#investment Dépôts
Découvrez 25 dépôts GitHub open source actifs associés à #investment, cumulant 248,585 étoiles au total (soit une moyenne de 9,943 étoiles par projet). Le projet en tête de ce thème est microsoft/qlib, avec 50,470 étoiles.
25 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.
Framework de développement open source pour une plateforme de trading quantitatif basée sur Python
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.
Berkshire à l'ère de l'IA : un cadre de recherche d'investissement value construit pour Claude Code / Codex. Méthodologies de 4 maîtres + analyse antagoniste multi-agents.
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.
ValueCell est une plateforme multi-agents communautaire pour les applications financières.
Une liste sélectionnée d'outils et d'applications pratiques d'apprentissage automatique financier.
Optimisation de portefeuille financier en Python, incluant la frontière efficiente classique, Black-Litterman et la parité de risque hiérarchique
Une bibliothèque Python pour la finance qui se concentre sur la tarification et la gestion des risques des produits dérivés financiers, incluant les dérivés à revenu fixe, actions, FX et crédit.
🚀 💸 Construisez, backtestez et déployez facilement votre algo en quelques lignes de code. Échangez des actions, des cryptos et du forex sur différentes bourses avec un seul package.
Investor Skills est une bibliothèque open-source qui transforme le jugement d'investissement durable en formats portables et structurés. Elle recueille la manière dont les grands investisseurs pensent, filtrent les opportunités, évaluent les risques et agissent dans l'incertitude, puis structure ces modèles afin que les humains puissent les étudier et que les agents financiers basés sur l'IA puissent les appliquer.
IA + Finance (Quantitative) : 1. Tutoriel open-source sur le cadre quantitatif boursier multifactoriel 2. Recueil de ressources classiques académiques et industrielles 3. Travaux liés à l'IA + Finance, incluant LLM, Agent, benchmark (évaluation), etc.
FinHack®, un framework financier quantitatif facilement extensible, qui dans sa version actuelle intègre l'ensemble du processus de recherche et développement quantitatif, y compris la collecte de données, le calcul de facteurs, l'extraction de facteurs, l'analyse de facteurs, l'apprentissage automatique, la rédaction de stratégies, les backtests quantitatifs et la connexion au trading réel.
Un moteur de backtesting de portefeuille open source pour tous | Un moteur de backtesting de portefeuille open source pour tous
Protocole de Contexte de Modèle (MCP) pour permettre aux LLM d'IA de trader en utilisant la plateforme MetaTrader
Invest Alchemy est un assistant de trading axé sur les portefeuilles d'ETF.
Bibliothèque extrêmement rapide de nettoyage et de backtesting de facteurs quantitatifs, basée sur Polars
Tableau de bord d’intelligence sur les chaînes industrielles mondiales conçu pour les investisseurs du marché A · 12 grands secteurs correspondant chacun à un secteur du marché A (semi-conducteurs/IA/robotique/véhicules à énergies nouvelles, etc.), avec plus de 100 sources faisant autorité. Utilisez votre propre grand modèle de langage pour synthétiser et traduire chaque jour les « Points clés du jour » en chinois · Fonctionne en local, sans clé API · Tableau de bord local d’actualités IA qui suit les signaux industriels mondiaux derrière les secteurs du marché A chinois
Foire aux questions
Quel est le dépôt #investment le plus populaire sur GitHub ?
Le projet #investment open source le mieux classé sur GitHub est microsoft/qlib, avec 50,470 étoiles. 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.
Quels langages de programmation sont les plus utilisés dans les dépôts #investment ?
Parmi les projets #investment les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Jupyter Notebook, HTML.
Comment le classement des dépôts #investment est-il calculé ?
Nous suivons 25 dépôts open source actifs associés à #investment (500+ étoiles), totalisant 248,585 étoiles, avec une moyenne de 9,943 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.