Tema
Big data para trading: datalakes, ArcticDB y gestión de datos financieros.
6 informes
Una estrategia quant es una estrategia sistemática, condicionada por los datos y el modelo, el cual está programado para generar decisiones de inversión. El principal pilar dentro del quant research, es el método científico.
En este artículo, vamos a crear una solución para poder utilizar cualquier tipo de dato, dentro de un pipeline de zipline. Crearemos un algoritmo, que consulte el datalake, realice las transformaciones oportunas y posteriormente ingiera los datos hacia zipline dentro del denominado bundle.
En este artículo, exploraremos la creación de un algoritmo para gestionar datos financieros en nuestro datalake, utilizando ArcticDB como backend y el proveedor de datos End Of Day Historical (EODH).
En el artículo anterior, realizamos una introducción a las bases de datos NoSQL y sus ventajas, casos de uso y justificaciones pertinentes.
En este articulo se explica las caracteristicas y cualidades de un datalake, al mismo tiempo que se explica un plan de ejecucion para su creacion basado en python y arcticdb.
En este nuevo artículo, vamos a tratar como crear un entorno profesional para trading quant algorítmicos. Para ello vamos a utilizar un stock de tecnologías, que nos van a facilitar el deployeo, focalizando nuestra actividad en el research puro, y no en la infraestructura.