functime
✨ 基于Polars的大规模时序机器学习库，并行特征提取与面板数据预测
🧭 AI 判断
值得关注基于Polars的时序ML库,工程定位清晰,但热度与维护情况未知,需自行验证
基于 Polars 的大规模时序机器学习库,擅长面板数据并行特征提取与预测
📊 综合评分
📖 工具介绍
一款基于 Python 的时间序列机器学习库，底层采用 Polars 构建，支持在面板数据上进行大规模并行特征提取与预测。它适合需要在量化研究中处理多序列数据、进行批量时间序列建模与预测的开发者和分析师使用。
`Python` - Time-series machine learning at scale. Built with Polars for embarrassingly parallel feature extraction and forecasts on panel data.
⚖️ 同类对比
| 维度 | functime | machine-learning-for-trading | gs-quant | skfolio |
|---|---|---|---|---|
| 结论 | 值得关注 | 推荐 | 推荐 | 推荐 |
| 热度 | 1.2k | 20.7k | 12.8k | 2.3k |
| 适合人群 | 专业量化 | 专业量化 | 专业量化 | 专业量化 |
| 主要用途 | 数据分析 / 策略研究 | 策略研究 / 数据分析 | 数据分析 / 策略研究 | 策略研究 / 数据分析 |
| 支持市场 | 多市场 | 多市场 | 多市场 | 多市场 |
| 技术栈 | Python(Polars) | Python | Python | Python |
| 上手难度 | 中等 | 中等 | 中等 | 中等 |
| 活跃度 | 中 | 高 | 高 | 中 |
🧩 更多同类工具
一款基于 Python 的机器学习量化交易开源项目，配套《Machine Learning for Algorithmic Trading》一书，提供全书代码与相关资源。内容涵盖特征工程、模型构建与回测等环节，适合希望将 machine learning 方法应用于算法交易的学习者和研究者参考使用。
一款由高盛开源的 Python 量化金融工具包。它提供与高盛 Marquee 平台交互的接口，支持衍生品定价、风险分析、投资组合管理等功能。适合量化研究人员、开发者和金融工程师使用。
一个基于 scikit-learn 构建的 Python 组合优化库，提供统一接口和兼容 sklearn 的工具，可用于构建、调优和交叉验证投资组合模型。适合熟悉 Python 与机器学习工作流、需要进行资产配置与组合风险管理的量化研究者和开发者使用。
一款基于 Python 的开源投资组合优化库，专注于组合优化与量化战略资产配置，支持多种风险度量模型和优化方法。它适合量化研究人员、资产管理从业者以及希望用 Python 构建和优化投资组合的开发者使用。
一款基于 Python 的投资组合优化开源库，提供经典的有效前沿计算以及 Black-Litterman、层次风险平价等进阶方法，并支持与 pandas 工作流集成。适合量化研究人员和开发者用 Python 构建和优化资产配置组合。
一款基于 Python 的金融研究终端，面向股票、债券、外汇、加密货币等多类资产提供数据分析与 AI 辅助研究功能，支持数据获取、可视化与经济数据分析。适合量化研究员、金融分析师及开发者用于资产研究与策略探索。