#stock-analysis Dépôts
Découvrez 22 dépôts GitHub open source actifs associés à #stock-analysis, cumulant 58,531 étoiles au total (soit une moyenne de 2,660 étoiles par projet). Le projet en tête de ce thème est xbtlin/ai-berkshire, avec 17,207 étoiles.
23 dépôts au total
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.
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
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.
Divers types d'analyse boursière dans Excel, Matlab, Power BI, Python, R et Tableau
Indicateurs d’analyse technique haute performance et framework de backtesting en Go. Aucune dépendance. ✨ Découvrez comment ! 👀
Les actions en deep learning et en machine learning représentent des opportunités prometteuses pour les investisseurs et les traders à long et court terme.
Documentation derrière le modèle utilisé pour analyser les entreprises dans Simply Wall St
韭菜盘 (JCP AI) - Système d'analyse A actions intelligent alimenté par l'IA, basé sur Wails + Go + React, supportant l'analyse collaborative multi-agents
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.
SDK quantitatif Python gratuit : connexion directe au protocole TongDaXin pour les données des actions A/Hong Kong/États-Unis, indicateurs techniques intégrés, analyse de la théorie Chan, moteur de backtesting et visualisation Web, sortie JSON adaptée à l'agent IA
Analyse quantitative A-Share open-source (et avec des modèles LLM, pour une analyse avancée)
Outil d'analyse et de recherche sur les actions A pour les utilisateurs de terminal (CLI). Outil d'analyse auxiliaire des actions A pour les passionnés de technologie et les amateurs de ligne de commande.
alphastream est une plateforme de décision d'investissement pilotée par l'IA qui, grâce à un système d'orchestration collaborative multi-agents, diffuse en temps réel des informations approfondies couvrant les marchés financiers mondiaux. Construit sur LangGraph et Python, il intègre de manière transparente les indicateurs techniques, les données fondamentales, l'analyse des flux de capitaux et l'intelligence émotionnelle pour former un flux de travail dynamique et adaptatif. Contrairement aux outils de backtesting traditionnels, alphastream visualise l'ensemble du processus de décision—de l'acquisition des données et de l'appel d'outils au raisonnement final—via SSE, offrant aux investisseurs une intelligence transparente et exécutable.
🔌 Plugin Claude Code pour la recherche sur les actions de niveau institutionnel. Installez-le avec /plugin marketplace add. Génère des recommandations d'achat/vente professionnelles avec une analyse fondamentale complète, des indicateurs techniques et une évaluation des risques. Usage éducatif uniquement - ne constitue pas un conseil financier.
Serveur MCP boursier pour les données de Yahoo Finance, l’analyse technique, le suivi de portefeuille et le backtesting avec Python. Fonctionne localement sans clé API pour les outils principaux.
🦉 Augur — Un système de mémoire pour la recherche en investissement, privilégiant le local : analyses indépendantes de 18 personnalités de l’investissement et consensus pondéré, avec des éléments probants contextualisés dans le temps et des exécutions reproductibles. CLI / Dashboard / MCP. Un système de mémoire de recherche privilégiant le local, avec 18 personnalités de l’investissement.
HunterCode · Édition communautaire · Alternative locale et open source à Tencent WorkBuddy Finance Edition · Terminal de recherche en investissement multi-agents pour les actions chinoises de catégorie A, de Hong Kong et américaines · L’inférence s’exécute sur votre machine · Vos positions ne quittent jamais votre disque dur · BYOK · Apache 2.0 · Auto-hébergé avec Docker Compose
Les profits viennent du marché ; tout est une question de probabilités. Que personne ne fanfaronne.
Moteur open source de sélection quantitative d’actions par IA : filtrage de l’ensemble des marchés des actions A, américaines et hongkongaises, ainsi que du Japon, de la Corée du Sud, de Taïwan et de l’Inde ; radar de configurations fondé sur 250 jours de données réelles ; vérification par IA des annonces à risque ; validation publique T+N ; et diffusion vers 12 canaux en une seule ligne | Screener d’actions open source propulsé par l’IA, stratégies quantitatives en YAML, radar de configurations et benchmark T+N pour agents IA
Foire aux questions
Quel est le dépôt #stock-analysis le plus populaire sur GitHub ?
Le projet #stock-analysis open source le mieux classé sur GitHub est xbtlin/ai-berkshire, avec 17,207 étoiles. 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.
Quels langages de programmation sont les plus utilisés dans les dépôts #stock-analysis ?
Parmi les projets #stock-analysis les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Go, HTML.
Comment le classement des dépôts #stock-analysis est-il calculé ?
Nous suivons 22 dépôts open source actifs associés à #stock-analysis (500+ étoiles), totalisant 58,531 étoiles, avec une moyenne de 2,660 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.