Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-11 09:45 UTC

mbk-dev / okama

Investment portfolio and stocks analyzing tools for Python with free historical data

PythonMIT★ 273 Sterne⑂ 43 Forksseit März 2020Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#finance#investments#mathematics#python#optimization#portfolio-optimization#quantitative-finance#historical-data#portfolio#financial-data#cfa#time-series#markowitz#modern-portfolio-theory

mbk-dev/okama erreicht einen Gesundheitsindex von 16 von 100 und liegt damit im Bereich Kritisch. Am stärksten schneidet es bei Engineering Quality (95/100) ab, am schwächsten bei Security (28/100). Zuletzt vor 10 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

16
gesamt / 100
Kritisch

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

16
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 68 wird auf der veröffentlichten Indexskala auf 80 kalibriert (Register-Kalibrierung 2026-08-02). Die Richtlinie für Hochrisikojurisdiktionen wendet einen Multiplikator von 20 % auf die gewichtete Gesamtgesundheit an und begrenzt sie auf die Obergrenze Gefährdet von 34.

Eigentümerschaft

MBK DevelopmentOrganisation
29 Follower13 öffentliche Reposseit Sept. 2020

Dieses Repository wird von einer Organisation getragen — geteilte, rechenschaftspflichtige Trägerschaft, die jeden einzelnen Maintainer überdauern kann.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIokama3.0.099353vor 10 Tagenfinanceinvestmentsefficient-frontierpythonoptimization

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

89Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

82Exzellent
Wie die Bewertung erfolgt
28.8/36Push-Aktualität — letzter Push vor 10 Tagen
24.9/36Commit-Rhythmus — 36/52 Wochen mit Commits
18/18Commit-Volumen — 339 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 30 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year339
human_commit_share1
days_since_last_push10
active_weeks_last_year36

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 54 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 10 Tagen
27/27Release-Rhythmus — ein Release etwa alle 10,6 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count54
latest_release_tagv3.0.0
releases_from_tagsnein
days_since_latest_release10
mean_days_between_releases10,6
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

65Gut · 17 % des Gesamtindex

Popularität & Verbreitung

58Mittel
Wie die Bewertung erfolgt
39.5/60Stars — 273 Stars
13.5/25Forks — 43 Forks
5/15Watcher — 9 Watcher
Verwendete Eingangsdaten
forks43
stars273
watchers9
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

85Exzellent
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (MIT)
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges6
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicescoveralls.io, shields.io
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

50Mittel
Wie die Bewertung erfolgt
40/80Downloads pro Monat — 993 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesokama
dependents—
ecosystemspypi
total_downloads—
monthly_downloads993
unverified_packages_excluded—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Abhängige in der Registry. Die verbleibenden Gewichte wurden renormalisiert.

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

56Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

21Gefährdet
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
1/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 96 % der Commits
8.1/13.5Breite der Beitragenden — 6 Beitragende
3/10OpenSSF Scorecard: Contributors — project has 1 contributing companies or organizations -- score normalized to 3
Verwendete Eingangsdaten
bus_factor1
contributors_sampled6
top_contributor_share0,955

Reaktionsfähigkeit bei Issues & PRs

58Mittel
Wie die Bewertung erfolgt
36.1/42Issue-Lösungsquote — 86 % der Issues geschlossen
14.1/30PR-Annahme — 15/32 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — Found 0/30 approved changesets -- score normalized to 0
Verwendete Eingangsdaten
merged_prs15
open_issues11
closed_issues67
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,859
closed_unmerged_prs17
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

61Mittel
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
10.6/25Reichweite des Inhabers — 29 Follower von mbk-dev
20.3/25Kontohistorie — 13 öffentliche Repos, Kontoalter ca. 5 Jahre
Verwendete Eingangsdaten
followers29
owner_typeOrganization
is_verifiednein
owner_loginmbk-dev
public_repos13
account_age_days2.175

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 10 Tagen
20/20Versionshistorie — 53 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesokama
ecosystemspypi
any_deprecatednein
min_days_since_publish10

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

95Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 3 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: CI-Tests. Die verbleibenden Gewichte wurden renormalisiert.

