#quant Repositories
Entdecke 77 aktive Open-Source-GitHub-Repositories, die mit #quant getaggt sind und insgesamt 521,097 Sterne gesammelt haben (durchschnittlich 6,767 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist ZhuLinsen/daily_stock_analysis mit 73,607 Sternen.
Insgesamt 78 Repositories
LLM-gestütztes Multi-Markt-Aktienanalysesystem: Multi-Source-Marktdaten, Echtzeit-Nachrichten, Entscheidungs-Dashboard und automatisierte Benachrichtigungen, unterstützt kostenlose geplante Ausführungen.
Qlib ist eine KI-orientierte Quant-Investmentplattform, die darauf abzielt, KI-Technologie zur Stärkung der Quant-Forschung einzusetzen, von der Ideenexploration bis zur Produktionsimplementierung. Qlib unterstützt verschiedene ML-Modellierungsparadigmen, einschließlich überwachtem Lernen, Modellierung von Marktdynamiken und RL, und ist jetzt mit https://github.com/microsoft/RD-Agent ausgestattet, um den F&E-Prozess zu automatisieren.
Entwicklungsrahmen für eine Open-Source-Quantifizierungshandelsplattform auf Python-Basis
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
Abu Quantitative Trading System (Aktien, Optionen, Futures, Bitcoin, Machine Learning) Open-Source-Quantitative-Trading basierend auf Python, Quantitative-Investment-Architektur
Ein Vektorindex, aufgebaut auf TurboQuant, geschrieben in Rust mit Python-Bindings
Eine kuratierte Liste von fantastischen Bibliotheken, Paketen, Strategien, Büchern, Blogs und Tutorials für den systematischen Handel.
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.
QUANTAXIS unterstützt Aufgabenplanung, verteilte Bereitstellung für Aktien/Futures/Optionen Daten/Backtesting/Simulation/Handel/Visualisierung/Mehrkonten reine lokale Quant-Lösung
Python Quantitative-Handelsstrategien, einschließlich VIX-Rechner, Pattern Recognition, Commodity Trading Advisor, Monte Carlo, Options Straddle, Shooting Star, London Breakout, Heikin-Ashi, Pair Trading, RSI, Bollinger Bands, Parabolic SAR, Dual Thrust, Awesome, MACD
Eine kuratierte Liste praktischer Finanz-Machine-Learning-Tools und -Anwendungen.
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
Quantitative Forschung - Brokerage's Metallurgical Engineering Research Report Reconstruction
Ein erweiterbares, austauschbares Python-Backtest-Algorithmen- und Handelssystem, das mehrere Wertpapiere unterstützt
🔬 Eine kuratierte Liste toller LLMs & Deep-Learning-Strategien & Tools im Finanzmarkt.
Bauen Sie Ihren autonomen Hedgefonds in wenigen Minuten auf. AutoHedge nutzt die Kraft der Schwarmintelligenz und KI-Agenten, um Marktanalyse, Risikomanagement und Handelsausführung zu automatisieren.
