#algorithmic-trading Dépôts
Découvrez 143 dépôts GitHub open source actifs associés à #algorithmic-trading, cumulant 656,484 étoiles au total (soit une moyenne de 4,590 étoiles par projet). Le projet en tête de ce thème est virattt/ai-hedge-fund, avec 64,789 étoiles.
144 dépôts au total
Qlib est une plateforme d'investissement Quant axée sur l'IA qui vise à utiliser la technologie de l'IA pour renforcer la recherche Quant, de l'exploration des idées à la mise en œuvre de la production. Qlib prend en charge divers paradigmes de modélisation ML, y compris l'apprentissage supervisé, la modélisation de la dynamique du marché et l'apprentissage par renforcement (RL), et est maintenant équipé de https://github.com/microsoft/RD-Agent pour automatiser le processus de R&D.
FinceptTerminal est une application financière moderne offrant des outils d'analyse de marché avancée, de recherche en investissement et de données économiques, conçue pour l'exploration interactive et la prise de décision basée sur les données dans un environnement convivial.
Code pour Machine Learning for Trading, 3e édition — de l'acquisition de données à l'exécution en direct.
Système de Trading Quantitatif Abu (Actions, Options, Futures, Bitcoin, Machine Learning) Trading quantitatif open-source basé sur Python, architecture d'investissement quantitatif
Une liste organisée de bibliothèques, packages, stratégies, livres, blogs, tutoriels impressionnants pour le trading systématique.
Stratégies de trading quantitatif en Python, incluant Calculateur VIX, Reconnaissance de motifs, Conseiller en trading de matières premières, Monte Carlo, Straddle d'options, Étoile filante, Breakout de Londres, Heikin-Ashi, Trading en paire, RSI, Bandes de Bollinger, SAR parabolique, Double poussée, Awesome, MACD
Plateforme open source de trading algorithmique et quantitatif pour développer des robots de trading (marchés boursiers, forex, crypto, bitcoins et options).
Le moteur de recherche qui vous donne un avantage déloyal. Testez des milliers d’idées de trading avant que les autres n’en terminent une seule.
Une liste sélectionnée d'outils et d'applications pratiques d'apprentissage automatique financier.
Ce dépôt alimente mon expérience où ChatGPT gère un portefeuille d'actions micro-cap avec de l'argent réel.
Un framework open source d'apprentissage par renforcement pour former, évaluer et déployer des agents de trading robustes.
Optimisation de portefeuille financier en Python, incluant la frontière efficiente classique, Black-Litterman et la parité de risque hiérarchique
Bot de trading crypto gratuit et open-source, logiciel de trading automatisé pour bitcoin / cryptomonnaie, bots de trading algorithmique. Concevez visuellement votre bot de trading crypto, en exploitant un système de graphiques intégré, data-mining, backtesting, trading sur papier et déploiements de bots crypto multi-serveurs.
Github.com/CryptoSignal - Bot de Trading et d'Analyse Technique - 4 100+ étoiles, 1 100+ forks
Une liste organisée de bibliothèques, de paquets et de ressources incroyablement géniaux pour le trading systématique. Crypto, Actions, Futures, Options, CFD, FX, et plus encore | Trading Quantitatif | Investissement Quantitatif
Gratuit, open source, un bot de backtesting et de trading à haute fréquence et de market making, qui prend en compte les ordres limite, les positions dans la file d'attente et les latences, en utilisant des données tick complètes pour les transactions et les carnets d'ordres (niveau 2 et niveau 3), avec des exemples de trading de cryptomonnaies réels pour Binance et Bybit
Boîte à outils Python pour la finance quantitative : analyse d'actions, indicateurs techniques, backtesting de stratégies, optimisation de portefeuille et modélisation financière.
Documentation Officielle pour les API et Streams de Binance
Ressources pour se préparer aux développeurs quantiques / chercheurs quantitatifs / traders quantitatifs / analystes quantitatifs / ingénieurs logiciels dans les sociétés de trading quantique, les HFT et les fonds spéculatifs
Une liste de ressources en ligne pour la modélisation quantitative, le trading et la gestion de portefeuille
Cadre quantitatif pour actions, prenant en charge l'acquisition de données de marché et le trading
Un bot et un framework de trading de crypto-monnaies prenant en charge plusieurs échanges, écrit en Golang.
Un moteur quantitatif local pour les données de chandeliers quotidiens, chandeliers minute et chandeliers minute d'ETF des actions A, intégrant la synchronisation incrémentielle, le cache local, l'ajustement, la requête par lots, le backtesting et le calcul d'indicateurs.
Ce projet est un cours quantitatif open-source qui peut aider les gens à acquérir rapidement des connaissances en finance quantitative et la capacité de développement quantitatif en utilisant Python.
Un modèle de trading à haute fréquence utilisant l'API Interactive Brokers avec des paires et de la reversion moyenne en Python
Le dépôt du cours YouTube de freeCodeCamp, Algorithmic Trading in Python
Framework Rust open-source pour la construction de systèmes de trading en direct et de backtesting pilotés par les événements
Cadre pour le trading quantitatif. Cadre complet pour le développement, le backtesting et le déploiement d'algorithmes de trading automatisés et de robots de trading.
Framework de trading Python avec des agents IA qui passent réellement les ordres. Effectuez des backtests et tradez en simulation ou en réel auprès de 12 courtiers : actions, options, contrats à terme, forex, cryptomonnaies et marchés prédictifs.
Jupyter Notebooks et code pour Python for Finance (2e éd., O'Reilly) par Yves Hilpisch.
Foire aux questions
Quel est le dépôt #algorithmic-trading le plus populaire sur GitHub ?
Le projet #algorithmic-trading open source le mieux classé sur GitHub est virattt/ai-hedge-fund, avec 64,789 étoiles. Une équipe de fonds spéculatifs IA
Quels langages de programmation sont les plus utilisés dans les dépôts #algorithmic-trading ?
Parmi les projets #algorithmic-trading les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, HTML, Rust.
Comment le classement des dépôts #algorithmic-trading est-il calculé ?
Nous suivons 143 dépôts open source actifs associés à #algorithmic-trading (500+ étoiles), totalisant 656,484 étoiles, avec une moyenne de 4,590 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.