#quantitative-finance Repositories
Insgesamt 161 Repositories
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.
Ein Hochfrequenzhandelsmodell mit Interactive Brokers API, Paaren und Mean-Reversion in Python
Das Repository für den YouTube-Kurs von freeCodeCamp, Algorithmic Trading in Python
Python-Bibliothek auf Basis von scikit-learn zur Portfoliooptimierung, zum Aufbau von Faktormodellen und zum Risikomanagement
ArcticDB ist eine hochleistungsfähige, serverlose DataFrame-Datenbank, die für das Python Data Science-Ökosystem entwickelt wurde.
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.
Jupyter Notebooks und Code für Python for Finance (2. Auflage, O'Reilly) von Yves Hilpisch.
Dies ist eine Bibliothek für die Verwendung mit der Robinhood Financial App. Sie unterstützt derzeit den Handel mit Kryptowährungen, Optionen und Aktien. Darüber hinaus kann sie verwendet werden, um Echtzeit-Ticker-Informationen zu erhalten, die Performance Ihres Portfolios zu bewerten und auch Steuerdokumente, insgesamt gezahlte Dividenden und mehr zu erhalten. Weitere Informationen unter
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.
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.
MarS: eine Finanzmarkt-Simulations-Engine, die von einem generativen Foundation Model angetrieben wird
Ein kostenloser Newsletter für quantitatives und algorithmisches Trading, Portfolioanalyse und Investitionen
qstock wurde vom "Python Financial Quant"-Public Account entwickelt und zielt darauf ab, ein persönliches quantitatives Investment-Research-Analysepaket zu werden. Es umfasst derzeit die Module zur Datenbeschaffung (data), Visualisierung (plot), Aktchienauswahl (stock) und zum quantitativen Backtesting (strategy backtest). qstock bietet Benutzern einen einfachen Datenschnittstelle und standardisierte Finanzmarktdaten. Das Visualisierungsmodul bietet Benutzern eine einfache Schnittstelle für webbasierte interaktive Grafiken; das Aktienauswahlmodul bietet Aktienauswahlmethoden von Tonghuashun und benutzerdefinierte Aktienauswahl, einschließlich RPS, MM-Trend, Finanzkennzahlen, Cashflow-Modell usw.; das Backtesting-Modul bietet allen eine vektorisierte (basierend auf pandas) und ereignisgesteuerte grundlegende Struktur und ein Modell. Folgen Sie dem "Python Financial Quant"-WeChat-Public Account, um weitere Anwendungsinformationen zu erhalten.
TradingView Screener API - Aktien, Kryptowährungen, Forex, Anleihen, Futures, Münzen
Machine Learning für Algorithmic Trading, Zweite Auflage - veröffentlicht von Packt
Eine Bibliothek von Jupyter Notebooks und entsprechenden YouTube-Vorlesungen von Roman Paolucci
Skripte und Dokumentation für https://www.dolthub.com/repositories/chenditc/investment_data
Stellen Sie einen Wrapper ``StockDataFrame`` basierend auf dem ``pandas.DataFrame`` mit integrierter Unterstützung für Aktienstatistiken/-indikatoren bereit.
Gemeinsame Finanzrisiko- und Leistungsmetriken. Verwendet von zipline und pyfolio.
Ein anfängerfreundliches und dennoch leistungsstarkes Python-Toolkit für die Finanzanalyse und -automatisierung – entwickelt, um moderne Investitionen für jedermann zugänglich zu machen
Ein Paket, mit dem Sie TradingView-Screener in Python erstellen können
FinHack®, ein leicht erweiterbares quantitatives Finanzframework, das in seiner aktuellen Version den gesamten quantitativen Forschungs- und Entwicklungsprozess integriert, einschließlich Datenerfassung, Faktorberechnung, Faktorenextraktion, Faktoranalyse, maschinellem Lernen, Strategieentwicklung, quantitativen Backtests und Live-Trading-Anbindung.
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.
Ein Auszug aus unserem Finanzbewertungsmodell für Tesla
Backtrader-basiertes Backtesting-Framework für algorithmischen Handel mit über 20 Strategien, Multi-Markt-Unterstützung, CLI-Tools und integriertem MCP-Server für professionelle Trader.
51bitquant Python Kryptowährung Quantitative Trading Video CCXT Framework Börsendaten crawling Bitcoin Quantitative Trading Trading-Roboter 51bitquant Tradingbot Kryptowährung Quantitative Trading BTC Trading
Code zur Begleitung unserer Veröffentlichung Chen und Zimmermann (2020), „Open Source Querschnitts-Asset-Pricing“
Eine Open-Source-Portfolio-Backtesting-Engine für jedermann | Eine Open-Source-Portfolio-Backtesting-Engine für jedermann
Autonomes LLM-Trading-Asterismus – eine ausschließlich für Forschungszwecke bestimmte Multi-Agenten-Handelsplattform mit evidenzbasierter Forschung, einer auditierbaren Konsole, Shadow-Simulation und ausdrücklich autorisierter Ausführung über einen Broker.
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.