#technical-analysis Dépôts
Découvrez 50 dépôts GitHub open source actifs associés à #technical-analysis, cumulant 156,149 étoiles au total (soit une moyenne de 3,122 étoiles par projet). Le projet en tête de ce thème est wilsonfreitas/awesome-quant, avec 30,762 étoiles.
50 dépôts au total
Une liste curatée de bibliothèques, paquets et ressources incroyablement géniales pour les Quants (Finance Quantitative)
FinGPT: Grands modèles linguistiques open-source pour la finance! Révolutionnez 🔥 Nous publions le modèle entraîné sur HuggingFace.
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.
Github.com/CryptoSignal - Bot de Trading et d'Analyse Technique - 4 100+ étoiles, 1 100+ forks
Serveur MCP d’analyse des marchés pour les assistants IA : filtres, analyse technique multi-unités de temps, backtests et analyse du sentiment pour les cryptomonnaies, les actions, le forex et les contrats à terme. 39 outils. Hébergez-le gratuitement vous-même ou utilisez la version hébergée, TradingMCP.
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.
Divers types d'analyse boursière dans Excel, Matlab, Power BI, Python, R et Tableau
Un SDK JavaScript sans dépendances pour récupérer des données boursières, conçu pour le frontend, ne nécessitant ni Python ni services backend.
Indicateurs d’analyse technique haute performance et framework de backtesting en Go. Aucune dépendance. ✨ Découvrez comment ! 👀
TradingView Screener API - Actions, Crypto, Forex, Obligations, Futures, Monnaies
Bibliothèque d’analyse technique : indicateurs et figures en chandeliers, traitement par lots et en continu, native en C, Rust, Java, C#... et plus encore
Les actions en deep learning et en machine learning représentent des opportunités prometteuses pour les investisseurs et les traders à long et court terme.
Un package qui vous permet de créer des screener TradingView en Python
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)
Indicateurs techniques pour effectuer une analyse technique avec JavaScript et TypeScript. 📈
Exécutez Pine Script® partout. PineTS est l’environnement d’exécution open source de Pine Script® de LuxAlgo pour Node.js et le navigateur.
KHunter est un système de trading quantitatif prêt à l’emploi pour le marché chinois des actions A. Il intègre la gestion des données, la sélection de titres par stratégie, le market timing, le contrôle des risques et la validation par backtesting, offrant ainsi aux investisseurs particuliers une solution quantitative complète, des données jusqu’aux transactions.
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.
Un screener d'actions basé sur Python pour trouver des actions avec une probabilité de cassure potentielle de NSE Inde.
Créez votre bot de trading de crypto-monnaies Java en quelques minutes. Notre starter Spring Boot s'occupe des connexions d'échange, des comptes, des ordres, des transactions et des positions afin que vous puissiez vous concentrer sur la création de vos stratégies.
Un bot d'analyse technique qui négocie les marchés à terme USDT à effet de levier sur Binance.
AI-Hedge-Fund pour Crypto 🚀 Fonds de couverture alimenté par l'IA pour le trading de cryptomonnaies, utilisant des agents LLM pour des décisions intelligentes.
Bibliothèque de backtesting low-code utilisant Polars et des indicateurs d’analyse technique
Bot de Trading Binance Futures — Bot de trading automatisé de cryptomonnaies pour Binance Futures avec analyse technique et multiples stratégies (Triple EMA, Stochastic RSI, ATR, Golden Cross, Breakout, Heikin Ashi), effet de levier configurable, trailing stops, support multi-symboles et GUI Tkinter
Le moteur de backtesting Open‑Source / simulateur de trading de Bertram Enterprises.
Les profits viennent du marché ; tout est une question de probabilités. Que personne ne fanfaronne.
Foire aux questions
Quel est le dépôt #technical-analysis le plus populaire sur GitHub ?
Le projet #technical-analysis open source le mieux classé sur GitHub est wilsonfreitas/awesome-quant, avec 30,762 étoiles. Une liste curatée de bibliothèques, paquets et ressources incroyablement géniales pour les Quants (Finance Quantitative)
Quels langages de programmation sont les plus utilisés dans les dépôts #technical-analysis ?
Parmi les projets #technical-analysis les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, Go.
Comment le classement des dépôts #technical-analysis est-il calculé ?
Nous suivons 50 dépôts open source actifs associés à #technical-analysis (500+ étoiles), totalisant 156,149 étoiles, avec une moyenne de 3,122 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.