#quant Repositorios
Descubre 77 repositorios activos de código abierto de GitHub etiquetados con #quant, que acumulan 521,097 estrellas en total (una media de 6,767 estrellas por proyecto). El líder de este tema es ZhuLinsen/daily_stock_analysis, con 73,607 estrellas.
78 repositorios en total
Sistema de análisis bursátil multimercado impulsado por LLM: datos de mercado de múltiples fuentes, noticias en tiempo real, panel de decisiones y notificaciones automáticas, con soporte para ejecución programada sin costo.
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.
Marco de desarrollo de plataforma de trading cuantitativo de código abierto basado en Python
Una lista curada de bibliotecas, paquetes y recursos increíblemente geniales para Quants (Finanzas Cuantitativas)
AKShare es una biblioteca de interfaz de datos financieros elegante y simple para Python, ¡construida para humanos! Biblioteca de interfaz de datos financieros de código abierto
Sistema de Trading Cuantitativo Abu (Acciones, Opciones, Futuros, Bitcoin, Machine Learning) Trading cuantitativo de código abierto basado en Python, arquitectura de inversión cuantitativa
Un índice vectorial construido sobre TurboQuant, escrito en Rust con enlaces de Python
Una lista curada de fantásticas bibliotecas, paquetes, estrategias, libros, blogs y tutoriales para el trading sistemático.
El sistema operativo de trading agéntico de código abierto y autohospedado más completo: investigación con IA, estrategias en Python, descubrimiento de factores, pruebas retrospectivas, optimización, ejecución multiactivo en simulación y en vivo, controles de riesgo, supervisión, MCP y SaaS multiinquilino en una única pila auditable.
QUANTAXIS soporta programación de tareas, despliegue distribuido para acciones/futuros/opciones datos/backtesting/simulación/trading/visualización/múltiples cuentas solución cuantitativa puramente local
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
Una lista curada de herramientas y aplicaciones prácticas de aprendizaje automático financiero.
TSP: una estación de trabajo cuantitativa autohospedada y sin tareas operativas para acciones A de China, con creación de estrategias, monitorización y backtesting | Personalización de estrategias, análisis de acciones individuales y revisión de operaciones con tecnología LLM | Conexión libre a fuentes de datos de terceros y ampliación con datos personalizados | Proyecto personal de código abierto
Investigación cuantitativa - Reproducción del informe de investigación de ingeniería metalúrgica de corredores
Un framework de backtesting algorítmico y de trading de Python extensible y reemplazable que admite múltiples valores
🔬 Una lista curada de LLMs geniales y estrategias y herramientas de aprendizaje profundo en el mercado financiero.
Construya su fondo de cobertura autónomo en minutos. AutoHedge aprovecha el poder de la inteligencia de enjambre y los agentes de IA para automatizar el análisis de mercado, la gestión de riesgos y la ejecución de operaciones.
