#quantitative-finance Repositories
Entdecke 160 aktive Open-Source-GitHub-Repositories, die mit #quantitative-finance getaggt sind und insgesamt 918,165 Sterne gesammelt haben (durchschnittlich 5,738 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist openbq-org/OpenBB mit 75,619 Sternen.
Insgesamt 161 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.
FinceptTerminal ist eine moderne Finanzanwendung, die fortschrittliche Marktanalysen, Investitionsforschung und Wirtschaftsdatentools bietet und für interaktive Erkundung und datengesteuerte Entscheidungsfindung in einer benutzerfreundlichen Umgebung konzipiert wurde.
Eine kuratierte Liste von wahnsinnig tollen Bibliotheken, Paketen und Ressourcen für Quants (Quantitative Finance)
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
[🔥Aktualisierung ...] KI-gestützter automatischer quantitativer Handelsroboter (vollständig lokal bereitgestellt) KI-gestütztes quantitatives Investment Research Platform. 📃 Online-Dokumentation: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant
Eine kuratierte Liste von fantastischen Bibliotheken, Paketen, Strategien, Büchern, Blogs und Tutorials für den systematischen Handel.
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.
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
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
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.
Eine kuratierte Liste praktischer Finanz-Machine-Learning-Tools und -Anwendungen.
Dieses Repo treibt mein Experiment an, bei dem ChatGPT ein Mikro-Cap-Aktienportfolio mit echtem Geld verwaltet.
Sammlung von Notebooks über quantitative Finanzen mit interaktivem Python-Code.
Ein Open-Source-Reinforcement-Learning-Framework zum Trainieren, Evaluieren und Bereitstellen robuster Trading-Agenten.
Quantitative Forschung - Brokerage's Metallurgical Engineering Research Report Reconstruction
🔬 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.
Finanzportfolio-Optimierung in Python, einschließlich klassischer effizienter Grenze, Black-Litterman und hierarchischer Risikoparität
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.
Wir engagieren uns für die Open-Source-Beschaffung von quantitativem Wissen mit dem Ziel, die Informationslücke zwischen der heimischen und der internationalen quantitativen Finanzindustrie zu schließen. Wir widmen uns dem Open-Source- und der chinesischen Übersetzung von quantitativen Kenntnissen und überbrücken die Informationslücke zwischen der heimischen und der ausländischen quantitativen Finanzindustrie.
Python-Toolkit für Quantitative Finance: Aktienanalyse, technische Indikatoren, Strategie-Backtesting, Portfoliooptimierung und Finanzmodellierung.
Ressourcen zur Vorbereitung auf Quantenentwickler/Quantitative Forscher/Quantitative Händler/Quantenanalysten/Software-Ingenieure in Quantenhandelsfirmen, HFTs und Hedgefonds
Multi-Agenten-Investment-Research-Framework für A-Aktien — Angepasst an A-Aktien-Datenquellen (Longhu Bang, spekulatives Kapital, Aktienfreigaben usw.), 7 Analysten debattieren und treffen Entscheidungen basierend auf den A-Aktien-Regeln, tiefgreifend modifiziert von TradingAgents zur Anpassung an den A-Aktienmarkt. Multi-Agenten-Investment-Research-Framework für A-Aktien — 7 KI-Analysten, Bull/Bear-Debatte, Risikobewertung.
Eine Liste von Online-Ressourcen für quantitative Modellierung, Trading und Portfolio-Management
Open-Source-Fabrik für automatisierte Faktoren, basierend auf Deep Reinforcement Learning.
Eine lokale quantitative Engine für A-Aktien-Tageskerzen, Minutenkerzen und ETF-Minutendaten, die inkrementelle Synchronisierung, lokalen Cache, Anpassung, Batch-Abfrage, Backtesting und Indikatorberechnung integriert.
QuantMind ist ein Open-Source-Framework zur agentennativen Wissensextraktion und -abfrage für die quantitative Finanzwirtschaft.
Häufig gestellte Fragen
Welches ist das beliebteste #quantitative-finance-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#quantitative-finance-Projekt auf GitHub ist openbq-org/OpenBB mit 75,619 Sternen. Offene Datenplattform für Analysten, Quants und KI-Agenten.
Welche Programmiersprachen werden in #quantitative-finance-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #quantitative-finance-Projekten auf GitHub sind Python, Jupyter Notebook, C++, Java die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #quantitative-finance-Repositories berechnet?
Wir verfolgen 160 aktive Open-Source-Repositories, die mit #quantitative-finance getaggt sind (500+ Sterne), mit insgesamt 918,165 Sternen und durchschnittlich 5,738 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.