quantitative-finance

Erstellen Sie Ihren autonomen Hedgefonds in wenigen Minuten. AutoHedge nutzt Schwarmintelligenz und KI-Agenten, um Marktanalyse, Risikomanagement und Handelsausführung zu automatisieren.

Modulares Quant-Framework.

Über 150 quantitative Finanz-Python-Programme, die dir helfen, Börsendaten zu sammeln, zu verarbeiten und zu analysieren

Eine Liste von Online-Ressourcen für quantitative Modellierung, Trading und Portfoliomanagement

Wir haben uns der Open-Source-Bereitstellung von quantitativem Wissen verschrieben, um die Informationslücke zwischen der inländischen und internationalen quantitativen Finanzbranche zu schließen.

Ressourcen zur Vorbereitung auf Positionen als Quant Developer, Quantitative Researcher, Quantitative Trader, Quant Analyst oder Software Engineer in Quant-Trading-Firmen, HFTs und Hedgefonds

Algorithmic Trading in Python mit Machine Learning

Multi-Agenten-Investment-Research-Framework für A-Aktien – angepasst an A-Aktien-Datenquellen, 7 Analysten basierend auf A-Aktien-Regeln für Debatte und Entscheidungsfindung, tiefgreifend modifiziert basierend auf TradingAgents.

Open-Source-Autofactor-Factory basierend auf Deep Reinforcement Learning.

QuantMind ist ein agentenbasiertes Framework zur Wissensextraktion und -abfrage für den quantitativen Finanzbereich.

ArcticDB ist eine hochleistungsfähige, serverlose DataFrame-Datenbank, die für das Python Data Science-Ökosystem entwickelt wurde.

Lokale Quantitative Engine für chinesische A-Aktien (Tages- und Minuten-K-Linien sowie ETF-Minutendaten), integriert inkrementelle Synchronisation, lokales Caching, Dividendenbereinigung, Batch-Abfragen, Backtesting und Indikatorenberechnung.

Python-Bibliothek zur Portfolio-Optimierung auf Basis von scikit-learn

Open-Source-Rust-Framework zum Erstellen von ereignisbasierten Live-Trading- und Backtesting-Systemen

Offizieller Tonghuashun (HiThink) A-Share-Finanzdatendienst, der Echtzeit- und historische Börsendaten, Finanzberichte, Indizes, Sektoren und Limit-Up-Daten für AI Agents, quantitative Forschung und Anwendungsentwicklung bereitstellt, mit Unterstützung für API, MCP, CLI und Python.

Dies ist eine Bibliothek zur Verwendung mit der Robinhood Financial App. Sie unterstützt derzeit den Handel mit Kryptowährungen, Optionen und Aktien. Darüber hinaus kann sie verwendet werden, um Echtzeit-Ticker-Informationen abzurufen, die Leistung Ihres Portfolios zu bewerten sowie Steuerdokumente, gezahlte Gesamtdividenden und mehr abzurufen.

Verschiedene Arten von Aktienanalysen in Excel, Matlab, Power BI, Python, R und Tableau

Framework für quantitativen Handel. Komplettes Framework für die Entwicklung, das Backtesting und die Bereitstellung automatisierter Handelsalgorithmen und Trading-Bots.

Backtestbare KI-Trading-Agenten und Python-Algorithmus-Trading-Strategien für Aktien, Optionen, Krypto, Futures, Devisen, SEC-Einreichungen, FRED-Makrodaten und echte Broker.

Verwendung von Python und scikit-learn für Aktienvorhersagen

Ein für das Frontend entwickeltes JavaScript-SDK zum Abrufen von Aktionsdaten ohne Python, ohne Backend-Dienst und ohne Abhängigkeiten.

Rust-Bibliothek für quantitative Finanzanalysen.

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.

Das offizielle Python-SDK für die Alpaca-API

TradingView Screener API – Aktien, Krypto, Devisen, Anleihen, Futures, Coins

Ein einsteigerfreundliches, aber leistungsstarkes Python-Toolkit für Finanzanalyse und -automatisierung — entwickelt, um modernes Investieren für jeden zugänglich zu machen

Stock Indicators for .NET ist ein C#-NuGet-Paket, das rohe Finanzmarktkurse von Aktien, Rohstoffen, Devisen oder Kryptowährungen in technische Indikatoren und Handelsanalysen umwandelt. Diese essenziellen Daten werden für Investitionstools benötigt, die für den algorithmischen Handel, die technische Analyse, maschinelles Lernen oder visuelle Charts entwickelt werden.

51bitquant Python Krypto-Quantenhandelsvideos CCXT-Framework Börsendaten scrapen Bitcoin-Quantenhandel Trading-Bot 51bitquant tradingbot cryptocurrency quantitative trading btc trading

Docker-Image mit IB Gateway/TWS und IBC.

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.