wallstreet 0.1.5.
Estoque em tempo real e ferramentas de opções.
Wallstreet: Stock em tempo real e ferramentas de opções.
O Wallstreet é uma biblioteca Python para monitorar e analisar dados de Stock e Option em tempo real. As cotações são fornecidas pela API do Google Finance. O Wallstreet requer uma entrada mínima do usuário, usa dados online disponíveis para calcular gregos de opções e até raspa o site do Tesouro dos EUA para obter a taxa livre de risco atual.
Dependências
O Wallstreet requer que o Scipy, os pedidos e o bs4 (BeautifulSoup4) sejam instalados.
yahoo-finance 1.4.0.
Módulo Python para obter dados sobre ações do Yahoo! Finança.
Módulo Python para obter dados sobre ações do Yahoo! Finança.
Yahoo! O backend de finanças é datatables /. Se este serviço estiver inoperante ou tiver problemas de rede, você receberá erros do grupo YQL *, por exemplo. YQLQueryError.
De PyPI com pip:
Do repositório de desenvolvimento (requer git)
Exemplos de uso.
Obtenha dados de compartilhamentos.
Exemplo: Yahoo! Inc. (YHOO)
Atualizar dados do mercado.
Saída mais legível :)
get_price () get_change () get_percent_change () get_volume () get_prev_close () get_open () get_avg_daily_volume () get_stock_exchange () get_market_cap () get_book_value () get_ebitda () get_dividend_share () get_dividend_yield () get_earnings_share () get_days_high () get_days_low () get_year_high () ) get_year_low () get_50day_moving_avg () get_200day_moving_avg () get_price_earnings_ratio () get_price_earnings_growth_ratio () get_price_sales () get_price_book () get_short_ratio () get_trade_datetime () get_historical (data_de_inicio, data_final) get_info () get_name () atualizar () get_percent_change_from_year_high () get_percent_change_from_year_low () get_change_from_year_low () get_change_from_year_high () get_percent_change_from_200_day_moving_average () get_change_from_200_day_moving_average () get_percent_change_from_50_day_moving_average () get_change_from_50_day_moving_average () get_EPS_estimate_next_quarter () get_EPS_estimate_next_year () get_ex_dividend_date () get_EPS_estimate_current_year () get_price_EPS_estimate_nex t_year () get_price_EPS_estimate_current_year () get_one_yr_target_price () get_change_percent_change () get_dividend_pay_date () get_currency () get_last_trade_with_time () get_days_range () get_year_range ()
python4econ.
Python para economistas.
5 de fevereiro de 2013.
Construindo um Banco de Dados Histórico de Opções de Ações.
Descubra como obter dados de opções de dentro do python Escolha um formato de armazenamento de dados Automatize a coleta de dados diários.
Obtendo dados de opções em python.
Durante o verão, passei algum tempo livre e trabalhei com meu pai para criar um modelo de investimento. Embora seja um modelo muito simples, este post é sobre a construção de um banco de dados, então não vou entrar em detalhes aqui. Basta dizer que eu precisava encontrar uma maneira de obter dados de opções do yahoo! Finança. Este foi um desafio único porque, ao contrário dos dados de patrimônio ou dados de outras fontes, como o FRED, os dados de opções não têm um botão "download para csv" conveniente em nenhum lugar do site.
Escolhendo o formato de arquivo.
Ao escolher um formato de arquivo, tive duas considerações principais: tamanho do arquivo e velocidade na qual ele pode ser gravado / lido. Para testar isso, escrevi um script simples que gerava uma matriz aleatória de 4000 por 4000 numpy e funções definidas para escrever e ler esses dados em diferentes formatos de arquivo. Os formatos que escolhi para trabalhar foram csv, hdf5 (.h5) e MatLab (.mat). Abaixo está o script que usei para executar o teste:
Opções de ações de download do Python
Existe uma maneira de baixar automaticamente os preços históricos das ações do yahoo finance ou google finance (formato csv)? De preferência em Python.
