#quantitative-analysis Repositórios
Descubra 15 repositórios ativos de código aberto no GitHub marcados com #quantitative-analysis, acumulando um total de 47,467 estrelas (uma média de 3,164 por projeto). O líder deste tópico é polakowo/vectorbt, com 9,903 estrelas.
15 repositórios no total
O mecanismo de pesquisa que oferece a você uma vantagem injusta. Teste milhares de ideias de trading antes que os outros terminem uma.
Técnicas e números para estimar o desempenho de sistemas a partir de primeiros princípios
ArcticDB é um banco de dados DataFrame serverless de alto desempenho, construído para o ecossistema de Ciência de Dados em Python.
Framework para trading quantitativo. Framework completo para desenvolvimento, backtesting e implantação de algoritmos de trading automatizados e bots de trading.
Vários Tipos de Análise de Ações no Excel, Matlab, Power BI, Python, R e Tableau
Um toolkit Python intuitivo para iniciantes, mas poderoso para análise financeira e automação — construído para tornar o investimento moderno acessível a todos
Um Motor de Backtesting de Portfólio de Código Aberto para Todos | 面向所有人的开源投资组合回测引擎
Uma ferramenta R para análise abrangente de mapeamento científico. Um pacote para pesquisa quantitativa em cienciometria e bibliometria.
Perguntas Frequentes
Qual é o repositório de #quantitative-analysis mais popular no GitHub?
O projeto de código aberto de #quantitative-analysis mais bem classificado no GitHub é polakowo/vectorbt, com 9,903 estrelas. O mecanismo de pesquisa que oferece a você uma vantagem injusta. Teste milhares de ideias de trading antes que os outros terminem uma.
Quais linguagens de programação são mais usadas nos repositórios de #quantitative-analysis?
Entre os projetos de #quantitative-analysis mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, Rust, C++.
Como é calculada a classificação dos repositórios de #quantitative-analysis?
Acompanhamos 15 repositórios ativos de código aberto marcados com #quantitative-analysis (com mais de 500 estrelas), totalizando 47,467 estrelas e uma média de 3,164 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.