#backtesting Repositories
Entdecke 73 aktive Open-Source-GitHub-Repositories, die mit #backtesting getaggt sind und insgesamt 366,495 Sterne gesammelt haben (durchschnittlich 5,020 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist virattt/ai-hedge-fund mit 64,789 Sternen.
Insgesamt 74 Repositories
Code für Machine Learning for Trading, 3. Auflage — von der Datenbeschaffung bis zur Live-Ausführung.
Open-Source-Software, die Ihnen hilft, hochfrequente Krypto-Handelsbots zu erstellen und bereitzustellen
Aktien. Beschaffen Sie Aktiendaten, berechnen Sie Aktienindikatoren, Chip-Verteilung, identifizieren Sie Aktienmuster, umfassende Aktienauswahl, Aktienauswahlstrategien, Aktien-Backtesting, automatisierten Aktienhandel, unterstützt PCs und mobile Geräte.
Das umfassendste Open-Source- und selbst gehostete agentische Trading-Betriebssystem: KI-Forschung, Python-Strategien, Faktorfindung, Backtesting, Optimierung, simulierte und Live-Ausführung über mehrere Anlageklassen, Risikokontrollen, Monitoring, MCP und mandantenfähiges SaaS in einem revisionssicheren Stack.
Open-Source-Plattform für algorithmischen und quantitativen Handel zur Entwicklung von Handelsrobotern (Aktienmärkte, Devisen, Krypto, Bitcoins und Optionen).
Die Research-Engine, die dir einen unfairen Vorteil verschafft. Teste Tausende von Trading-Ideen, bevor andere mit einer einzigen fertig sind.
11 Claude-Fähigkeiten für den Daytrading-Handel: Tausende Charts analysieren, aktuelle Nachrichten verfolgen, jeden Ein- und Ausstieg zeitlich abstimmen und alle Ergebnisse durchspielen, bevor Sie auch nur einen Dollar riskieren.
TSP: Eine selbst gehostete, wartungsfreie Quantitative-Trading-Arbeitsumgebung für chinesische A-Aktien mit eigener Strategieentwicklung, Überwachung und Backtesting | LLM-gestützte Strategieanpassung, Einzelaktienanalyse und Nachbereitung | Freie Anbindung von Datenquellen Dritter und individuelle Erweiterung um zusätzliche Daten | Persönliches Open-Source-Projekt
Eine kuratierte Liste von unglaublich großartigen Bibliotheken, Paketen und Ressourcen für den systematischen Handel. Krypto, Aktien, Futures, Optionen, CFDs, FX und mehr | Quantitative Trading | Quantitative Investing
Kostenlos, Open Source, ein Backtesting- und Trading-Bot für Hochfrequenzhandel und Market Making, der Limit-Orders, Warteschlangenpositionen und Latenzen berücksichtigt und vollständige Tick-Daten für Trades und Orderbücher (Level-2 und Level-3) nutzt, mit realen Krypto-Trading-Beispielen für Binance und Bybit
Ein leistungsstarkes Open-Source-Framework für quantitativen Handel in C++/Python, spezialisiert auf Strategieanalyse und Backtesting Forschung und Entwicklung von Handelsmodellen · Ultr schneller Motor · Effizientes Backtesting
Eine lokale quantitative Engine für A-Aktien-Tageskerzen, Minutenkerzen und ETF-Minutendaten, die inkrementelle Synchronisierung, lokalen Cache, Anpassung, Batch-Abfrage, Backtesting und Indikatorberechnung integriert.
Dieses Projekt ist ein quantitativer Open-Source-Kurs, der den Menschen helfen kann, schnell quantitatives Finanzwissen und die Fähigkeit zur quantitativen Entwicklung mit Python zu erwerben.
Python-Bibliothek auf Basis von scikit-learn zur Portfoliooptimierung, zum Aufbau von Faktormodellen und zum Risikomanagement
Open-Source Rust-Framework zum Erstellen ereignisgesteuerter Live-Trading- und Backtesting-Systeme
Framework für quantitatives Trading. Ein vollständiges Framework für die Entwicklung, das Backtesting und die Bereitstellung von automatisierten Handelsalgorithmen und Trading-Bots.
Python-Trading-Framework mit KI-Agenten, die Trades tatsächlich ausführen. Backtesting sowie Paper- und Live-Trading bei 12 Brokern: Aktien, Optionen, Futures, Forex, Kryptowährungen und Prognosemärkte.