Lista de pasantías y empleos para nuevos graduados en IA/ML 2027 actualizada diariamente
Herramienta de análisis técnico Chanzhongshuozhen; Teoría Chanzhongshuozhen; Acciones; Futuros; Quant; Trading cuantitativo
WonderTrader – Framework integral de trading de investigación y desarrollo cuantitativo
Base de datos gratuita y de código abierto para trading cuantitativo de acciones A; Enfocado en acciones A, enfocado en lo cuantitativo, naciendo hacia el sol; Abierto, puro, continuo, generando energía para la IA (amor). Nacido para el trading cuantitativo individual, defiende los 3000 puntos, aprecia las oportunidades en la parte baja... [Datos de acciones, Datos de cotización de acciones, Datos cuantitativos de acciones, Datos de trading de acciones, Datos de cotización en línea K, Datos conceptuales de acciones, Interfaz de datos de acciones, Interfaz de datos de cotización, Datos de trading cuantitativo] [Fusión de múltiples fuentes de datos, configuración dinámica de proxy, garantía de alta disponibilidad de datos]
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
Paquete de desarrollo cuantitativo Tianqin, Cuantitativo de futuros, Cotizaciones en tiempo real/Datos históricos/Trading en vivo
efinance es una biblioteca de Python que permite obtener rápidamente datos de fondos, acciones, bonos y futuros, ¡un gran ayudante para el backtesting y el trading cuantitativo!🚀🚀🚀
Interfaz de datos en tiempo real de cotizaciones bursátiles - Acciones A, datos de acciones de valores de Shanghai y Shenzhen completamente gratuitos - Mercado bursátil chino, la interfaz API de Python más sencilla, que incluye datos diarios, K-lines históricos, gráficos intradía, gráficos de minutos, todos recopilados en tiempo real. El sistema incluye la recopilación y adquisición de datos centrales dobles de Sina y Tencent, conmutación automática por error, datos de acciones en formato DataFrame, que se pueden utilizar para la investigación y el análisis cuantitativo, sistemas de comercio automatizados para acciones. Esto reduce enormemente la carga de trabajo de los investigadores cuantitativos en la adquisición de datos, permitiéndoles centrarse más en la investigación e implementación de estrategias y modelos.
Un framework de trading cuantitativo de código abierto y alto rendimiento en C++/Python, centrado en el análisis de estrategias y el backtesting I+D de modelos de trading · Motor ultrarrápido · Backtesting eficiente
Fábrica de factores automatizada de código abierto basada en aprendizaje por refuerzo profundo.
openctp proporciona interfaces compatibles con CTPAPI para varios canales como opciones sobre acciones CTP, XTP de Zhongtai Securities, TORA de Huaxin Securities, OST de Dongfang Securities, EMT de Dongfang Wealth Securities, TWS de Interactive Brokers, TAP de E-futures, QDP de Quant Investment, etc. Los programas CTP pueden conectarse sin problemas a diversos terminales bursátiles. openctp también ofrece un entorno de simulación basado en el sistema de trading TTS, que también proporciona interfaces compatibles con CTPAPI. No solo admite la simulación de trading de todas las variedades de futuros y opciones nacionales, sino también de acciones A, fondos, bonos y opciones sobre acciones, pudiendo sustituir a Simnow y proporcionar un entorno de simulación disponible 7x24 para los desarrolladores de trading cuantitativo CTP.
MyTT lleva las fórmulas de indicadores como Tongdaxin, Tonghuashun, Wenhua Mai Yu Yan, etc. a Python de la manera más sencilla, la biblioteca principal es un archivo único de solo cien líneas de código, una docena de funciones principales, que implementan y convierten mágicamente todos los algoritmos comunes de indicadores técnicos (sin depender de la biblioteca talib) en Python puro. Las fórmulas de Tongdaxin MACD, RSI, BOLL, ATR, KDJ, CCI, PSY, etc., todas basadas en el método de cálculo de funciones de pandas, concisas y de alto rendimiento, se pueden aplicar de manera muy conveniente en fórmulas de indicadores de acciones, análisis de marcos cuantitativos de futuros de acciones, negociación algorítmica automática, cuantificación de criptomonedas y otros campos. Es su herramienta cuantitativa de mercado de valores más refinada. Biblioteca Python con la mayoría de los indicadores del mercado de valores.
AKQuant es un framework de alto rendimiento para investigación cuantitativa y trading construido sobre Rust y Python! Framework open-source de backtesting cuantitativo
PanWatch: monitorización bursátil con IA para los mercados de acciones A, Hong Kong y Estados Unidos, impulsada por TradingAgents. Análisis de cartera, alertas en tiempo real e informes automatizados. | PanWatch: monitorización con IA, análisis de cartera, alertas en tiempo real e informes automatizados para acciones A, de Hong Kong y de Estados Unidos.