Dokumentation

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://okama.io/
10/10Repository-Beschreibung
10/10Topics — 14 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsfinance, investments, mathematics, python, optimization, portfolio-optimization, quantitative-finance, historical-data, portfolio, financial-data, cfa, time-series, markowitz, modern-portfolio-theory
has_wikija
homepagehttps://okama.io/
docs_sitehttps://okama.io/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

28Gefährdet · 16 % des Gesamtindex

Sicherheitslage

10Kritisch
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — branch protection not enabled on development/release branches
0/2.5CI-Tests — keine Daten
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0/7.5Code-Review — Found 0/30 approved changesets -- score normalized to 0
0.8/2.5Contributors — project has 1 contributing companies or organizations -- score normalized to 3
0/10Dangerous-Workflow — keine Daten
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 30 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — keine Daten
0/5Pinned-Dependencies — keine Daten
0/5SAST — no SAST tool detected
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — keine Daten
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated12
scorecard_versionv5.5.0
checks_inconclusive6
scorecard_aggregate4,9
high_risk_jurisdiction_cap34
high_risk_jurisdiction_multiplier20
security_posture_after_multiplier10
security_posture_before_jurisdiction49
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): CI-Tests, Dangerous-Workflow, Packaging, Pinned-Dependencies, Signed-Releases, Token-Permissions. Die verbleibenden Gewichte wurden renormalisiert. Die Richtlinie für Hochrisikojurisdiktionen wendet einen Multiplikator von 20 % an und begrenzt die Sicherheitslage auf die Obergrenze Gefährdet von 34.

Abhängigkeits-Advisories

100Außergewöhnlich
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
25/25Indirekte Abhängigkeiten ohne bekannte Advisories — keine indirekte Abhängigkeit trägt ein bekanntes Advisory
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages30
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:okama@3.0.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 30 Paketen. Erreichbarkeit wird nicht analysiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

76Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

85Exzellent
Wie die Bewertung erfolgt
45/45Agentenanweisungen — AGENTS.md, CLAUDE.md
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 93 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,93
agent_instruction_filesAGENTS.md, CLAUDE.md
agent_instruction_max_bytes10.303

AI-Verify-Loop (Build / Test / Typprüfung)

68Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — docs/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
0/11Statische Typprüfung
0/10Reproduzierbare Umgebung
10/10Belegte Agentenpraxis — 70 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — keine Daten
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfilenein
typed_languagenein
bootstrap_filesdocs/Makefile
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0,7
toolchain_manifests—
dependency_bot_commit_share0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Pinned-Dependencies. Die verbleibenden Gewichte wurden renormalisiert.

AI-Code-Lesbarkeit für Modelle

53Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
52.7/55Handhabbare Dateigrößen — 3/72 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes72.118
source_files_sampled72
oversized_source_files3

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto) — für diese Art von Software nicht anwendbar
0/20MCP-Server — für diese Art von Software nicht anwendbar
40/40Lauffähige Beispiele — examples, notebooks
Verwendete Eingangsdaten
example_dirsexamples, notebooks
has_mcp_signalnein
api_schema_files—
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): API-Schema (OpenAPI/GraphQL/proto), MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

273GitHub-Sterne
6Mitwirkende
339Commits, letzte 12 Monate
10Tage seit letztem Push
54Releases
1Bus-Faktor
11offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 43 ⇿
0Sterne
43Forks
35Releases

Wann jeder Stern und Fork hinzugefügt wurde, von GitHub erfasst und nach Tagen gruppiert. Das kumulierte Wachstum steht direkt über den täglichen Zugängen, aus denen es besteht, sodass beide gegeneinander lesbar sind: stetiger organischer Zuwachs sieht ganz anders aus als ein abrupter, kurzlebiger Ausschlag. Wo dieser Unterschied messbar ist, wird er als Wachstumsauthentizität ausgewiesen.

010203040504332020-122023-092026-06
Major 2Minor 7Patch 17

Jeder Punkt umfasst 5 Tage.

OpenSSF Scorecard 4.9 / 10
4.9Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-09-11 09:45 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
k. A.CI-Testsno pull request found
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/30 approved changesets -- score normalized to 0
3Contributorsproject has 1 contributing companies or organizations -- score normalized to 3
k. A.Dangerous-Workflowno workflows found
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 30 issue activity found in the last 90 days -- score normalized to 10
k. A.Packagingpackaging workflow not detected
k. A.Pinned-Dependenciesno dependencies found
0SASTno SAST tool detected
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
k. A.Token-PermissionsNo tokens found
10Vulnerabilities0 existing vulnerabilities detected
Direkte Abhängigkeiten 10
RegistryPaketVersionsvorgabeManifest
PyPIpandas>=2.0.0pyproject.toml
PyPIpyarrow>=13.0.0pyproject.toml
PyPIscipy*pyproject.toml
PyPImatplotlib>=3.5.1pyproject.toml
PyPIrequests*pyproject.toml
PyPIjoblib*pyproject.toml
PyPIpandas-stubs*pyproject.toml
PyPIarch>=7.2.0pyproject.toml
PyPIstatsmodels>=0.14.5pyproject.toml
PyPIidna>=3.15pyproject.toml
Alle Abhängigkeiten 190