Technische Analysebibliothek: Indikatoren und Candlestick-Muster, Batch- und Streaming-Verarbeitung, nativ in C, Rust, Java, C# ... und mehr
Kanhai Quant-Backtesting-Plattform khQuant, Open-Source-Version V2.2: Kostenlose Open-Source-Desktopsoftware für quantitatives Backtesting von A-Aktien. Kein Brokerkonto und keine Installation von QMT erforderlich. Laden Sie Daten über BaoStock / Tushare in eine lokale DuckDB-Datenbank herunter, schreiben Sie Strategien in Python und erstellen Sie Backtesting-Berichte mit einem Klick.
Machine Learning für Algorithmic Trading, Zweite Auflage - veröffentlicht von Packt
Python for Algorithmic Trading Cookbook, herausgegeben von Packt
Stock Indicators for .NET ist ein C#-NuGet-Paket, das rohe Aktien-, Rohstoff-, Forex- oder Kryptowährungs-Finanzmarkt-Preisnotierungen in technische Indikatoren und Trading-Einblicke umwandelt. Sie benötigen diese essenziellen Daten in den Investment-Tools, die Sie für algorithmisches Trading, technische Analyse, maschinelles Lernen oder visuelles Charting aufbauen.
Eine Open-Source-Portfolio-Backtesting-Engine für jedermann | Eine Open-Source-Portfolio-Backtesting-Engine für jedermann
Open-Source-Datenplattform für den lokalen Einsatz am chinesischen Aktienmarkt (A-Aktien): Aktienkurse aus Shanghai und Shenzhen sowie A-Aktien- und Finanzdaten für quantitative Forschung, Handel und Backtesting. Enthält Finanz- und Futures-Daten, Kapitalflüsse, Bekanntmachungen, Indizes, Branchen- und Makrodaten. 86 täglich aktualisierte Datensätze, inklusive angepasster Kurse und historischer Index- und Branchenzusammensetzungen, Datenherkunft auf Zeilenebene, PIT und nativer MCP-Unterstützung. Keine Registrierung und kein Token erforderlich; selbst gehostet. Open-Source-Datenplattform zum chinesischen Aktienmarkt für quantitative Forschung, Backtesting und KI-Agenten.
HyperView ist ein terminalbasiertes TradingView-Strategie-Labor für das Herunterladen von Marktdaten, Backtesting von Python-Strategien mit Pine-ähnlichem Verhalten und Optimierung von SL/TP-Parametern.
✨ Historische und Echtzeit-Preis-Tick-Daten für Krypto, Aktien, ETFs, CFDs und Forex über CLI und Node.js herunterladen ✨
Modulare Python-Bibliothek, die einen fortschrittlichen ereignisgesteuerten Backtester und eine Reihe hochwertiger Tools für quantitative Finanzen bereitstellt. Integriert mit verschiedenen Datenanbietern und Brokern, unterstützt Krypto, Aktien und Futures.
Lerne Algorithmisches Trading, Veröffentlicht von Packt
Führe Pine Script® überall aus. PineTS ist die Open-Source-Laufzeitumgebung von LuxAlgo für Pine Script® in Node.js und im Browser.
Kostenlose Strategie-Scorecard für Trading-Backtests. Erkennen Sie Überanpassung, schwache Edge, Drawdown-Risiko und zufälliges Timing-Glück aus Renditen, Equity-Kurven oder Handelsprotokollen.
XQuant: Jeder kann quantitativer Trader sein — Ein quelloffenes Einführungs- und Selbstlernbuch zum quantitativen Trading: Mit KI und Python von Grund auf Strategien backtesten, Risiken bewerten, Trades ausführen und Faktoren erforschen.
Ein asynchrones, ereignisgesteuertes Framework für algorithmischen Handel mit Schwerpunkt auf Kryptowährungen.
Häufig gestellte Fragen
Welches ist das beliebteste #backtesting-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#backtesting-Projekt auf GitHub ist virattt/ai-hedge-fund mit 64,789 Sternen. Ein KI-Hedgefonds-Team
Welche Programmiersprachen werden in #backtesting-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #backtesting-Projekten auf GitHub sind Python, Jupyter Notebook, TypeScript, C# die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #backtesting-Repositories berechnet?
Wir verfolgen 73 aktive Open-Source-Repositories, die mit #backtesting getaggt sind (500+ Sterne), mit insgesamt 366,495 Sternen und durchschnittlich 5,020 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.