bquant 0.0.0__py3-none-any.whl

bquant/__init__.py

@@ -0,0 +1,31 @@
+"""
+BQuant - Quantitative Research Toolkit for Financial Markets
+
+A comprehensive toolkit for quantitative analysis of financial data,
+starting with MACD analysis and expandable to all aspects of market research.
+"""
+
+__version__ = "0.0.0"
+__author__ = "kogriv"
+__email__ = "kogriv@gmail.com"
+
+# Core exports
+from bquant.core.config import (
+    get_data_path,
+    get_indicator_params,
+    validate_timeframe,
+    PROJECT_ROOT,
+    DATA_DIR
+)
+
+# Version info
+__all__ = [
+    "__version__",
+    "__author__", 
+    "__email__",
+    "get_data_path",
+    "get_indicator_params", 
+    "validate_timeframe",
+    "PROJECT_ROOT",
+    "DATA_DIR"
+]

bquant/analysis/__init__.py

@@ -0,0 +1,297 @@
+"""
+Модуль анализа данных BQuant
+
+Этот модуль содержит различные виды анализа финансовых данных:
+- Статистический анализ
+- Анализ зон
+- Технический анализ 
+- Анализ свечей
+- Временной анализ
+- Графический анализ
+"""
+
+from typing import Dict, Any, Optional, List
+import pandas as pd
+from datetime import datetime
+
+from ..core.logging_config import get_logger
+
+logger = get_logger(__name__)
+
+# Версия модуля анализа
+__version__ = "0.0.0"
+
+# Поддерживаемые виды анализа
+SUPPORTED_ANALYSIS_TYPES = {
+    'statistical': 'Статистический анализ данных и гипотез',
+    'zones': 'Анализ зон и паттернов',
+    'technical': 'Технический анализ индикаторов',
+    'chart': 'Графический анализ и паттерны',
+    'candlestick': 'Анализ свечных паттернов',
+    'timeseries': 'Временной анализ данных'
+}
+
+
+class AnalysisResult:
+    """
+    Базовый класс для результатов анализа.
+    
+    Attributes:
+        analysis_type: Тип проведенного анализа
+        timestamp: Время проведения анализа
+        data_size: Размер анализируемых данных
+        results: Словарь с результатами анализа
+        metadata: Дополнительные метаданные
+    """
+    
+    def __init__(self, analysis_type: str, results: Dict[str, Any], 
+                 data_size: int = 0, metadata: Optional[Dict[str, Any]] = None):
+        """
+        Инициализация результата анализа.
+        
+        Args:
+            analysis_type: Тип анализа
+            results: Результаты анализа
+            data_size: Размер данных
+            metadata: Дополнительные метаданные
+        """
+        self.analysis_type = analysis_type
+        self.timestamp = datetime.now()
+        self.data_size = data_size
+        self.results = results or {}
+        self.metadata = metadata or {}
+        
+        logger.debug(f"Created {analysis_type} analysis result with {data_size} data points")
+    
+    def to_dict(self) -> Dict[str, Any]:
+        """
+        Конвертация результата в словарь.
+        
+        Returns:
+            Словарь с результатами анализа
+        """
+        return {
+            'analysis_type': self.analysis_type,
+            'timestamp': self.timestamp.isoformat(),
+            'data_size': self.data_size,
+            'results': self.results,
+            'metadata': self.metadata
+        }
+    
+    def save_to_csv(self, file_path: str) -> None:
+        """
+        Сохранение результатов в CSV файл.
+        
+        Args:
+            file_path: Путь к файлу для сохранения
+        """
+        try:
+            # Пытаемся конвертировать результаты в DataFrame
+            if isinstance(self.results, dict) and self.results:
+                # Если результаты можно представить как табличные данные
+                df = pd.DataFrame(self.results)
+                df.to_csv(file_path, index=False)
+                logger.info(f"Analysis results saved to {file_path}")
+            else:
+                # Сохраняем как простую структуру
+                data = self.to_dict()
+                df = pd.DataFrame([data])
+                df.to_csv(file_path, index=False)
+                logger.info(f"Analysis metadata saved to {file_path}")
+        except Exception as e:
+            logger.error(f"Failed to save analysis results to CSV: {e}")
+            raise
+    
+    def __str__(self) -> str:
+        """Строковое представление результата."""
+        return f"AnalysisResult({self.analysis_type}, {self.data_size} points, {self.timestamp})"
+    
+    def __repr__(self) -> str:
+        """Детальное представление результата."""
+        return (f"AnalysisResult(type='{self.analysis_type}', "
+                f"data_size={self.data_size}, "
+                f"results_keys={list(self.results.keys())}, "
+                f"timestamp='{self.timestamp}')")
+
+
+class BaseAnalyzer:
+    """
+    Базовый класс для всех анализаторов BQuant.
+    
+    Обеспечивает общий интерфейс и функциональность для различных видов анализа.
+    """
+    
+    def __init__(self, name: str, config: Optional[Dict[str, Any]] = None):
+        """
+        Инициализация базового анализатора.
+        
+        Args:
+            name: Имя анализатора
+            config: Конфигурация анализатора
+        """
+        self.name = name
+        self.config = config or {}
+        self.logger = get_logger(f"{__name__}.{name}")
+        
