QTSurfer beta
Documentación

Código abierto

Índice de los proyectos de código abierto que QTSurfer publica en GitHub — clientes y SDK de la API, el servidor MCP y las skills de estrategia, el formato de datos Lastra y sus herramientas, el streaming de datos de mercado, un componente de gráficos, y el contrato y la documentación de la API.

QTSurfer publica como código abierto las bibliotecas, los formatos y las herramientas que rodean a la plataforma, en la organización QTSurfer de GitHub. Esta página los indexa: para qué sirve cada proyecto, dónde encontrarlo y qué página de esta documentación lo cubre con más detalle. El código se publica bajo la licencia Apache-2.0; la prosa de la documentación de qtsurfer-content es CC BY 4.0. El README de cada repositorio indica sus propios términos y es la referencia para ellos.

Clientes y SDKs

Habla con la API de QTSurfer desde tu propio código. Los SDK envuelven la API en flujos de trabajo completos; los clientes de API se generan a partir del contrato OpenAPI y se corresponden uno a uno con sus endpoints. Consulta Clientes y SDKs para elegir entre ellos.

  • sdk-java — el SDK de Java. Autenticación, el flujo de compilar, preparar y ejecutar con reintentos y cancelación, ejecución en vivo por WebSocket y errores normalizados. Se publica a través de JitPack.
  • sdk-ts — el SDK de TypeScript, con la misma orquestación del flujo, un flujo de backtest en una sola llamada y ejecución en vivo. En npm como @qtsurfer/sdk.
  • sdk-python — el SDK de Python, con orquestación del flujo, renovación del token al caducar y un almacén de tokens intercambiable. En PyPI como qtsurfer-sdk.
  • api-client-java — el cliente Java generado para la API REST. Se publica a través de JitPack.
  • api-client-ts — el cliente TypeScript generado: totalmente tipado, compatible con tree-shaking y basado en el fetch nativo. En npm como @qtsurfer/api-client.
  • api-client-python — el cliente Python generado. En PyPI como qtsurfer-api-client.

Asistentes de IA

  • mcp-java — el servidor de Model Context Protocol de QTSurfer. Expone la cuenta, la ejecución en vivo, los backtests y los datos de mercado como herramientas para cualquier asistente compatible con MCP, por entrada y salida estándar. La instalación y la lista de herramientas están en Servidor MCP.
  • strategy-skills — skills de agente para escribir, revisar y depurar estrategias de QTSurfer en Java y en QTScript. Siguen el formato abierto Agent Skills, así que funcionan con Claude Code, Codex, Cursor, Cline y otros agentes que lo admiten. Las guías de estrategias de esta documentación se generan a partir de ellas.

Lastra y formatos de datos

Los segmentos horarios de datos de mercado que sirve QTSurfer son ficheros que puedes conservar, consultar y convertir. El formato Lastra, sus lectores y escritores, y los conversores son abiertos. Consulta Lastra para ver el camino más corto desde un segmento descargado hasta un DataFrame, una consulta SQL o un fichero Parquet.

  • lastra-java — la implementación de referencia de Lastra, un formato de fichero columnar para series temporales numéricas, con un códec por columna, grupos de filas y comprobaciones de integridad CRC32. También contiene la especificación del formato en disco. Se publica a través de JitPack.
  • lastra-py — un lector y escritor de Python, compatible bit a bit con la implementación Java. En PyPI como lastra.
  • lastra-ts — un lector de TypeScript para el navegador y Node.js, con interoperabilidad con Apache Arrow. En npm como @qtsurfer/lastra.
  • duckdb-lastra — una extensión de DuckDB que consulta ficheros .lastra como tablas con filtrado por marca de tiempo, incluidos ficheros remotos mediante peticiones de rango HTTP.
  • lastra-convert — un conversor de línea de comandos, con una API Java, entre Lastra, Parquet y CSV.
  • lastra-convert-py — la versión en Python, que también convierte Apache Arrow. En PyPI como lastra-convert.
  • alp-java — una implementación en Java, sin dependencias, de ALP, la compresión adaptativa sin pérdida de coma flotante que Lastra usa en columnas decimales como los precios. Sigue el algoritmo publicado por Afroozeh y Boncz (SIGMOD 2024).
  • alp-py — la implementación en Python de ALP, compatible byte a byte con alp-java. En PyPI como alp-codec.
  • parquet-lite — una biblioteca Java para leer y escribir ficheros Apache Parquet sin el árbol de dependencias de Hadoop. Es una bifurcación de strategicblue/parquet-floor. Se publica a través de JitPack.

Streaming de datos de mercado

  • qtstreamx — streaming normalizado de datos de mercado para la JVM. Los flujos WebSocket de los exchanges y los swaps de Uniswap en cadena quedan detrás de un mismo conjunto de interfaces y de un único modelo de registros (tickers, klines, tasas de financiación, operaciones), y el códec, el cliente WebSocket y el transporte son módulos separados que puedes intercambiar.

Visualización

  • svelte-timeseries — un componente de Svelte para explorar series temporales muy grandes en el navegador. Lee Parquet, Arrow y Lastra mediante DuckDB-WASM, y dibuja con Apache ECharts o con TradingView Lightweight Charts, con marcadores y eventos superpuestos. En npm como @qtsurfer/svelte-timeseries, con una demo en vivo.

Contrato y documentación de la API

  • qtsurfer-api — la especificación OpenAPI, el contrato AsyncAPI del WebSocket de ejecución en vivo y las guías en Markdown en las que se basa la sección de la API de esta documentación. La referencia interactiva está publicada en qtsurfer.github.io.
  • qtsurfer-engine-java-docs — la referencia publicada de la API de Java para los tipos que usa quien escribe una estrategia: las clases base de estrategia, el modelo de datos de mercado, el catálogo de indicadores y los modelos de comisiones, slippage y ejecución. Se puede consultar en este sitio como referencia de la API de Java.
  • qtsurfer-content — el origen de la documentación, los artículos de Learn y el glosario de este sitio, en todos los idiomas publicados. Acepta correcciones mediante pull requests.