#quant Dépôts
Découvrez 77 dépôts GitHub open source actifs associés à #quant, cumulant 521,097 étoiles au total (soit une moyenne de 6,767 étoiles par projet). Le projet en tête de ce thème est ZhuLinsen/daily_stock_analysis, avec 73,607 étoiles.
78 dépôts au total
Système d'analyse boursière multi-marchés piloté par LLM : données de marché multi-sources, actualités en temps réel, tableau de bord décisionnel et notifications automatisées, prenant en charge l'exécution planifiée sans frais.
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
Une liste curatée de bibliothèques, paquets et ressources incroyablement géniales pour les Quants (Finance Quantitative)
AKShare est une bibliothèque d'interfaces de données financières élégante et simple pour Python, construite pour les humains ! Bibliothèque d'interfaces de données financières open source
Système de Trading Quantitatif Abu (Actions, Options, Futures, Bitcoin, Machine Learning) Trading quantitatif open-source basé sur Python, architecture d'investissement quantitatif
Un index vectoriel construit sur TurboQuant, écrit en Rust avec des bindings Python
Une liste organisée de bibliothèques, packages, stratégies, livres, blogs, tutoriels impressionnants pour le trading systématique.
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.
QUANTAXIS prend en charge la planification de tâches, le déploiement distribué pour actions/futures/options données/backtesting/simulation/trading/visualisation/multi-comptes solution quantitative purement locale
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
Une liste sélectionnée d'outils et d'applications pratiques d'apprentissage automatique financier.
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
Recherche quantitative - Restitution du rapport de recherche en ingénierie métallurgique des courtiers
Un framework de backtesting algorithmique et de trading Python extensible et remplaçable prenant en charge plusieurs titres
🔬 Une liste curated d'incroyables LLMs et stratégies et outils d'apprentissage profond sur le marché financier.
Créez votre fonds spéculatif autonome en quelques minutes. AutoHedge exploite la puissance de l'intelligence collective et des agents IA pour automatiser l'analyse de marché, la gestion des risques et l'exécution des transactions.
Liste des stages et emplois pour nouveaux diplômés en IA/ML 2027 mise à jour quotidiennement
Outil d'analyse technique Chanzhongshuozhen; Théorie Chanzhongshuozhen; Actions; Futures; Quant; Trading quantitatif
WonderTrader – Framework complet pour le trading de recherche et développement quantitatif
Base de données gratuite et open source pour le trading quantitatif d'actions A ; Axé sur les actions A, axé sur le quantitatif, naissant avec le soleil ; Ouvert, pur, continu, générant de l'électricité pour l'IA (amour). Né pour le trading quantitatif individuel, défendez les 3000 points, chérissez les opportunités en bas... [Données boursières, Données de cotation boursière, Données quantitatives boursières, Données de trading boursier, Données de cotation en ligne K, Données conceptuelles boursières, Interface de données boursières, Interface de données de cotation, Données de trading quantitatif] [Fusion de plusieurs sources de données, configuration dynamique de proxy, garantie d'une haute disponibilité des données]
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
Paquet de développement quantitatif Tianqin, Quantitatif sur les futures, Cotations en temps réel/Données historiques/Trading en direct
efinance est une bibliothèque Python qui permet d'accéder rapidement aux données de fonds, d'actions, d'obligations et de futures, un excellent assistant pour le backtesting et le trading quantitatif !🚀🚀🚀
Interface de données en temps réel sur les cours des actions - Actions A, données boursières de Shanghai et Shenzhen entièrement gratuites - Marchés boursiers chinois, interface API Python la plus simple, incluant les lignes journalières, les K-lines historiques, les lignes intraday, les lignes minutes, le tout collecté en temps réel. Le système comprend la collecte et l'acquisition des données principales de Sina et Tencent, le basculement automatique en cas de panne, les données boursières au format DataFrame, qui peuvent être utilisées pour la recherche et l'analyse quantitative, les systèmes de trading automatisés pour actions. Cela réduit considérablement la charge de travail des chercheurs quantitatifs dans l'acquisition de données, leur permettant de se concentrer davantage sur la recherche et la mise en œuvre de stratégies et de modèles.
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
Usine à facteurs automatisée open source basée sur l'apprentissage par renforcement profond.
openctp fournit des interfaces compatibles CTPAPI pour divers canaux tels que les options sur actions CTP, XTP de Zhongtai Securities, TORA de Huaxin Securities, OST de Dongfang Securities, EMT de Dongfang Wealth Securities, TWS d'Interactive Brokers, TAP d'E-futures, QDP de Quant Investment, etc. Les programmes CTP peuvent être intégrés de manière transparente à divers back-offices boursiers. openctp propose également un environnement de simulation basé sur le système de trading TTS, qui fournit également des interfaces compatibles CTPAPI. Il prend en charge non seulement la simulation de trading de toutes les variétés de futures et d'options domestiques, mais aussi celle des actions A, des fonds, des obligations et des options sur actions, pouvant remplacer Simnow et fournir un environnement de simulation disponible 7j/7, 24h/24 pour les développeurs de trading quantitatif CTP.