+        self.logger.info(f"Initialized {name} analyzer")
+    
+    def validate_data(self, data: pd.DataFrame) -> bool:
+        """
+        Валидация входных данных.
+        
+        Args:
+            data: DataFrame с данными для анализа
+        
+        Returns:
+            True если данные корректны
+        """
+        if data is None or data.empty:
+            self.logger.error("Data is None or empty")
+            return False
+        
+        if len(data) < self.config.get('min_data_points', 10):
+            self.logger.error(f"Insufficient data points: {len(data)} < {self.config.get('min_data_points', 10)}")
+            return False
+        
+        return True
+    
+    def analyze(self, data: pd.DataFrame, **kwargs) -> AnalysisResult:
+        """
+        Основной метод анализа. Должен быть переопределен в дочерних классах.
+        
+        Args:
+            data: DataFrame с данными для анализа
+            **kwargs: Дополнительные параметры
+        
+        Returns:
+            AnalysisResult с результатами анализа
+        """
+        raise NotImplementedError("analyze method must be implemented in subclass")
+    
+    def prepare_data(self, data: pd.DataFrame) -> pd.DataFrame:
+        """
+        Подготовка данных перед анализом.
+        
+        Args:
+            data: Исходные данные
+        
+        Returns:
+            Подготовленные данные
+        """
+        # Базовая подготовка - просто копируем данные
+        prepared_data = data.copy()
+        
+        # Сортируем по индексу если это временные данные
+        if isinstance(prepared_data.index, pd.DatetimeIndex):
+            prepared_data = prepared_data.sort_index()
+        
+        self.logger.debug(f"Prepared {len(prepared_data)} data points for analysis")
+        return prepared_data
+
+
+def get_available_analyzers() -> Dict[str, str]:
+    """
+    Получить список доступных анализаторов.
+    
+    Returns:
+        Словарь {анализатор: описание}
+    """
+    analyzers = {}
+    
+    # Статистические анализаторы
+    try:
+        from .statistical import get_statistical_analyzers
+        analyzers.update(get_statistical_analyzers())
+    except ImportError:
+        logger.debug("Statistical analyzers not available")
+    
+    # Зональные анализаторы
+    try:
+        from .zones import get_zone_analyzers
+        analyzers.update(get_zone_analyzers())
+    except ImportError:
+        logger.debug("Zone analyzers not available")
+    
+    # Технические анализаторы
+    try:
+        from .technical import get_technical_analyzers
+        analyzers.update(get_technical_analyzers())
+    except ImportError:
+        logger.debug("Technical analyzers not available")
+    
+    # Свечные анализаторы
+    try:
+        from .candlestick import get_candlestick_analyzers
+        analyzers.update(get_candlestick_analyzers())
+    except ImportError:
+        logger.debug("Candlestick analyzers not available")
+    
+    # Временные анализаторы
+    try:
+        from .timeseries import get_timeseries_analyzers
+        analyzers.update(get_timeseries_analyzers())
+    except ImportError:
+        logger.debug("Timeseries analyzers not available")
+    
+    # Графические анализаторы
+    try:
+        from .chart import get_chart_analyzers
+        analyzers.update(get_chart_analyzers())
+    except ImportError:
+        logger.debug("Chart analyzers not available")
+    
+    return analyzers
+
+
+def create_analyzer(analyzer_type: str, **kwargs) -> BaseAnalyzer:
+    """
+    Фабрика для создания анализаторов.
+    
+    Args:
+        analyzer_type: Тип анализатора
+        **kwargs: Параметры для анализатора
+    
+    Returns:
+        Экземпляр анализатора
+    """
+    # Здесь будет реализована фабрика анализаторов
+    # Пока возвращаем базовый анализатор
+    logger.info(f"Creating {analyzer_type} analyzer")
+    
+    if analyzer_type not in SUPPORTED_ANALYSIS_TYPES:
+        raise ValueError(f"Unsupported analyzer type: {analyzer_type}")
+    
+    # Возвращаем базовый анализатор как заглушку
+    return BaseAnalyzer(analyzer_type, kwargs)
+
+
+# Ленивый импорт подмодулей для избежания циклических зависимостей
+def __getattr__(name: str):
+    """Ленивый импорт подмодулей."""
+    import importlib
+    
+    if name == 'statistical':
+        return importlib.import_module('.statistical', __name__)
+    elif name == 'zones':
+        return importlib.import_module('.zones', __name__)
+    elif name == 'technical':
+        return importlib.import_module('.technical', __name__)
+    elif name == 'chart':
+        return importlib.import_module('.chart', __name__)
+    elif name == 'candlestick':
+        return importlib.import_module('.candlestick', __name__)
+    elif name == 'timeseries':
+        return importlib.import_module('.timeseries', __name__)
+    else:
+        raise AttributeError(f"module '{__name__}' has no attribute '{name}'")
+
+
+# Экспорт основных классов и функций
+__all__ = [
+    'AnalysisResult',
+    'BaseAnalyzer', 
+    'get_available_analyzers',
+    'create_analyzer',
+    'SUPPORTED_ANALYSIS_TYPES',
+    '__version__'
+]

