#backtesting Dépôts
Découvrez 73 dépôts GitHub open source actifs associés à #backtesting, cumulant 366,495 étoiles au total (soit une moyenne de 5,020 étoiles par projet). Le projet en tête de ce thème est virattt/ai-hedge-fund, avec 64,789 étoiles.
74 dépôts au total
Code pour Machine Learning for Trading, 3e édition — de l'acquisition de données à l'exécution en direct.
Logiciel open source qui vous aide à créer et déployer des bots de trading crypto à haute fréquence
Actions. Obtenez des données sur les actions, calculez des indicateurs d'actions, la distribution des puces, identifiez des modèles d'actions, une sélection d'actions complète, des stratégies de sélection d'actions, des backtests d'actions, le trading automatique d'actions, prend en charge les PC et les appareils mobiles.
Le système d’exploitation de trading agentique open source et auto-hébergé le plus complet : recherche en IA, stratégies Python, découverte de facteurs, backtests, optimisation, exécution multi-actifs en simulation et en réel, contrôles des risques, supervision, MCP et SaaS multilocataire au sein d’une pile unique et auditable.
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.
11 compétences Claude pour le day trading : analysez des milliers de graphiques, suivez les dernières nouvelles, choisissez le moment de chaque entrée et sortie, et rejouez chaque résultat avant de risquer le moindre dollar.
TSP : un poste de travail quantitatif auto-hébergé et sans maintenance pour les actions A chinoises, avec création de stratégies, suivi et backtesting | Personnalisation de stratégies, analyse de titres individuels et analyse rétrospective grâce aux LLM | Connexion libre à des sources de données tierces et ajout d’extensions de données personnalisées | Projet personnel open source
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
Un framework de trading quantitatif open source et haute performance en C++/Python, axé sur l’analyse des stratégies et le backtesting R&D de modèles de trading · Moteur ultra-rapide · Backtesting efficace
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.
Bibliothèque Python basée sur scikit-learn pour l’optimisation de portefeuille, la construction de modèles factoriels et la gestion des risques
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.
Bibliothèque d’analyse technique : indicateurs et figures en chandeliers, traitement par lots et en continu, native en C, Rust, Java, C#... et plus encore
Plateforme de backtesting quantitatif Kanhai khQuant, édition open source V2.2 : logiciel de bureau gratuit et open source pour le backtesting quantitatif des actions A. Aucun compte de courtage à ouvrir ni QMT à installer. Téléchargez les données depuis BaoStock / Tushare vers une base DuckDB locale, écrivez vos stratégies en Python et générez des rapports de backtesting en un clic.
Machine Learning pour le Trading Algorithmique, Deuxième Édition - publié par Packt
Python for Algorithmic Trading Cookbook, publié par Packt
Stock Indicators for .NET est un package NuGet C# qui transforme les cotations de prix brutes du marché financier des actions, des matières premières, du forex ou des cryptomonnaies en indicateurs techniques et en insights de trading. Vous aurez besoin de ces données essentielles dans les outils d'investissement que vous construisez pour le trading algorithmique, l'analyse technique, l'apprentissage automatique ou la cartographie visuelle.
Un moteur de backtesting de portefeuille open source pour tous | Un moteur de backtesting de portefeuille open source pour tous
Lac de données local open source pour le marché boursier chinois (actions A) : cours des actions de Shanghai et de Shenzhen, données sur les actions A et données financières destinées à la recherche quantitative, au trading quantitatif et au backtesting. Comprend des données financières et sur les contrats à terme, les flux de capitaux, les annonces, les indices, les secteurs et les données macroéconomiques. 86 jeux de données mis à jour quotidiennement, avec cours ajustés et historiques de composition intégrés, traçabilité au niveau des lignes, PIT et prise en charge native de MCP. Sans inscription ni token ; auto-hébergé. Lac de données open source sur le marché boursier chinois pour la recherche quantitative, le backtesting et les agents IA.
HyperView est un laboratoire de stratégies TradingView axé sur le terminal pour télécharger les données de marché, backtester des stratégies Python avec un comportement similaire à Pine, et optimiser les paramètres SL/TP.
✨ Téléchargez des données de tick historiques et en temps réel (prix) pour les cryptos, actions, ETF, CFD et le Forex via CLI et Node.js ✨
Bibliothèque modulaire Python qui fournit un backtester avancé piloté par événements et un ensemble d'outils de haute qualité pour la finance quantitative. Intégrée à divers fournisseurs de données et courtiers, prend en charge Crypto, Actions et Futures.
Exécutez Pine Script® partout. PineTS est l’environnement d’exécution open source de Pine Script® de LuxAlgo pour Node.js et le navigateur.
Tableau de bord gratuit pour les backtests de stratégies de trading. Détectez le surajustement, l'avantage faible, le risque de drawdown et la chance de timing aléatoire à partir des rendements, des courbes de capital ou des journaux de transactions.
XQuant : Tout le monde peut devenir trader quantitatif — Un livre open source d’initiation et d’autoformation au trading quantitatif : utilisez l’IA et Python pour réaliser de zéro des backtests de stratégies, l’évaluation des risques, l’exécution des transactions et la recherche factorielle.
Un framework Python asynchrone et événementiel pour le trading algorithmique, axé sur les crypto-monnaies.
Collection d'algorithmes pour la sélection de portefeuille en ligne
Foire aux questions
Quel est le dépôt #backtesting le plus populaire sur GitHub ?
Le projet #backtesting 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 #backtesting ?
Parmi les projets #backtesting les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, C#.
Comment le classement des dépôts #backtesting est-il calculé ?
Nous suivons 73 dépôts open source actifs associés à #backtesting (500+ étoiles), totalisant 366,495 étoiles, avec une moyenne de 5,020 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.