Resposta curta: sim. Use o urllib do Python para puxar as páginas de dados históricos para as ações que você deseja. Vá com o Yahoo! Finança; O Google é menos confiável, tem menos cobertura de dados e é mais restritivo em como você pode usá-lo depois de adquirido. Além disso, acredito que o Google proíba especificamente a remoção de dados em seus ToS.
Resposta mais longa: esse é o script que uso para extrair todos os dados históricos de uma determinada empresa. Ele puxa a página de dados históricos para um símbolo específico, em seguida, salva-o em um arquivo csv nomeado por esse símbolo. Você terá que fornecer sua própria lista de símbolos de ticker que você deseja extrair.
Biblioteca de preços de opções.
MibianLib é uma biblioteca Python de código aberto para preços de opções. Você pode usá-lo para calcular o preço, a volatilidade implícita, os gregos ou a paridade de compra / venda de uma opção usando os seguintes modelos de preços: Garman-Kohlhagen Black-Scholes Merton.
O MibianLib é compatível com o python 2.7 e 3.x. Esta biblioteca requer que o scipy funcione corretamente.
Contribuir.
Instalação.
Ou baixe a biblioteca então:
sh> tar - axf mibian-latest. tgz.
sh> cd mibian mais recente.
sh> python setup. py.
py> c = mibian. GK ([1,4565, 1,45, 1, 2, 30], volatilidade = 20)
Documentação.
Usado para precificar opções européias sobre ações sem dividendos.
Opções de ações de download do Python
Recentemente, li um artigo que mostrava como baixar os dados da Cadeia de opções do Google Finance usando o R. Curiosamente, esse artigo parece ser uma adaptação aproximada de outro artigo que faz a mesma coisa usando o Python.
Enquanto brincava com o código desses artigos, notei algumas coisas que poderiam se beneficiar de pequenos ajustes. Antes, porém, de olhar para eles, vale a pena ressaltar que já existe uma função em quantmod para recuperar dados da cadeia de opções do Yahoo! Finança. O que estou fazendo aqui é, portanto, mais para minha própria edificação pessoal (mas espero que você ache interessante também!).
O código completo para este projeto (junto com várias atualizações subseqüentes à postagem original) está disponível no GitHub.
Fundo.
Uma cadeia de opções é apenas uma lista de todas as opções disponíveis para uma determinada segurança que abrange um intervalo de datas de expiração.
Primeiro, precisamos carregar alguns pacotes que facilitam o download, a análise e a manipulação dos dados.
Nós recuperaremos os dados no formato JSON. De maneira um tanto perturbadora, os dados JSON do Google Finance não parecem ser totalmente compatíveis com os padrões JSON porque as chaves não são citadas. Usaremos uma função auxiliar que será executada nos dados e inserirá aspas em torno de cada uma das chaves. O código original para essa função é passado por uma lista de nomes de chaves. Isso é um pouco ineficiente e também seria problemático se chaves adicionais fossem introduzidas. Vamos contornar isso usando uma abordagem diferente que evite estipular nomes-chave.
Para tornar a função de download mais concisa, também definiremos dois modelos de URL.
E finalmente a função de download, que segue os seguintes passos para um símbolo específico:
descarrega dados de resumo; extrai as datas de expiração dos dados de resumo e faz o download dos dados de opções para cada uma dessas datas; concatena esses dados em uma única estrutura, organiza os nomes das colunas e seleciona um subconjunto.
Vamos dar um giro. (Os dados abaixo foram recuperados no sábado, 10 de janeiro de 2015).
É assim que os dados resultantes se parecem, com todas as datas de validade disponíveis consolidadas em uma única tabela:
Há uma carga de dados lá. Para ter uma ideia do que parece, podemos gerar alguns gráficos. Abaixo está o interesse em aberto como uma função do preço de exercício em todas as datas de vencimento. O preço subjacente é indicado pela linha tracejada vertical. Como é de se esperar, a maioria dos juros está associada à próxima data de vencimento em 17 de janeiro de 2015.