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 20 direkte und 170 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIarch—direkt
PyPIarch8.0.0direkt
PyPIidna—direkt
PyPIidna3.19direkt
PyPIjoblib—direkt
PyPIjoblib1.6.0direkt
PyPImatplotlib—direkt
PyPImatplotlib3.11.1direkt
PyPIpandas—direkt
PyPIpandas3.0.5direkt
PyPIpandas-stubs—direkt
PyPIpandas-stubs3.0.5.260730direkt
PyPIpyarrow—direkt
PyPIpyarrow25.0.1direkt
PyPIrequests—direkt
PyPIrequests2.34.2direkt
PyPIscipy—direkt
PyPIscipy1.17.1direkt
PyPIstatsmodels—direkt
PyPIstatsmodels0.15.0direkt
PyPIalabaster1.0.0indirekt
PyPIanyio4.14.2indirekt
PyPIappnope1.0.0indirekt
PyPIargon2-cffi25.1.0indirekt
PyPIargon2-cffi-bindings26.1.0indirekt
PyPIarrow1.4.0indirekt
PyPIasttokens3.0.2indirekt
PyPIasync-lru2.3.0indirekt
PyPIattrs26.1.0indirekt
PyPIbabel2.18.0indirekt
PyPIbeautifulsoup44.15.0indirekt
PyPIblack26.5.1indirekt
PyPIbleach6.4.0indirekt
PyPIcertifi2026.7.22indirekt
PyPIcffi2.1.1indirekt
PyPIcfgv3.5.0indirekt
PyPIcharset-normalizer3.5.1indirekt
PyPIclick8.5.0indirekt
PyPIcloudpickle3.1.2indirekt
PyPIcolorama0.4.6indirekt
PyPIcomm0.2.3indirekt
PyPIcommonmark0.9.2indirekt
PyPIcontourpy1.3.3indirekt
PyPIcycler0.12.1indirekt
PyPIdebugpy1.8.21indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdistlib0.4.3indirekt
PyPIdocutils—indirekt
PyPIdocutils0.21.2indirekt
PyPIexecnet2.1.2indirekt
PyPIexecuting2.2.1indirekt
PyPIfastjsonschema2.22.2indirekt
PyPIfilelock3.32.4indirekt
PyPIfonttools4.63.0indirekt
PyPIformulaic1.2.2indirekt
PyPIfqdn1.5.1indirekt
PyPIh110.16.0indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx0.28.1indirekt
PyPIidentify2.6.19indirekt
PyPIimagesize2.0.1indirekt
PyPIiniconfig2.3.0indirekt
PyPIinterface-meta2.0.1indirekt
PyPIipykernel7.3.0indirekt
PyPIipython—indirekt
PyPIipython9.17.0indirekt
PyPIipython-pygments-lexers1.1.1indirekt
PyPIipywidgets8.1.9indirekt
PyPIisoduration20.11.0indirekt
PyPIjedi0.20.0indirekt
PyPIjinja2—indirekt
PyPIjinja23.1.6indirekt
PyPIjson50.15.0indirekt
PyPIjsonpointer3.1.1indirekt
PyPIjsonschema4.26.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIjupyter1.1.1indirekt
PyPIjupyter-builder1.2.2indirekt
PyPIjupyter-client8.10.0indirekt
PyPIjupyter-console6.6.3indirekt
PyPIjupyter-core5.9.1indirekt
PyPIjupyter-events0.12.1indirekt
PyPIjupyter-lsp2.3.1indirekt
PyPIjupyter-server2.21.0indirekt
PyPIjupyter-server-terminals0.5.4indirekt
PyPIjupyterlab4.6.3indirekt
PyPIjupyterlab-pygments0.3.0indirekt
PyPIjupyterlab-server2.28.0indirekt
PyPIjupyterlab-widgets3.0.17indirekt
PyPIkiwisolver1.5.1indirekt
PyPIlark1.3.1indirekt
PyPImarkupsafe3.0.3indirekt
PyPImatplotlib-inline0.2.2indirekt
PyPImistune3.3.4indirekt
PyPImypy-extensions1.1.0indirekt
PyPInarwhals2.25.0indirekt
PyPInbclient0.11.0indirekt
PyPInbconvert7.17.1indirekt
PyPInbformat5.11.1indirekt
PyPInbmake1.5.5indirekt
PyPInbsphinx—indirekt
PyPInbsphinx0.9.8indirekt
PyPInbsphinx-link—indirekt
PyPInbsphinx-link1.4.1indirekt
PyPInest-asyncio21.7.2indirekt
PyPInodeenv1.10.0indirekt
PyPInotebook7.6.2indirekt
PyPInotebook-shim0.2.4indirekt
PyPInumpy2.4.6indirekt
PyPInumpy-typing-compat20251206.2.4indirekt
PyPInumpydoc—indirekt
PyPInumpydoc1.10.0indirekt
PyPIoptype0.17.1indirekt
PyPIoverrides7.7.0indirekt
PyPIpackaging26.3indirekt
PyPIpandoc—indirekt
PyPIpandoc2.4indirekt
PyPIpandocfilters1.5.1indirekt
PyPIparso0.8.7indirekt
PyPIpathspec1.1.1indirekt
PyPIpatsy1.0.3indirekt
PyPIpexpect4.9.0indirekt
PyPIpillow12.3.0indirekt
