#algorithmic-trading Repositorios
Descubre 143 repositorios activos de código abierto de GitHub etiquetados con #algorithmic-trading, que acumulan 656,484 estrellas en total (una media de 4,590 estrellas por proyecto). El líder de este tema es virattt/ai-hedge-fund, con 64,789 estrellas.
144 repositorios en total
Qlib es una plataforma de inversión Quant orientada a la IA que tiene como objetivo utilizar la tecnología de IA para potenciar la investigación Quant, desde la exploración de ideas hasta la implementación de producciones. Qlib admite diversos paradigmas de modelado de ML, incluido el aprendizaje supervisado, la modelización de la dinámica del mercado y RL, y ahora está equipado con https://github.com/microsoft/RD-Agent para automatizar el proceso de I+D.
FinceptTerminal es una aplicación financiera moderna que ofrece análisis de mercado avanzados, investigación de inversiones y herramientas de datos económicos, diseñada para la exploración interactiva y la toma de decisiones basada en datos en un entorno fácil de usar.
Código para Machine Learning for Trading, 3.ª edición — desde la obtención de datos hasta la ejecución en vivo.
Sistema de Trading Cuantitativo Abu (Acciones, Opciones, Futuros, Bitcoin, Machine Learning) Trading cuantitativo de código abierto basado en Python, arquitectura de inversión cuantitativa
Una lista curada de fantásticas bibliotecas, paquetes, estrategias, libros, blogs y tutoriales para el trading sistemático.
Estrategias de trading cuantitativo en Python, incluyendo Calculadora VIX, Reconocimiento de patrones, Asesor de trading de commodities, Monte Carlo, Straddle de opciones, Estrella fugaz, Breakout de Londres, Heikin-Ashi, Trading en pares, RSI, Bandas de Bollinger, SAR parabólico, Empuje dual, Awesome, MACD
Plataforma de código abierto de trading algorítmico y cuantitativo para desarrollar robots de trading (mercados de valores, forex, criptomonedas, bitcoins y opciones).
El motor de investigación que te da una ventaja injusta. Prueba miles de ideas de trading antes de que los demás terminen una.
Una lista curada de herramientas y aplicaciones prácticas de aprendizaje automático financiero.
Este repositorio impulsa mi experimento donde ChatGPT gestiona una cartera de acciones de micro-capitalización con dinero real.
Un marco de aprendizaje por refuerzo de código abierto para entrenar, evaluar y desplegar agentes de trading robustos.
Optimización de carteras financieras en Python, incluyendo la frontera eficiente clásica, Black-Litterman y paridad de riesgo jerárquica
Bot de trading de cripto gratuito y de código abierto, software de trading automatizado de bitcoin / criptomonedas, bots de trading algorítmico. Diseña visualmente tu bot de trading de cripto, aprovechando un sistema de gráficos integrado, minería de datos, backtesting, trading en papel y despliegues de bots de cripto en múltiples servidores.
Github.com/CryptoSignal - Bot de Trading y Análisis Técnico - 4.100+ estrellas, 1.100+ forks
Una lista curada de bibliotecas, paquetes y recursos increíblemente impresionantes para el trading sistemático. Cripto, Acciones, Futuros, Opciones, CFD, FX y más | Trading Cuantitativo | Inversión Cuantitativa
Gratuito, de código abierto, un bot de backtesting y trading de alta frecuencia y creación de mercado, que tiene en cuenta las órdenes límite, las posiciones en cola y las latencias, utilizando datos de tick completos para operaciones y libros de órdenes (Nivel-2 y Nivel-3), con ejemplos reales de trading de criptomonedas para Binance y Bybit
Kit de herramientas de Python para finanzas cuantitativas: análisis de acciones, indicadores técnicos, backtesting de estrategias, optimización de carteras y modelado financiero.
Documentación Oficial para las APIs y Streams de Binance
Recursos para prepararse para desarrolladores cuánticos/investigadores cuantitativos/operadores cuánticos/analistas cuánticos/ingenieros de software en empresas de trading cuantitativo, HFT y fondos de cobertura
Una lista de recursos en línea para modelado cuantitativo, trading y gestión de carteras
Marco cuantitativo de acciones, soporta obtención de datos de mercado y trading
Un bot y framework de trading de criptomonedas que soporta múltiples exchanges escrito en Golang.
Un motor cuantitativo local para datos de velas diarias, velas por minuto y velas por minuto de ETF de acciones A, que integra sincronización incremental, caché local, ajuste, consulta por lotes, backtesting y cálculo de indicadores.
Este proyecto es un curso cuantitativo de código abierto que puede ayudar a las personas a dominar rápidamente el conocimiento de finanzas cuantitativas y la capacidad de desarrollo cuantitativo utilizando Python.
Un modelo de trading de alta frecuencia que utiliza la API de Interactive Brokers con pares y reversión a la media en Python
El repositorio para el curso de YouTube de freeCodeCamp, Algorithmic Trading in Python
Framework Rust de código abierto para la construcción de sistemas de trading en vivo y backtesting impulsados por eventos
Marco para trading cuantitativo. Marco completo para el desarrollo, backtesting y despliegue de algoritmos de trading automatizado y bots de trading.
Framework de trading en Python con agentes de IA que ejecutan las operaciones de verdad. Haz backtesting y opera en simulación o en real con 12 brókeres: acciones, opciones, futuros, forex, criptomonedas y mercados de predicción.
Jupyter Notebooks y código para Python for Finance (2ª ed., O'Reilly) de Yves Hilpisch.
Preguntas frecuentes
¿Cuál es el repositorio de #algorithmic-trading más popular en GitHub?
El proyecto de código abierto de #algorithmic-trading mejor posicionado en GitHub es virattt/ai-hedge-fund, con 64,789 estrellas. Un equipo de Hedge Fund de IA
¿Qué lenguajes de programación se utilizan más en los repositorios de #algorithmic-trading?
Entre los proyectos de #algorithmic-trading mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, HTML, Rust.
¿Cómo se calcula la clasificación de los repositorios de #algorithmic-trading?
Seguimos 143 repositorios activos de código abierto etiquetados con #algorithmic-trading (500+ estrellas), que suman un total de 656,484 estrellas, con una media de 4,590 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.