bquant/analysis/candlestick/__init__.py

@@ -0,0 +1,100 @@
+"""
+Модуль анализа свечных паттернов BQuant
+
+Предоставляет функции для анализа японских свечей:
+- Распознавание свечных паттернов
+- Анализ price action
+- Паттерны разворота и продолжения
+- Доджи, молот, повешенный и другие формации
+
+СТАТУС: Заглушка - будет реализован в будущих версиях
+"""
+
+from typing import Dict, List, Any, Optional
+import pandas as pd
+
+from ...core.logging_config import get_logger
+from .. import BaseAnalyzer, AnalysisResult
+
+logger = get_logger(__name__)
+
+# Версия модуля анализа свечей
+__version__ = "0.1.0-stub"
+
+
+class CandlestickAnalyzer(BaseAnalyzer):
+    """
+    Заглушка для анализатора свечных паттернов.
+    """
+    
+    def __init__(self, config: Optional[Dict[str, Any]] = None):
+        """
+        Инициализация анализатора свечных паттернов.
+        
+        Args:
+            config: Конфигурация анализатора
+        """
+        super().__init__("CandlestickAnalyzer", config)
+        self.logger.warning("CandlestickAnalyzer is a stub implementation")
+    
+    def analyze(self, data: pd.DataFrame, **kwargs) -> AnalysisResult:
+        """
+        Заглушка для анализа свечных паттернов.
+        
+        Args:
+            data: DataFrame с OHLCV данными
+            **kwargs: Дополнительные параметры
+        
+        Returns:
+            AnalysisResult с заглушкой результатов
+        """
+        self.logger.info("Performing stub candlestick analysis")
+        
+        results = {
+            'status': 'stub_implementation',
+            'message': 'Candlestick analysis module is not yet implemented',
+            'planned_features': [
+                'Candlestick pattern recognition',
+                'Price action analysis',
+                'Reversal patterns',
+                'Continuation patterns',
+                'Doji, hammer, hanging man detection'
+            ]
+        }
+        
+        metadata = {
+            'analyzer': 'CandlestickAnalyzer',
+            'implementation_status': 'stub',
+            'version': __version__
+        }
+        
+        return AnalysisResult(
+            analysis_type='candlestick',
+            results=results,
+            data_size=len(data),
+            metadata=metadata
+        )
+
+
+def get_candlestick_analyzers() -> Dict[str, str]:
+    """
+    Получить список доступных анализаторов свечных паттернов.
+    
+    Returns:
+        Словарь {анализатор: описание}
+    """
+    return {
+        'candlestick': 'Анализ свечных паттернов (заглушка)',
+        'price_action': 'Price action анализ (заглушка)',
+        'reversal': 'Паттерны разворота (заглушка)',
+        'continuation': 'Паттерны продолжения (заглушка)',
+        'doji': 'Доджи паттерны (заглушка)'
+    }
+
+
+# Экспорт
+__all__ = [
+    'CandlestickAnalyzer',
+    'get_candlestick_analyzers',
+    '__version__'
+]

