AlphaPy

|badge_pypi| |badge_downloads| |badge_docs|

AlphaPy 是一个面向投机者和数据科学家的机器学习框架。它主要使用 Python 编写，依赖于 scikit-learn 和 pandas 库，同时还集成了许多用于特征工程和可视化的实用工具包。

🚀 AlphaPy Pro 现已发布！

AlphaPy Pro——AlphaPy 的专业版——现已公开发布！支持现代 Python 3.12+，性能更优，并具备企业级功能。

• 仓库地址: https://github.com/ScottfreeLLC/alphapy-pro
• 文档: https://scottfreellc.github.io/alphapy-pro/
• 安装命令: pip install alphapy-pro

以下是您使用 AlphaPy（旧版） 可以完成的部分任务：

• 使用 scikit-learn、Keras、xgboost、LightGBM 和 CatBoost 运行机器学习模型。
• 构建混合或堆叠集成模型。
• 利用 MarketFlow 创建市场分析模型。
• 使用 SportFlow 预测体育赛事。
• 结合 MarketFlow 和 Quantopian 的 pyfolio 开发交易系统并分析投资组合。

.. image:: https://github.com/Alpha314/AlphaPy/blob/master/images/model_pipeline.png :width: 100% :alt: AlphaPy 模型流程图 :align: center

AlphaPy Pro：现已上线！

AlphaPy Pro 是 AlphaPy 的下一代版本，拥有增强的功能和现代化特性：

• 支持 现代 Python 3.12+，并采用 UV 包管理工具。
• 增强的 MarketFlow 提供先进的金融机器学习功能。
• MetaLabeling 支持，适用于复杂的金融建模。
• NLP 功能，用于情感分析和文本处理。
• 自动化 CI/CD，通过 GitHub Actions 和 PyPI 发布实现。
• 全面的文档，包含教程和示例。

快速开始使用 AlphaPy Pro::

pip install alphapy-pro

相关链接：

• GitHub 仓库: https://github.com/ScottfreeLLC/alphapy-pro
• 文档: https://scottfreellc.github.io/alphapy-pro/
• PyPI 包: https://pypi.org/project/alphapy-pro/

注意：当前开发工作已转移至 AlphaPy Pro。本仓库（AlphaPy）仍对依赖原版的用户提供支持。

文档

http://alphapy.readthedocs.io/en/latest/

安装

您应确保系统中已安装 pip、Python，以及可选的 XGBoost、LightGBM 和 CatBoost（详见下文）。运行以下命令即可安装 AlphaPy：

pip install -U alphapy

Pyfolio

Pyfolio 会由 AlphaPy 自动安装，但如果您在尝试生成报告时遇到以下错误：

    *AttributeError: 'numpy.int64' object has no attribute 'to_pydatetime'*

请使用以下命令手动安装 Pyfolio：

    pip install git+https://github.com/quantopian/pyfolio

XGBoost

对于 Mac 和 Windows 用户，XGBoost 不会随 pip 自动安装。如需了解如何在您的特定平台上安装 XGBoost，请访问：http://xgboost.readthedocs.io/en/latest/build.html。

LightGBM

有关在您的特定平台上安装 LightGBM 的说明，请参阅：https://lightgbm.readthedocs.io/en/latest/Installation-Guide.html。

CatBoost

关于在您的特定平台上安装 CatBoost 的指南，请访问：https://catboost.ai/docs/concepts/python-installation.html。

MarketFlow

.. image:: https://github.com/Alpha314/AlphaPy/blob/master/images/market_pipeline.png :width: 100% :alt: MarketFlow 模型 :align: center

.. image:: https://github.com/Alpha314/AlphaPy/blob/master/images/system_pipeline.png :width: 100% :alt: MarketFlow 系统 :align: center

SportFlow

.. image:: https://github.com/Alpha314/AlphaPy/blob/master/images/sports_pipeline.png :width: 100% :alt: SportFlow :align: center

GamePT

您可以在以下网址找到 MarketFlow 的实现：

https://www.scottfreellc.com/gamept

支持

官方支持渠道为在 Github 上提交问题。

http://github.com/ScottfreeLLC/AlphaPy/issues

欢迎关注我们的 Twitter：

https://twitter.com/_AlphaPy_?lang=en

捐赠

如果您喜欢这款软件，请考虑捐赠：

http://alphapy.readthedocs.io/en/latest/introduction/support.html#donations

.. |badge_pypi| image:: https://badge.fury.io/py/alphapy.svg .. |badge_docs| image:: https://readthedocs.org/projects/alphapy/badge/?version=latest .. |badge_downloads| image:: https://static.pepy.tech/badge/alphapy

AlphaPy 快速上手指南

AlphaPy 是一个专为投机者和数据科学家设计的机器学习框架，基于 Python 构建，核心依赖 scikit-learn 和 pandas。它支持特征工程、可视化，并内置了 MarketFlow（金融市场分析）和 SportFlow（体育赛事预测）模块。

注意：目前活跃开发已转移至 AlphaPy Pro（支持 Python 3.12+ 及更多企业级功能）。如需体验最新版本，请参见文末说明。本指南主要针对原版 AlphaPy。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：Linux, macOS, 或 Windows
• Python 版本：建议 Python 3.6 - 3.10（AlphaPy Pro 支持 3.12+）
• 包管理器：已安装 pip

可选依赖

为了使用更强大的模型算法，建议手动安装以下库（部分在 Windows/macOS 上不会自动安装）：

• XGBoost: 安装指南
• LightGBM: 安装指南
• CatBoost: 安装指南

安装步骤

1. 安装 AlphaPy

使用 pip 进行安装：

pip install -U alphapy

(国内用户如遇下载缓慢，可添加清华源加速：pip install -U alphapy -i https://pypi.tuna.tsinghua.edu.cn/simple)

2. 修复 Pyfolio 兼容性（可选）

如果在生成绩效分析报告（tear sheet）时遇到 AttributeError: 'numpy.int64' object has no attribute 'to_pydatetime' 错误，请通过以下方式重新安装 pyfolio：

pip install git+https://github.com/quantopian/pyfolio

3. 安装 AlphaPy Pro（推荐新用户）

如果您需要最新的 Python 3.12+ 支持、增强的金融 ML 功能及 NLP 特性，请安装专业版：

pip install alphapy-pro

基本使用

AlphaPy 的核心优势在于通过配置文件驱动完整的机器学习流程（从数据清洗到模型集成），而无需编写大量样板代码。

典型工作流

虽然具体代码取决于您的任务类型（通用建模、市场交易或体育预测），但标准使用模式如下：

1. 准备数据：整理好您的 CSV 数据文件。
2. 创建配置：编写一个 YAML 或 JSON 配置文件，定义数据路径、特征工程步骤、模型选择（如 XGBoost, LightGBM, CatBoost）以及是否启用集成学习（Blending/Stacking）。
3. 运行管道：在命令行中调用 AlphaPy 并传入配置文件。

示例命令结构

假设您有一个名为 config.yaml 的配置文件：

alphapy --config config.yaml

该命令将自动执行以下流程：

• 加载数据并进行预处理。
• 执行特征工程。
• 训练指定的多个模型。
• 生成混合或堆叠集成模型。
• 输出评估报告和可视化结果。

特定领域应用

• 金融市场 (MarketFlow): 用于开发交易系统和分析投资组合（集成 pyfolio）。
• 体育赛事 (SportFlow): 专门用于预测体育赛事结果。

详细的功能配置示例和教程，请参考官方文档：

• AlphaPy (Legacy): http://alphapy.readthedocs.io
• AlphaPy Pro: https://scottfreellc.github.io/alphapy-pro/