Täglich aktualisierte Liste mit Praktika und Stellen für Absolventen im Bereich KI/ML 2027
Chanzhongshuozhen Technische Analysetool; Chanzhongshuozhen-Theorie; Aktien; Futures; Quant; Quantitativer Handel
WonderTrader – All-in-One-Framework für quantitatives Forschungs- und Entwicklungs-Trading
Kostenlose Open-Source A-Share Quantitative Trading Datenbank; Fokus auf A-Aktien, Fokus auf Quant, wächst mit der Sonne; Offen, rein, nachhaltig, Strom für KI (Liebe). Geboren für den individuellen quantitativen Handel, verteidige die 3000-Punkte-Marke, schätze die Chance am Tiefpunkt... [Aktien Daten, Aktien Kurs Daten, Aktien Quantitative Daten, Aktien Handels Daten, K-Linien Kurs Daten, Aktien Konzept Daten, Aktien Daten Schnittstelle, Kurs Daten Schnittstelle, Quantitative Handels Daten] [Mehrere Datenquellen-Fusion, dynamische Proxy-Einstellungen, Gewährleistung hoher Datenverfügbarkeit]
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
Tianqin Quantitative Entwicklungspaket, Futures Quantitative, Echtzeit-Kurse/Historische Daten/Live-Trading
efinance ist eine Python-Bibliothek, mit der Sie schnell auf Fonds-, Aktien-, Anleihen- und Futures-Daten zugreifen können, ein großartiger Helfer für Backtesting und quantitativen Handel!🚀🚀🚀
Echtzeit-Börsenkursdaten-API - A-Aktien, völlig kostenlose Shanghai-Shenzhen-Wertpapieraktien-Daten - China-Börsen, die einfachste Python-basierte API-Schnittstelle, die tägliche Linien, historische K-Linien, Intraday-Linien und Minutendaten umfasst, alle in Echtzeit gesammelt. Das System umfasst die Kernsammlung und -abfrage von Sina und Tencent, automatische Fehlerumschaltung, STOCK-Daten im DataFrame-Format, die für die Abfrage und Analyse von quantitativen Analysen, automatisierte Handelssysteme für Aktienprogramme verwendet werden können. Dies reduziert den Arbeitsaufwand für quantitative Forscher bei der Datenbeschaffung erheblich, sodass sie sich stärker auf die Forschung und Implementierung von Strategien und Modellen konzentrieren können.
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
Open-Source-Fabrik für automatisierte Faktoren, basierend auf Deep Reinforcement Learning.
openctp bietet CTPAPI-kompatible Schnittstellen für verschiedene Kanäle wie CTP-Aktienoptionen, CTP von Zhongtai Securities, XTP von Huaxin Securities, TORA von Dongfang Futures, OST von Dongfang Securities, EMT von Dongfang Wealth Securities, TWS von Interactive Brokers, TAP von EBest und QDP von Quant Investment. CTP-Programme können nahtlos an verschiedene Börsenanbindungen angebunden werden. openctp bietet außerdem eine Simulationsumgebung, die auf dem TTS-Handelssystem basiert und ebenfalls CTPAPI-kompatible Schnittstellen bereitstellt. Sie unterstützt nicht nur die Simulation des Handels mit allen inländischen Futures- und Optionssorten, sondern auch mit A-Aktien, Fonds, Anleihen und Aktienoptionen. Sie kann Simnow ersetzen und bietet Entwicklern von CTP-Quantitätstransaktionen eine 7x24 verfügbare Simulationsumgebung.
MyTT bringt Indikatorformeln wie Tongdaxin, Tonghuashun, Wenhua Mai Yu Yan usw. auf einfachste Weise nach Python, die Kernbibliothek ist eine einzelne Datei mit nur hundert Codezeilen, ein Dutzend Kernfunktionen, die auf magische Weise alle gängigen technischen Indikatoralgorithmen (unabhängig von der talib-Bibliothek) in reinem Python implementieren und konvertieren. Tongdaxin MACD, RSI, BOLL, ATR, KDJ, CCI, PSY usw. Formeln, alle basierend auf der pandas-Funktionsberechnungsmethode, prägnant und leistungsstark, kann bequem in Aktienindikatorformeln, Aktien-Futures-Quantifizierungsrahmenanalyse, automatisierten Programmhandel, Kryptowährungsquantifizierung und anderen Bereichen angewendet werden. Es ist Ihr raffiniertestes Werkzeug für die quantitative Aktienanalyse. Python-Bibliothek mit den meisten Aktienmarktindikatoren.
AKQuant ist ein hochperformantes Framework für quantitative Forschung und Trading, aufgebaut auf Rust und Python! Open-Source-Framework für quantitative Backtests
PanWatch – KI-gestützte Aktienüberwachung für die Märkte in Festlandchina, Hongkong und den USA, powered by TradingAgents. Portfolio-Einblicke, Echtzeit-Benachrichtigungen und automatisierte Berichte. | PanWatch: KI-gestützte Überwachung, Portfolioanalyse, Echtzeit-Benachrichtigungen und automatisierte Berichte für Aktien aus Festlandchina, Hongkong und den USA.
