#financial-data Repositories
Entdecke 46 aktive Open-Source-GitHub-Repositories, die mit #financial-data getaggt sind und insgesamt 156,756 Sterne gesammelt haben (durchschnittlich 3,407 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist wilsonfreitas/awesome-quant mit 30,762 Sternen.
Insgesamt 46 Repositories
Eine kuratierte Liste von wahnsinnig tollen Bibliotheken, Paketen und Ressourcen für Quants (Quantitative Finance)
AKShare ist eine elegante und einfache Finanzdaten-Schnittstellenbibliothek für Python, die für Menschen gebaut wurde! Open-Source-Finanzdaten-Schnittstellenbibliothek
Full-Stack-Daten-Toolkit für A-Aktien: Kurse und K-Linien · Intraday-Tickdaten · Research-Berichte · Signale · Kapitalflüsse · Nachrichten · Finanzdaten · Unternehmensmeldungen · Limit-up-Strategien · ETF-Optionen · Marktstimmung · makroökonomische Zinssätze · Futures und Rohstoffe (einschließlich täglicher K-Linien der DCE) · ereignisbasierte Daten · Wandelanleihen | 15 Ebenen · 87 Endpunkte · 34 Datenquellen · Kein API-Key erforderlich, außer für iWenCai | A-Aktien-Daten für KI-Agenten: K-Linien, Ticks, Berichte, Kapitalflüsse, Nachrichten, Finanzdaten, Unternehmensmeldungen, Optionen, Makroökonomie, Futures, Ereignisse und Wandelanleihen | 15 Ebenen · 87 Endpunkte · 34 Quellen
Echtzeit-Zugriff auf kostenlose Aktienkurse, unterstützt Sina / Tencent (Hongkong-Aktien) / 集思录
Offizieller Finanzdatendienst für A-Aktien von Tonghuashun (HiThink) mit Echtzeit- und historischen Börsendaten, Finanzberichten, Indizes, Sektoren, Daten zu Kursobergrenzen und mehr. Geeignet für KI-Agenten, quantitative Forschung und Anwendungsentwicklung; unterstützt API, MCP, CLI und Python.
Extrahieren Sie Daten aus einer Vielzahl von Internetquellen in einen pandas DataFrame.
Open Data, mehr als 50 Finanzdaten. Bietet über 50 Finanzdaten (hauptsächlich Taiwan-Aktien) an, täglich aktualisiert https://finmind.github.io/
Verschiedene Arten der Aktienanalyse in Excel, Matlab, Power BI, Python, R und Tableau
Ein Zero-Dependency JavaScript SDK zum Abrufen von Aktiendaten, entwickelt für das Frontend, das weder Python noch Backend-Dienste erfordert.
Daten-Toolkit für die US-amerikanischen und globalen Märkte (für KI-Programmierassistenten): offizielle Quellen zuerst, keine Authentifizierung, Compliance-Stufen gekennzeichnet | Marktdaten aus den USA und weltweit für KI-Programmierassistenten – ohne Authentifizierung, aus offiziellen Quellen. CBOE-Optionen und 0DTE, VIX-Terminkurve, FINRA-Leerverkaufsdaten, SEC-Formulare 4/13F, Zentralbankzinsen und Devisen, taiwanische Börsen, EIA-Energiedaten, US-Makrodaten und Erstanträge auf Arbeitslosenhilfe der BLS. 17 Ebenen, über 50 Endpunkte, 18 Quellen – jede mit einer Compliance-Stufe.
HTTP-API und MCP-Server für AKShare: Rufen Sie Finanzdaten über jede Programmiersprache oder jeden KI-Assistenten (Claude, Cursor) ab
Skripte und Dokumentation für https://www.dolthub.com/repositories/chenditc/investment_data
Data-Copilot: Milliarden von Daten und Menschen mit autonomen Arbeitsabläufen verbinden
StockBot powered by Groq: Blitzschneller KI-Chatbot, der mit interaktiven Live-Aktiencharts, Finanzdaten, Nachrichten, Screenern und mehr antwortet. Angetrieben von Llama3-70b auf Groq, Vercel AI SDK und TradingView Widgets.
Einfaches und benutzerfreundliches Paket für quantitative Finanzdaten (einfaches Hilfsprogramm zum Abrufen von Finanzmarktdaten aus China)
Ein TD Ameritrade API-Client für Python. Enthält historische Daten für Aktien und ETFs, Optionsketten, gestreamte Orderbuchdaten, komplexe Orderkonstruktion und mehr.
R&D-Spielplatz zum Spielen mit Agenten und OpenBB
Kostenloses Python-Quant-SDK: Direktverbindung zum TongDaXin-Protokoll für A-Aktien/Hongkong-Aktien/US-Aktiendaten, integrierte technische Indikatoren, Chan-Theorie-Analyse, Backtesting-Engine und Web-Visualisierung, JSON-Ausgabe für KI-Agenten optimiert
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.
