信息。

对于较大的更改(例如,新功能请求、大型重构),请先打开一个 issue 进行讨论。

较小的改进(例如,文档改进、错误修复)可以通过 GitHub 的 Pull Request 流程处理:拉取请求

您的贡献将被审核,可能会被修改,并希望合并到 EigenLedger 中。

贡献者

感谢这些了不起的人(emoji 说明):

All Contributors


Brendan Glancy

💻 🐛

Renan Lopes

💻 🐛

Mark Thebault

💻

Diego Alvarez

💻🐛

Rakesh Bhat

💻

Anh Le

🐛

Tony Zhang

💻

Ikko Ashimine

✒️

QuantNomad

📹

Buckley

✒️💻

Adam Nelsson

💻

Ranjan Grover

🐛💻

本项目遵循 all-contributors 规范。欢迎任何形式的贡献!

致谢

由于这些令人难以置信的人的工作,这个库才成为可能:

联系方式

欢迎通过电子邮件 [email protected] 或在 EigenLedger 的讨论空间与我们联系

许可证

Apache 许可证 2.0