Open-Source Rust-Framework zum Erstellen ereignisgesteuerter Live-Trading- und Backtesting-Systeme
Offenes Chanlun-Python-Implementierungsframework, unterstützt morphologische/dynamische Kauf-/Verkaufspunktsanalyseberechnungen, mehrstufige K-Linien-Kombination, Intervall-Strategie, visuelle Darstellung, verschiedene Datenzugänge, Strategieentwicklung, Anbindung an Handelssysteme;
Golang-Wrapper für die REST-API der Kryptowährungsbörse, unterstützt OKX, Binance
Die Open-Source-Edition von QuantMind (Quantitatives Gehirn) ist eine KI-native Multi-Markt-Plattform für den quantitativen Handel, die sich an einzelne Entwickler sowie Forschungs- und Investmentteams richtet. Sie integriert Microsoft Qlib, die Faktorentwicklung von RD-Agent und die umfassende QuantBot-Workbench tiefgreifend und bietet einen vollständigen Prozess – von der Ermittlung von mehr als 300 Faktordimensionen, einer Modellfabrik mit 13 Modellen für maschinelles Lernen und Deep Learning, leistungsstarkem Qlib-Backtesting, batchweiser Querschnittsinferenz und einer rund um die Uhr verfügbaren Echtzeit-Sentimentanalyse der öffentlichen Meinung bis hin zur umfassenden Anbindung an TongdaXin (Sektor-Pushs, Warnradar und Blitz-Orderaufgabe) sowie zum Live- und simulierten Handel. Unterstützt werden A-Aktien, Hongkong-Aktien, US-Aktien, Futures und Blockchain. Die kommerzielle Nutzung ist kostenlos möglich; das System lässt sich per Docker Compose mit einem Klick privat bereitstellen. Daten und Modelle bleiben vollständig lokal, um die Vertraulichkeit der Strategien zu gewährleisten. Alle Funktionen sind ohne Einstiegshürden und ohne Einschränkungen verfügbar.
Leistungsstarke technische Analyseindikatoren und Backtesting-Framework in Go. Keine Abhängigkeiten. ✨ Erfahren Sie, wie! 👀
KI + Finanzen (Quantitativ): 1. Open-Source-Tutorial für ein multifaktorielles quantitatives Aktien-Framework 2. Sammlung klassischer akademischer und industrieller Ressourcen 3. Arbeiten im Bereich KI + Finanzen, einschließlich LLM, Agent, Benchmark (Bewertung) usw.
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.
HTTP-API und MCP-Server für AKShare: Rufen Sie Finanzdaten über jede Programmiersprache oder jeden KI-Assistenten (Claude, Cursor) ab
Hochfrequenz-Quantitatives-Handelsplattform C++ Trade Platform for quant developer 【Das Leben ist voll von Mühsal und Hektik, der Weg der Quantifizierung ist steinig und lang. Jede Codezeile verdichtet Herzblut, zehn Jahre Mühe sind ungewöhnlich】
Häufig gestellte Fragen
Welches ist das beliebteste #quant-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#quant-Projekt auf GitHub ist ZhuLinsen/daily_stock_analysis mit 73,607 Sternen. LLM-gestütztes Multi-Markt-Aktienanalysesystem: Multi-Source-Marktdaten, Echtzeit-Nachrichten, Entscheidungs-Dashboard und automatisierte Benachrichtigungen, unterstützt kostenlose geplante Ausführungen.
Welche Programmiersprachen werden in #quant-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #quant-Projekten auf GitHub sind Python, C++, Rust, Go die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #quant-Repositories berechnet?
Wir verfolgen 77 aktive Open-Source-Repositories, die mit #quant getaggt sind (500+ Sterne), mit insgesamt 521,097 Sternen und durchschnittlich 6,767 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.