MyTT porte les formules d'indicateurs comme Tongdaxin, Tonghuashun, Wenhua Mai Yu Yan, etc. en Python de la manière la plus simple, la bibliothèque principale est un fichier unique avec une centaine de lignes de code, une douzaine de fonctions principales, qui implémentent et convertissent magiquement tous les algorithmes d'indicateurs techniques courants (sans dépendre de la bibliothèque talib) en pur Python. Formules Tongdaxin MACD, RSI, BOLL, ATR, KDJ, CCI, PSY, etc., toutes basées sur la méthode de calcul des fonctions pandas, concises et performantes, peuvent être facilement appliquées dans les formules d'indicateurs boursiers, l'analyse de cadres quantitatifs de contrats à terme sur actions, le trading algorithmique automatisé, la quantification des crypto-monnaies et d'autres domaines. C'est votre outil quantitatif boursier le plus raffiné. Bibliothèque Python avec la plupart des indicateurs boursiers.
AKQuant est un framework haute performance pour la recherche quantitative et le trading, construit sur Rust et Python ! Framework open-source de backtesting quantitatif
PanWatch — surveillance boursière par IA des marchés des actions A, de Hong Kong et des États-Unis, propulsée par TradingAgents. Analyse du portefeuille, alertes en temps réel et rapports automatisés. | PanWatch : surveillance par IA, analyse du portefeuille, alertes en temps réel et rapports automatisés pour les actions A, de Hong Kong et américaines.
Framework Rust open-source pour la construction de systèmes de trading en direct et de backtesting pilotés par les événements
Framework d'implémentation Python ouvert de Chanlun, prend en charge les calculs d'analyse des points d'achat/vente morphologiques/dynamiques, la combinaison de courbes K multi-niveaux, la stratégie d'encartement, le tracé visuel, divers accès aux données, le développement de stratégies, la connexion au système de trading ;
Wrapper SDK API REST pour l'échange de cryptomonnaies implémenté avec golang, prend en charge OKX, Binance
L’édition open source de QuantMind (Cerveau quantitatif) est une plateforme de trading quantitatif multi-marchés, native de l’IA, destinée aux développeurs individuels et aux équipes de recherche et d’investissement. Elle intègre étroitement Microsoft Qlib, l’évolution des facteurs de RD-Agent et l’espace de travail tout-en-un QuantBot, offrant une boucle complète allant de l’extraction de plus de 300 dimensions de facteurs, d’une fabrique de modèles comprenant 13 modèles d’apprentissage automatique et profond, du backtesting haute performance de Qlib, de l’inférence transversale par lots et de l’analyse en temps réel du sentiment de l’opinion publique 24 h/24 et 7 j/7, jusqu’à l’intégration avancée avec TongdaXin (notifications sectorielles, radar d’alertes et passage d’ordres éclair) ainsi qu’au trading réel et simulé. La plateforme prend en charge les actions A, les actions de Hong Kong, les actions américaines, les contrats à terme et la blockchain. Elle est utilisable gratuitement à des fins commerciales et peut être déployée en privé en un clic avec Docker Compose. Les données et les modèles sont entièrement conservés en local afin de protéger la confidentialité des stratégies, et toutes les fonctionnalités sont accessibles sans prérequis ni restrictions.
Indicateurs d’analyse technique haute performance et framework de backtesting en Go. Aucune dépendance. ✨ Découvrez comment ! 👀
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.
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.
API HTTP et serveur MCP pour AKShare : récupérez des données financières depuis n’importe quel langage de programmation ou assistant IA (Claude, Cursor)
Plateforme de Trading Quantitatif à Haute Fréquence C++ Trade Platform for quant developer 【La vie est courte et pleine de tourments affairés, le chemin de la quantification est entravé et long. Chaque ligne de code condense le sang du cœur, dix ans de labeur ne sont pas ordinaires】
Foire aux questions
Quel est le dépôt #quant le plus populaire sur GitHub ?
Le projet #quant open source le mieux classé sur GitHub est ZhuLinsen/daily_stock_analysis, avec 73,607 étoiles. Système d'analyse boursière multi-marchés piloté par LLM : données de marché multi-sources, actualités en temps réel, tableau de bord décisionnel et notifications automatisées, prenant en charge l'exécution planifiée sans frais.
Quels langages de programmation sont les plus utilisés dans les dépôts #quant ?
Parmi les projets #quant les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Rust, Go.
Comment le classement des dépôts #quant est-il calculé ?
Nous suivons 77 dépôts open source actifs associés à #quant (500+ étoiles), totalisant 521,097 étoiles, avec une moyenne de 6,767 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.