#quantitative-finance Dépôts
Découvrez 160 dépôts GitHub open source actifs associés à #quantitative-finance, cumulant 918,165 étoiles au total (soit une moyenne de 5,738 étoiles par projet). Le projet en tête de ce thème est openbq-org/OpenBB, avec 75,619 étoiles.
161 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.
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.
Une liste curatée de bibliothèques, paquets et ressources incroyablement géniales pour les Quants (Finance Quantitative)
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
[🔥mise à jour ...] Robot de trading quantitatif IA automatique (déploiement entièrement local) Plateforme de recherche sur les investissements quantitatifs basée sur l'IA. 📃 documentation en ligne : https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant
QuestDB est une base de données de séries temporelles open-source haute performance
Une liste organisée de bibliothèques, packages, stratégies, livres, blogs, tutoriels impressionnants pour le trading systématique.
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.
Boîte à outils de données full-stack pour les actions A : cotations et chandeliers K · données tick par tick intrajournalières · rapports de recherche · signaux · flux de capitaux · actualités · données financières · annonces · stratégies de valeurs à la limite haussière · options sur ETF · sentiment du marché · taux d’intérêt macroéconomiques · contrats à terme et matières premières (y compris les chandeliers journaliers du DCE) · données pilotées par les événements · obligations convertibles | 15 couches · 87 endpoints · 34 sources de données · Aucune clé API requise sauf pour iWenCai | Données sur les actions A pour les agents IA : chandeliers K, ticks, rapports, flux de capitaux, actualités, données financières, annonces, options, macroéconomie, contrats à terme, événements et obligations convertibles | 15 couches · 87 endpoints · 34 sources
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.
Collection de carnets sur la finance quantitative, avec du code Python interactif.
Un framework open source d'apprentissage par renforcement pour former, évaluer et déployer des agents de trading robustes.
Recherche quantitative - Restitution du rapport de recherche en ingénierie métallurgique des courtiers
🔬 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.
Optimisation de portefeuille financier en Python, incluant la frontière efficiente classique, Black-Litterman et la parité de risque hiérarchique
Accès en temps réel aux cotations boursières gratuites, prend en charge Sina / Tencent (actions de Hong Kong) / 集思录
Service officiel de données financières sur les actions A de Tonghuashun (HiThink), fournissant des données boursières en temps réel et historiques, des états financiers, des indices, des secteurs, des données sur les limites maximales de hausse, etc. Il est destiné aux agents d’IA, à la recherche quantitative et au développement d’applications, et prend en charge les API, MCP, CLI et Python.
Nous nous engageons à l'open-sourcing des connaissances quantitatives, dans le but de combler le fossé informationnel entre les industries de la finance quantitative nationales et internationales. Nous nous consacrons à l'open-source et à la localisation chinoise des connaissances quantitatives, comblant ainsi le fossé informationnel entre les industries de la finance quantitative nationales et étrangères.
Boîte à outils Python pour la finance quantitative : analyse d'actions, indicateurs techniques, backtesting de stratégies, optimisation de portefeuille et modélisation financière.
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
Cadre de recherche en investissement multi-agents pour les actions A — Adapté aux sources de données des actions A (Longhu Bang, capitaux spéculatifs, déblocage d'actions, etc.), 7 analystes débattent et prennent des décisions basées sur les règles du marché A, profondément modifié à partir de TradingAgents pour s'adapter au marché A. Cadre de recherche en investissement multi-agents pour les actions A — 7 analystes IA, débat haussier/baissier, évaluation des risques.
Une liste de ressources en ligne pour la modélisation quantitative, le trading et la gestion de portefeuille
Usine à facteurs automatisée open source basée sur l'apprentissage par renforcement profond.
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.
QuantMind est un framework open source, natif pour les agents, d’extraction et de récupération des connaissances pour la finance quantitative.
Foire aux questions
Quel est le dépôt #quantitative-finance le plus populaire sur GitHub ?
Le projet #quantitative-finance open source le mieux classé sur GitHub est openbq-org/OpenBB, avec 75,619 étoiles. Plateforme de données ouverte pour analystes, quants et agents IA.
Quels langages de programmation sont les plus utilisés dans les dépôts #quantitative-finance ?
Parmi les projets #quantitative-finance les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, Java.
Comment le classement des dépôts #quantitative-finance est-il calculé ?
Nous suivons 160 dépôts open source actifs associés à #quantitative-finance (500+ étoiles), totalisant 918,165 étoiles, avec une moyenne de 5,738 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.