Está bem claro que essa não é a melhor maneira de analisar esses dados e eu ficaria extremamente interessado em ouvir alguém sugerindo uma melhor visualização. Tentar analisar todas as datas de expiração é provavelmente o maior problema, por isso vamos focar nossa atenção nas opções que expiram em 17 de janeiro de 2015. Novamente, o preço subjacente é indicado por uma linha tracejada vertical.
Esta é a primeira vez que analiso seriamente os dados das opções, mas agora confesso que estou intrigado. Tendo os dados prontamente disponíveis, não há razão para não explorar mais. Detalhes para seguir.
Recentemente, li um artigo que mostrava como baixar os dados da Cadeia de opções do Google Finance usando o R. Curiosamente, esse artigo parece ser uma adaptação aproximada de outro artigo que faz a mesma coisa usando o Python.
Enquanto brincava com o código desses artigos, notei algumas coisas que poderiam se beneficiar de pequenos ajustes. Antes, porém, de olhar para eles, vale a pena ressaltar que já existe uma função em quantmod para recuperar dados da cadeia de opções do Yahoo! Finança. O que estou fazendo aqui é, portanto, mais para minha própria edificação pessoal (mas espero que você ache interessante também!).
O código completo para este projeto (junto com várias atualizações subseqüentes à postagem original) está disponível no GitHub.
Fundo.
Uma cadeia de opções é apenas uma lista de todas as opções disponíveis para uma determinada segurança que abrange um intervalo de datas de expiração.
Primeiro, precisamos carregar alguns pacotes que facilitam o download, a análise e a manipulação dos dados.
Nós recuperaremos os dados no formato JSON. De maneira um tanto perturbadora, os dados JSON do Google Finance não parecem ser totalmente compatíveis com os padrões JSON porque as chaves não são citadas. Usaremos uma função auxiliar que será executada nos dados e inserirá aspas em torno de cada uma das chaves. O código original para essa função é passado por uma lista de nomes de chaves. Isso é um pouco ineficiente e também seria problemático se chaves adicionais fossem introduzidas. Vamos contornar isso usando uma abordagem diferente que evite estipular nomes-chave.
Para tornar a função de download mais concisa, também definiremos dois modelos de URL.
E finalmente a função de download, que segue os seguintes passos para um símbolo específico:
descarrega dados de resumo; extrai as datas de expiração dos dados de resumo e faz o download dos dados de opções para cada uma dessas datas; concatena esses dados em uma única estrutura, organiza os nomes das colunas e seleciona um subconjunto.
Vamos dar um giro. (Os dados abaixo foram recuperados no sábado, 10 de janeiro de 2015).
É assim que os dados resultantes se parecem, com todas as datas de validade disponíveis consolidadas em uma única tabela:
Há uma carga de dados lá. Para ter uma ideia do que parece, podemos gerar alguns gráficos. Abaixo está o interesse em aberto como uma função do preço de exercício em todas as datas de vencimento. O preço subjacente é indicado pela linha tracejada vertical. Como é de se esperar, a maioria dos juros está associada à próxima data de vencimento em 17 de janeiro de 2015.
Está bem claro que essa não é a melhor maneira de analisar esses dados e eu ficaria extremamente interessado em ouvir alguém sugerindo uma melhor visualização. Tentar analisar todas as datas de expiração é provavelmente o maior problema, por isso vamos focar nossa atenção nas opções que expiram em 17 de janeiro de 2015. Novamente, o preço subjacente é indicado por uma linha tracejada vertical.
Esta é a primeira vez que analiso seriamente os dados das opções, mas agora confesso que estou intrigado. Tendo os dados prontamente disponíveis, não há razão para não explorar mais. Detalhes para seguir.
Comments
Post a Comment