quantmaster 0.2.2

Biblioteca de features quantitativas para algorithmic trading (OHLCV -> features).

Quantmaster

Biblioteca de features quantitativas para adicionar colunas em pandas.DataFrame com dados OHLCV.

Instalação (desenvolvimento)

pip install -e ".[dev]"

Instalação (uso)

pip install quantmaster

Uso rápido

from quantmaster.features.momentum import rsi
from quantmaster.features.volatility import har_rv
from quantmaster.features.utils import create_all

df["rsi_10"] = rsi(df, window=10)
df = df.join(har_rv(df))

# gerar várias features approved de uma vez (com defaults)
df = create_all(df)

# incluir também features experimentais
# df = create_all(df, include_statuses=["approved", "experimental"])

Importar features de uma vez

Se você quiser importar várias features sem ficar apontando para cada submódulo, use o namespace quantmaster.features (exporta as features públicas em __all__):

from quantmaster.features import rsi, har_rv, yang_zhang_volatility, hurst_dfa

Você também pode fazer import wildcard (não recomendado em código de produção, mas útil em notebooks):

from quantmaster.features import *

Estrutura

• Features ficam em src/quantmaster/features/ separadas por categoria (Momentum, Trend, Volatility, etc.).
• Cada feature é uma função que recebe DataFrame (ou Series) e retorna Series (ou DataFrame) alinhado ao índice.

Qualidade

python -m ruff check .
python -m pytest
python -m build

Fluxo Para Agentes

• Skills locais: .agents/skills/
• Especificações de feature: feature_specs/
• Templates de scaffold: templates/
• Script de scaffold: scripts/new_feature.ps1
• Script de verificação completa: scripts/agent_verify.ps1

Exemplo de scaffold:

scripts/new_feature.ps1 -Module momentum -Feature my_new_feature -DefaultWindow 20

Verificação ponta a ponta:

scripts/agent_verify.ps1