#portfolio-optimization Repository
Scopri 18 repository GitHub open source attivi contrassegnati con #portfolio-optimization, che raccolgono un totale di 38,586 stelle (con una media di 2,143 stelle per progetto). Il progetto leader di questo argomento è polakowo/vectorbt, con 9,903 stelle.
18 repository in totale
Il motore di ricerca che ti dà un vantaggio sleale. Prova migliaia di idee di trading prima che gli altri ne finiscano una.
Ottimizzazione del portafoglio finanziario in Python, inclusi la frontiera efficiente classica, Black-Litterman e la parità di rischio gerarchica
Libreria Python basata su scikit-learn per l’ottimizzazione del portafoglio, la costruzione di modelli fattoriali e la gestione del rischio
Un motore di backtesting di portafoglio open source per tutti | Un motore di backtesting di portafoglio open source per tutti
Il livello di vantaggio trasparente per i mercati predittivi di Kalshi: un toolkit nativo per agenti (CLI, server MCP, skill di Claude) che misura se riesci davvero a battere il mercato, invece di limitarsi ad affermarlo.
Il motore di backtesting Open‑Source / Simulatore di Trading di Bertram Enterprises.
Basato su NVIDIA cuOpt: un toolkit di ottimizzazione del portafoglio accelerato da GPU per creare, sottoporre a backtest e scalare workflow di investimento Mean-CVaR e Mean-Variance con CUDA-X Data Science.
Domande frequenti
Qual è il repository #portfolio-optimization più popolare su GitHub?
Il progetto open source #portfolio-optimization più alto in classifica su GitHub è polakowo/vectorbt, con 9,903 stelle. Il motore di ricerca che ti dà un vantaggio sleale. Prova migliaia di idee di trading prima che gli altri ne finiscano una.
Quali linguaggi di programmazione sono più utilizzati nei repository #portfolio-optimization?
Tra i progetti #portfolio-optimization più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, C.
Come viene calcolata la classifica dei repository #portfolio-optimization?
Monitoriamo 18 repository open source attivi contrassegnati con #portfolio-optimization (500+ stelle), per un totale di 38,586 stelle e una media di 2,143 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.