PyPIplatformdirs4.11.5indirekt
PyPIpluggy1.6.0indirekt
PyPIplumbum2.0.2indirekt
PyPIply3.11indirekt
PyPIpre-commit4.6.2indirekt
PyPIprometheus-client0.26.0indirekt
PyPIprompt-toolkit3.0.53indirekt
PyPIpsutil7.2.2indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpycparser3.0indirekt
PyPIpygments2.21.0indirekt
PyPIpyparsing3.3.2indirekt
PyPIpytest9.1.1indirekt
PyPIpytest-mock3.15.1indirekt
PyPIpytest-xdist3.8.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-discovery1.6.0indirekt
PyPIpython-json-logger4.2.0indirekt
PyPIpytokens0.4.1indirekt
PyPIpywinpty3.0.5indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyzmq27.2.0indirekt
PyPIrecommonmark—indirekt
PyPIrecommonmark0.7.1indirekt
PyPIreferencing0.37.0indirekt
PyPIrfc3339-validator0.1.4indirekt
PyPIrfc3986-validator0.1.1indirekt
PyPIrfc3987-syntax1.1.0indirekt
PyPIroman-numerals4.1.0indirekt
PyPIroman-numerals-py4.1.0indirekt
PyPIrpds-py2026.6.3indirekt
PyPIruff0.16.5indirekt
PyPIscipy-stubs1.17.1.5indirekt
PyPIsend2trash2.1.0indirekt
PyPIsix1.17.0indirekt
PyPIsnowballstemmer3.1.1indirekt
PyPIsoupsieve2.9.2indirekt
PyPIsphinx—indirekt
PyPIsphinx8.2.3indirekt
PyPIsphinx-rtd-theme—indirekt
PyPIsphinx-rtd-theme3.1.0indirekt
PyPIsphinxcontrib-applehelp2.0.0indirekt
PyPIsphinxcontrib-devhelp2.0.0indirekt
PyPIsphinxcontrib-htmlhelp2.1.0indirekt
PyPIsphinxcontrib-jquery4.1indirekt
PyPIsphinxcontrib-jsmath1.0.1indirekt
PyPIsphinxcontrib-qthelp2.0.0indirekt
PyPIsphinxcontrib-serializinghtml2.0.0indirekt
PyPIstack-data0.6.3indirekt
PyPIterminado0.18.1indirekt
PyPItinycss21.5.1indirekt
PyPItokenize-rt6.2.0indirekt
PyPItornado6.5.8indirekt
PyPItraitlets5.16.1indirekt
PyPItyping-extensions4.16.0indirekt
PyPItzdata2026.3indirekt
PyPIuri-template1.3.0indirekt
PyPIurllib32.7.0indirekt
PyPIvirtualenv21.7.7indirekt
PyPIwcwidth0.8.3indirekt
PyPIwebcolors25.10.0indirekt
PyPIwebencodings0.6.1indirekt
PyPIwebsocket-client1.9.1indirekt
PyPIwidgetsnbextension4.0.16indirekt
PyPIwrapt2.4.0indirekt
PyPIzmq0.0.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:okama@3.0.0 zieht 30 Pakete nach sich, direkt und transitiv: 0 tragen bekannte Advisories, davon 0 direkte Abhängigkeiten.

Keine bekannten Advisories betreffen die bewerteten Abhängigkeiten.

Ein Advisory bedeutet, dass die im Abhängigkeitsgraphen erfasste Version in den betroffenen Bereich eines Advisories fällt. Erreichbarkeit wird nicht analysiert, und der Graph enthält Entwicklungs- und Test-Pins — ein Fund kann das Werkzeug betreffen und nicht die ausgelieferte Software.

JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit mbk-dev/okama teilen. Nebeneinander lesen →

99nautechsystems/nautilus_traderProduction-grade Rust-native trading engine with deterministic event-driven architectureAußergewöhnlich99cvxpy/cvxpyA Python-embedded modeling language for convex optimization problems.Außergewöhnlich99ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Außergewöhnlich98PennyLaneAI/pennylanePennyLane is an open-source quantum software platform for quantum computing, quantum machine learning, and quantum chemistry. Create meaningful quantum algorithms, from inspiration to implementation.Außergewöhnlich98Nixtla/statsforecastLightning ⚡️ fast forecasting with statistical and econometric models.Außergewöhnlich98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeAußergewöhnlich

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.34.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.