Framework Rust de código abierto para la construcción de sistemas de trading en vivo y backtesting impulsados por eventos
Framework de implementación abierto de Chanlun en Python, compatible con cálculos de análisis de puntos de compra/venta morfológicos/dinámicos, combinación de líneas K multinivel, estrategia de encaje de intervalos, trazado visual, acceso a diversos datos, desarrollo de estrategias, conexión con sistemas de trading;
Wrapper del SDK API REST del exchange de criptomonedas implementado con golang, compatible con OKX, Binance
La edición de código abierto de QuantMind (Cerebro Cuantitativo) es una plataforma de trading cuantitativo multimercado nativa de IA, dirigida a desarrolladores individuales y equipos de investigación y gestión de inversiones. Integra profundamente Microsoft Qlib, la evolución de factores de RD-Agent y el banco de trabajo integral QuantBot, ofreciendo un circuito completo que abarca la minería de más de 300 dimensiones de factores, una fábrica de modelos con 13 modelos de aprendizaje automático y aprendizaje profundo, backtesting de alto rendimiento con Qlib, inferencia transversal por lotes, análisis de sentimiento de la opinión pública en tiempo real 24/7, integración profunda con TongdaXin (envío de información sectorial, radar de alertas y colocación rápida de órdenes), y trading real y simulado. Es compatible con acciones A, acciones de Hong Kong, acciones estadounidenses, futuros y blockchain. Puede utilizarse comercialmente de forma gratuita y desplegarse de manera privada con un solo clic mediante Docker Compose. Los datos y modelos se mantienen completamente locales para proteger la privacidad de las estrategias, y todas las funciones están disponibles sin barreras ni limitaciones.
Indicadores de análisis técnico de alto rendimiento y framework de backtesting en Go. Sin dependencias. ✨ ¡Descubre cómo! 👀
IA + Finanzas (Cuantitativas): 1. Tutorial de código abierto sobre marcos cuantitativos de acciones multifactoriales 2. Recopilación de recursos clásicos académicos y de la industria 3. Trabajos relacionados con IA + Finanzas, incluyendo LLM, Agentes, benchmarks (evaluación), etc.
Biblioteca de análisis técnico: indicadores y patrones de velas, procesamiento por lotes y en flujo, nativa en C, Rust, Java, C#... y más
Plataforma de backtesting cuantitativo Kanhai khQuant, edición de código abierto V2.2: software de escritorio gratuito y de código abierto para backtesting cuantitativo de acciones A. No necesitas abrir una cuenta de corretaje ni instalar QMT. Descarga datos de BaoStock / Tushare a una base de datos DuckDB local, escribe estrategias en Python y genera informes de backtesting con un solo clic.
API HTTP y servidor MCP para AKShare: obtén datos financieros desde cualquier lenguaje de programación o asistente de IA (Claude, Cursor)
Plataforma de Trading Cuantitativo de Alta Frecuencia C++ Trade Platform for quant developer 【La vida es breve y llena de afanes, el camino de la cuantificación es obstruido y largo. Cada línea de código condensa sangre del corazón, diez años de esfuerzo no son comunes】
Preguntas frecuentes
¿Cuál es el repositorio de #quant más popular en GitHub?
El proyecto de código abierto de #quant mejor posicionado en GitHub es ZhuLinsen/daily_stock_analysis, con 73,607 estrellas. Sistema de análisis bursátil multimercado impulsado por LLM: datos de mercado de múltiples fuentes, noticias en tiempo real, panel de decisiones y notificaciones automáticas, con soporte para ejecución programada sin costo.
¿Qué lenguajes de programación se utilizan más en los repositorios de #quant?
Entre los proyectos de #quant mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C++, Rust, Go.
¿Cómo se calcula la clasificación de los repositorios de #quant?
Seguimos 77 repositorios activos de código abierto etiquetados con #quant (500+ estrellas), que suman un total de 521,097 estrellas, con una media de 6,767 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.