bquant/analysis/chart/__init__.py

@@ -0,0 +1,98 @@
+"""
+Модуль графического анализа BQuant
+
+Предоставляет функции для графического анализа финансовых данных:
+- Анализ графических паттернов
+- Распознавание формаций
+- Трендовые линии
+- Фигуры технического анализа
+
+СТАТУС: Заглушка - будет реализован в будущих версиях
+"""
+
+from typing import Dict, List, Any, Optional
+import pandas as pd
+
+from ...core.logging_config import get_logger
+from .. import BaseAnalyzer, AnalysisResult
+
+logger = get_logger(__name__)
+
+# Версия модуля графического анализа
+__version__ = "0.1.0-stub"
+
+
+class ChartAnalyzer(BaseAnalyzer):
+    """
+    Заглушка для анализатора графических паттернов.
+    """
+    
+    def __init__(self, config: Optional[Dict[str, Any]] = None):
+        """
+        Инициализация анализатора графических паттернов.
+        
+        Args:
+            config: Конфигурация анализатора
+        """
+        super().__init__("ChartAnalyzer", config)
+        self.logger.warning("ChartAnalyzer is a stub implementation")
+    
+    def analyze(self, data: pd.DataFrame, **kwargs) -> AnalysisResult:
+        """
+        Заглушка для графического анализа.
+        
+        Args:
+            data: DataFrame с данными
+            **kwargs: Дополнительные параметры
+        
+        Returns:
+            AnalysisResult с заглушкой результатов
+        """
+        self.logger.info("Performing stub chart analysis")
+        
+        results = {
+            'status': 'stub_implementation',
+            'message': 'Chart analysis module is not yet implemented',
+            'planned_features': [
+                'Chart pattern recognition',
+                'Trend line detection',
+                'Formation analysis',
+                'Visual pattern matching'
+            ]
+        }
+        
+        metadata = {
+            'analyzer': 'ChartAnalyzer',
+            'implementation_status': 'stub',
+            'version': __version__
+        }
+        
+        return AnalysisResult(
+            analysis_type='chart',
+            results=results,
+            data_size=len(data),
+            metadata=metadata
+        )
+
+
+def get_chart_analyzers() -> Dict[str, str]:
+    """
+    Получить список доступных анализаторов графических паттернов.
+    
+    Returns:
+        Словарь {анализатор: описание}
+    """
+    return {
+        'chart': 'Графический анализ (заглушка)',
+        'patterns': 'Графические паттерны (заглушка)',
+        'trendlines': 'Трендовые линии (заглушка)',
+        'formations': 'Графические формации (заглушка)'
+    }
+
+
+# Экспорт
+__all__ = [
+    'ChartAnalyzer',
+    'get_chart_analyzers',
+    '__version__'
+]