Ein leistungsstarkes Finanzdatenmodul zur Abfrage von Daten aus Yahoo Finance. Dieses Modul kann fundamentale und technische Daten für Aktien, Indizes, Währungen, Kryptowährungen, ETFs, Mutual Funds, US-Staatsanleihen und Rohstoff-Futures abrufen.
TickDB: KI-native Echtzeit-Aktien- und Marktdaten-APIs für US-amerikanische, Hongkonger und chinesische Aktien, Devisen, Futures, Kryptowährungen, Indizes und Rohstoffe. Skill, CLI, MCP, REST-API und WebSocket.
alphastream ist eine KI-gesteuerte Investitionsentscheidungsplattform, die durch ein kollaboratives Multi-Agenten-Orchestrierungssystem in Echtzeit tiefe Einblicke in die globalen Finanzmärkte streamt. Basierend auf LangGraph und Python integriert es nahtlos technische Indikatoren, Fundamentaldaten, Kapitalflussanalyse und Sentiment-Intelligenz, um einen dynamisch adaptiven Workflow zu bilden. Im Gegensatz zu herkömmlichen Backtesting-Tools visualisiert alphastream den gesamten Entscheidungsprozess—von der Datenerfassung und Tool-Aufrufen bis zur endgültigen Schlussfolgerung—über SSE und bietet Anlegern transparente, umsetzbare Intelligenz.
Analyse der Nutzung von SMA-Kleidung (Blackbox) an öffentlichen Aktienmärkten für Echtzeit-Einblicke in die Vermögensverteilung und direkten Einfluss auf den Aktienmarkt. Ein Aufruf zu Transparenz und öffentlicher Debatte.
Eine Open-Source-Alternative zu den Marktdaten-APIs von Yahoo Finance mit höherer Zuverlässigkeit.
ChainKnowledgeGraph, das branchenbezogene Wissensdiagramm, umfasst 3 Arten von Entitäten: börsennotierte A-Aktienunternehmen, Branchen und Produkte, einschließlich Branchenzugehörigkeitsbeziehungen von börsennotierten Unternehmen, übergeordnete Branchenbeziehungen, vorgelagerte Rohstoffbeziehungen von Produkten, nachgelagerte Produktbeziehungen, Hauptprodukte von Unternehmen und Produktunterkategorien, insgesamt 6 Hauptkategorien. Börsennotierte Unternehmen: 4.654, Branchen: 511, Produkte: 95.559, vorgelagerte Rohstoffe: 56.824, übergeordnete Branchen: 480, nachgelagerte Produkte: 390, Produktunterkategorien: 52.937, zugehörige Branchen: 3.946.
Finanzanwendung, die Einzelanlegern mehr als 60 verschiedene alternative Daten zur Verfügung stellt
AKHub: Eine kuratierte Sammlung von Finanz- und Wirtschaftsdaten-Tools, Datenquellen, quantitativen Forschungsframeworks und Lernressourcen
HISTDATA - Datensatz bestehend aus allen FX-Handelspaaren / Rohöl / Aktienindizes. Einfache API zum Abrufen von 1-Minuten-Daten (und Tick-Daten) Historische FX-Preise (aktuell).
AllTick API für Echtzeit-Finanzmarktdaten mit REST- und WebSocket-Zugriff auf Aktien, Devisen, Kryptowährungen, Rohstoffe und Indizes.
Python Algorithmic Trading Cookbook, veröffentlicht von Packt
Kerf (Kerf1) ist eine spaltenorientierte Tick-Datenbank und Time-Series-Sprache für Linux/OSX/BSD/iOS/Android. Es ist in C geschrieben und unterstützt nativ JSON und SQL. Kerf kann für Handelsplattformen, Feedhandler, Low-Latency-Netzwerke, hochvolumige Analysen von Echtzeit- und historischen Daten, Logfile-Verarbeitung und mehr verwendet werden.
Ein öffentliches Repository für Merchant Category Codes (MCC) in lesbareren Formaten als in den meisten anderen Quellen (z. B. kein PDF)
Häufig gestellte Fragen
Welches ist das beliebteste #financial-data-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#financial-data-Projekt auf GitHub ist wilsonfreitas/awesome-quant mit 30,762 Sternen. Eine kuratierte Liste von wahnsinnig tollen Bibliotheken, Paketen und Ressourcen für Quants (Quantitative Finance)
Welche Programmiersprachen werden in #financial-data-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #financial-data-Projekten auf GitHub sind Python, TypeScript, Jupyter Notebook, HTML die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #financial-data-Repositories berechnet?
Wir verfolgen 46 aktive Open-Source-Repositories, die mit #financial-data getaggt sind (500+ Sterne), mit insgesamt 156,756 Sternen und durchschnittlich 3,407 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.