etf-pattern-match-pybind11
✨ 用C++加速ETF形态匹配,DTW提速43倍,适合量化回测场景
🧭 AI 判断
仅供研究个人实验性C++加速DTW匹配项目,无热度与维护数据,定位偏技术演示
用pybind11将ETF形态匹配DTW提速43~58倍,适合追求性能的量化研究
📊 综合评分
📈 热度走势
GitHub star / HF 下载量每日快照 · 自 2026-09-16(上限 30 天)0(现 4 · 断点=当日未采集)
📖 工具介绍
基于 pybind11/C++20 的高性能 ETF 形态匹配工具,采用 DTW 算法并结合余弦相似度预筛选,相比纯 Python 实现大幅提升 DTW 计算与形态匹配速度,附有 Jupyter notebook 示例。适合需要在量化研究中做 ETF 走势形态匹配的开发者和量化分析师使用。
`Python` `C++` - High-performance ETF pattern matching via DTW with cosine pre-filtering. 43× DTW and 58× pattern-match speedup over pure Python using pybind11/C++20. Includes Jupyter notebook with fu
⚖️ 同类对比
| 维度 | etf-pattern-match-pybind11 | sympy | TA-Lib Python | fBonds |
|---|---|---|---|---|
| 结论 | 仅供研究 | 仅供研究 | 推荐 | 仅供研究 |
| 热度 | 4 | — | 12.3k | — |
| 7日增长 | 0 | — | +20 | — |
| 适合人群 | 开发者 | 开发者 | 开发者 | 专业量化 |
| 主要用途 | 数据分析 / 策略研究 | 数据分析 / 策略研究 | 数据分析 / 策略研究 | 策略研究 / 数据分析 |
| 支持市场 | 其他 | 其他 | 多市场 | 其他 |
| 技术栈 | Python/C++/pybind11 | Python | Python | R |
| 上手难度 | 中等 | 中等 | 中等 | 中等 |
| 活跃度 | 低 | — | 高 | — |
🧩 更多同类工具
一款基于 Python 的符号数学库，支持代数运算、微积分、方程求解、矩阵计算等符号计算功能，结果以精确的解析表达式呈现而非数值近似。它开源免费、纯 Python 实现、易于集成，适合量化研究中需要进行公式推导、数学建模或衍生品定价公式分析的开发者和研究人员。
一款基于 Python 的技术分析指标计算库，是 TA-Lib 的官方 Python 封装。它提供 150 多种技术指标函数(如 MA、MACD、RSI、布林带等)以及 K 线形态识别功能，计算速度快、接口稳定。适合量化开发者、策略研究人员在回测或实盘系统中进行行情指标计算。
一款基于 R 语言的利率期限结构建模包，隶属于 Rmetrics 金融计算系列。它实现了 Nelson-Siegel 和 Nelson-Siegel-Svensson 两种期限结构模型，可用于收益率曲线的拟合与分析。适合从事固定收益研究、利率建模的量化分析师及金融学习者使用。
一款基于 R 语言的期权定价与估值工具包，属于 Rmetrics 系列的一部分。它提供基本的期权定价模型与评估功能，支持常见的期权分析计算。需要注意，该包目前已从 CRAN 官方仓库移除。适合量化研究人员、金融学习者以及需要在 R 环境中进行期权估值的从业者使用。
一个开源的技术分析库,提供常用技术指标和 K 线形态识别功能,支持批量与流式计算,以 C 语言为核心实现,并提供 Rust、Java、C# 等多种语言接口。适合需要在本地代码中集成技术指标计算的量化开发者与研究人员使用。
一款开源的 Automatic Differentiation(AAD)库,支持前向与反向模式自动微分,可用于计算导数与梯度。它以 C++ 实现,注重正确性与易集成性,适合量化研究、风险计算及需要高效求导的金融工程开发者使用。