investment

Qlib ist eine KI-ausgerichtete Quant-Investment-Plattform, die darauf abzielt, AI-Technologie einzusetzen, um Quant-Research zu stärken, von der Ideenexploration bis zur Implementierung von Produkten. Qlib unterstützt diverse ML-Modellierungsparadigmen, darunter überwachtes Lernen, Markt-Dynamik-Modellierung und RL, und ist nun mit https://github.com/microsoft/RD-Agent ausgestattet, um den R&D-Prozess zu automatisieren.

Ein Open-Source-Entwicklungsframework für eine quantitative Handelsplattform basierend auf Python

FinceptTerminal ist eine moderne Finanzanwendung, die fortschrittliche Marktanalysen, Investitionsforschung und Wirtschaftsdaten-Tools bietet, für interaktive Exploration und datengetriebene Entscheidungsfindung in einer benutzerfreundlichen Umgebung.

Code für Machine Learning for Trading, 3. Auflage — von der Datensammlung bis zur Live-Ausführung.

Ein Value-Investing-Forschungslakeweb für das KI-Zeitalter, basierend auf Claude Code / Codex. Methodologien von 4 Meistern (Buffett, Munger, Duan Yongping, Li Lu) + Multi-Agenten-Analyse.

ValueCell ist eine community-getriebene Multi-Agenten-Plattform für Finanzanwendungen.

🔎 📈 🐍 💰 Backtesting von Handelsstrategien in Python.

Eine kuratierte Liste praktischer Tools und Anwendungen für Financial Machine Learning.

Finanzportfolio-Optimierung in Python, einschließlich klassischer effizienter Grenze, Black-Litterman und Hierarchical Risk Parity

Portfolio-Optimierung in Python.

Algorithmic Trading in Python mit Machine Learning

Eine Python-Finanzbibliothek mit Schwerpunkt auf Preisbestimmung und Risikomanagement von Finanzderivaten, einschließlich festverzinslicher Wertpapiere, Aktien, Devisen und Kreditderivate.

Backtesting-Engine für Fonds-Investitionsmanagement.

🚀 💸 Erstellen, Backtesten und Deployen Sie Ihren Algo ganz einfach in nur wenigen Zeilen Code. Handeln Sie Aktien, Kryptos und Devisen über Börsen hinweg mit einem einzigen Paket.

Claude Code für den Finanzmarkt

AI + Finance (Quant): 1. Open-Source-Tutorial für ein Multi-Faktor-Aktien-Quant-Framework 2. Sammlung klassischer Materialien aus Wissenschaft und Praxis 3. Arbeiten zu AI + Finance, einschließlich LLM, Agent, Benchmark (Evaluation) usw.

Investor Skills ist eine Open-Source-Bibliothek, die fundiertes Anlageurteil in tragbare, strukturierte Formate umwandelt. Sie erfasst, wie großartige Investoren denken, Möglichkeiten filtern, Risiken dimensionieren und unter Unsicherheit handeln – und strukturiert diese Muster, damit Menschen sie studieren und KI-Finanzagenten sie anwenden können.

Korea Investment & Securities Open API GitHub

FinHack®, ein leicht erweiterbares quantitatives Finanzframework, das in der aktuellen Version den gesamten Workflow der quantitativen Investmentforschung integriert, darunter Datenerfassung, Faktorberechnung, Faktormining, Faktoranalyse, maschinelles Lernen, Strategieerstellung, quantitatives Backtesting und Live-Trading-Anbindung.

Eine Open-Source-Portfolio-Backtesting-Engine für jedermann

Model Context Protocol (MCP) zur Ermöglichung des Tradings von KI-LLMs über die MetaTrader-Plattform

Invest Alchemy ist ein auf ETF-Portfolios ausgerichteter Handelsassistent.