시스템 트레이딩 공부용( 기술 지표 뽑는 라이브러리)

TA-Lib은 금융 데이터 분석에서 널리 사용되는 라이브러리로, 다양한 기술적 지표를 제공합니다. 하지만 더 높은 정확도나 유연성을 원한다면 아래의 대안들을 고려할 수 있습니다:

---

1. Pandas와 NumPy를 활용한 커스텀 지표 계산

• TA-Lib 대신 Pandas와 NumPy를 사용하여 지표를 직접 계산하면, 더 높은 유연성과 정확성을 얻을 수 있습니다.
• 예를 들어, RSI를 직접 계산하려면:

 

 

 

import pandas as pd

import numpy as np

 

def calculate_rsi(data, period=14):

    delta = data['close'].diff()

    gain = (delta.where(delta > 0, 0)).rolling(window=period).mean()

    loss = (-delta.where(delta < 0, 0)).rolling(window=period).mean()

    rs = gain / loss

    rsi = 100 - (100 / (1 + rs))

    return rsi

 

 

 

 

---

2. Backtrader

• 백테스팅과 기술적 지표 계산을 위한 강력한 라이브러리입니다.
• TA-Lib보다 더 많은 커스텀 지표를 지원하며, 전략 개발에 적합합니다.

 

 

pip install backtrader

 

 

 

 

 

 

import backtrader as bt

 

class CustomStrategy(bt.Strategy):

    def __init__(self):

        self.rsi = bt.indicators.RSI(self.data.close, period=14)

 

 

 

 

---

3. QuantLib

• 금융 공학에 특화된 라이브러리로, 고급 수학적 모델과 지표를 제공합니다.
• 기술적 지표보다는 옵션 가격 책정, 금리 모델링 등에 강점이 있습니다.

 

 

pip install QuantLib

 

 

 

 

---

4. Pyti (Python Technical Indicators)

• TA-Lib와 유사하지만, Python으로 작성되어 설치가 간단하고 유연합니다.

 

 

pip install pyti

 

 

 

 

 

 

from pyti.relative_strength_index import relative_strength_index as rsi

 

rsi_values = rsi(data['close'].tolist(), period=14)

 

 

 

 

---

5. Tulipy

• TA-Lib와 비슷하지만, 더 가볍고 빠른 성능을 제공합니다.

 

 

pip install tulipy

 

 

 

 

 

 

import tulipy as ti

 

rsi = ti.rsi(data['close'].values, period=14)

 

 

 

 

---

6. TA 라이브러리

• TA-Lib와 유사하지만, Pandas와 통합되어 사용하기 쉽습니다.

 

 

pip install ta

 

 

 

 

 

 

from ta.momentum import RSIIndicator

 

rsi = RSIIndicator(close=data['close'], window=14).rsi()

 

 

 

 

---

요약

• 정확도와 유연성: Pandas와 NumPy로 직접 계산.
• 백테스팅 및 전략 개발: Backtrader.
• 가벼운 대안: Tulipy 또는 Pyti.
• 금융 공학: QuantLib.

필요에 따라 위 라이브러리 중 하나를 선택하여 사용하면 됩니다. TA-Lib이 충분히 정확하지만, 특정 요구사항에 따라 대안을 고려할 수 있습니다.