<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>библиотеки для биржевой торговли &#8212; &gt; Machine Learning Guru|</title>
	<atom:link href="https://mlgu.ru/tag/biblioteki-dlya-birzhevoj-torgovli/feed/" rel="self" type="application/rss+xml" />
	<link>https://mlgu.ru</link>
	<description></description>
	<lastBuildDate>Tue, 18 Nov 2025 22:42:42 +0000</lastBuildDate>
	<language>ru-RU</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=6.9.4</generator>

<image>
	<url>https://mlgu.ru/wp-content/uploads/2025/06/mlguru-icon-150x150.png</url>
	<title>библиотеки для биржевой торговли &#8212; &gt; Machine Learning Guru|</title>
	<link>https://mlgu.ru</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>Библиотека ETNA в Python для прогнозирования временных рядов</title>
		<link>https://mlgu.ru/4517/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Thu, 11 Sep 2025 19:11:49 +0000</pubDate>
				<category><![CDATA[Классический ML]]></category>
		<category><![CDATA[time series]]></category>
		<category><![CDATA[библиотеки для биржевой торговли]]></category>
		<category><![CDATA[бэктестинг]]></category>
		<category><![CDATA[временные ряды]]></category>
		<category><![CDATA[прогнозирование]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=4517</guid>

					<description><![CDATA[Мне довелось работать с множеством инструментов для анализа временных рядов, и постоянно приходилось комбинировать различные библиотеки, чтобы получить полный цикл работы с временными рядами &#8212; от предобработки до бэктестинга, от подбора гиперпараметров до подготовки к деплою. Библиотека ETNA (Easy Time-series Analysis) от команды T-Bank AI Center решает эту проблему элегантно, предоставляя единый интерфейс для всех [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Библиотека typing в Python для решения задач типизации</title>
		<link>https://mlgu.ru/4474/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Wed, 10 Sep 2025 12:50:06 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[mlops]]></category>
		<category><![CDATA[typing]]></category>
		<category><![CDATA[библиотеки для биржевой торговли]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=4474</guid>

					<description><![CDATA[При написании кода на Python мы иногда можем столкнуться с проблемой, что этот язык является динамически типизированным. Нет, несомненно, динамическая типизация очень удобна для быстрого прототипирования, однако при разработке крупных проектов эта особенность иногда приводит к ошибкам и усложняет поддержку кода. Именно здесь на помощь приходит библиотека typing в Python — мощный инструмент для аннотации [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Библиотека sktime для анализа временных рядов</title>
		<link>https://mlgu.ru/3319/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Mon, 07 Jul 2025 11:48:22 +0000</pubDate>
				<category><![CDATA[Классический ML]]></category>
		<category><![CDATA[sklearn]]></category>
		<category><![CDATA[time series]]></category>
		<category><![CDATA[библиотеки для биржевой торговли]]></category>
		<category><![CDATA[временные ряды]]></category>
		<category><![CDATA[прогнозирование]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=3319</guid>

					<description><![CDATA[Библиотека для Python sktime предлагает унифицированный интерфейс для различных задач обработки временных рядов, включая классификацию, регрессию, кластеризацию, прогнозирование и многое другое. Что делает ее по-настоящему уникальной &#8212; это интеграция с экосистемой scikit-learn, что позволяет использовать привычные паттерны и методологии в контексте временных рядов. В этой статье я подробно разберу возможности sktime, продемонстрирую практические примеры использования [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Библиотека yfinance и API Yahoo Finance: методы загрузки данных, фильтры, параметры</title>
		<link>https://mlgu.ru/2777/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Thu, 12 Jun 2025 12:27:49 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[анализ рынков]]></category>
		<category><![CDATA[библиотеки для биржевой торговли]]></category>
		<category><![CDATA[бэктестинг]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=2777</guid>

					<description><![CDATA[За годы работы с финансовыми данными я перепробовал десятки различных биржевых API. Однако когда речь заходит о быстром доступе к качественным историческим данным без лишних заморочек и долгих настроек, yfinance остается одним из самых надежных инструментов в арсенале квант-аналитика. Эта библиотека, построенная на основе API Yahoo Finance, предоставляет программный доступ к огромному массиву финансовой информации, [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>23 способа визуализации котировок с помощью Mplfinance</title>
		<link>https://mlgu.ru/2326/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sat, 17 May 2025 11:43:57 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[анализ рынков]]></category>
		<category><![CDATA[библиотеки для биржевой торговли]]></category>
		<category><![CDATA[визуализации]]></category>
		<category><![CDATA[временные ряды]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=2326</guid>

					<description><![CDATA[Библиотека mplfinance для Python — это мощный инструмент, благодаря которому аналитики и трейдеры получают множество инсайтов при визуализации рыночных данных. В этой статье я расскажу о 23 различных способах визуализации котировок с использованием библиотеки mplfinance, начиная от базовых графиков до продвинутых техник. Основы работы с mplfinance Перед тем как перейти к конкретным методам визуализации, давайте [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>16 способов визуализации биржевых данных с помощью Matplotlib</title>
		<link>https://mlgu.ru/2012/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Fri, 09 May 2025 21:33:03 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[matplotlib]]></category>
		<category><![CDATA[анализ рынков]]></category>
		<category><![CDATA[библиотеки для биржевой торговли]]></category>
		<category><![CDATA[визуализации]]></category>
		<category><![CDATA[временные ряды]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=2012</guid>

					<description><![CDATA[Matplotlib — одна из самых мощных и гибких библиотек Python для визуализации, без импорта которой не обходится, пожалуй, ни одно исследование. В этой статье я поделюсь 16 интересными примерами визуализации биржевых данных с использованием исключительно библиотеки Matplotlib. Мы рассмотрим как базовые графики, так и более продвинутые визуализации, которые применяются в квантовых исследованиях и алгоритмической торговле. [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Что такое алгоритмическая торговля и как она работает?</title>
		<link>https://mlgu.ru/1929/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Fri, 09 May 2025 00:21:24 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[анализ рынков]]></category>
		<category><![CDATA[библиотеки для биржевой торговли]]></category>
		<category><![CDATA[бэктестинг]]></category>
		<category><![CDATA[временные ряды]]></category>
		<category><![CDATA[платформы для биржевой торговли]]></category>
		<category><![CDATA[торговые стратегии]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=1929</guid>

					<description><![CDATA[За последние десятилетия традиционный трейдинг с бумажными ордерами и телефонными звонками превратился в высокотехнологичную индустрию, где миллионы транзакций выполняются алгоритмами за миллисекунды. Сегодня алгоритмическая торговля доминирует на биржах и трансформирует финансовые рынки, создавая новые возможности и вызовы для участников. В этой статье я хочу детально рассмотреть алгоритмическую торговлю во всех ее аспектах: от фундаментальных принципов [&#8230;]]]></description>
		
		
		
			</item>
	</channel>
</rss>
