量化金融资源宝典。精心挑选的、极其优秀的量化金融（Quantitative Finance）库、软件包和资源列表

资源合集
收藏
回帖
新手上路 昨天 21:37
主楼

Python

数值库与数据结构

  • numpy - NumPy 是 Python 中科学计算的基础包。
  • scipy - SciPy（发音为“Sigh Pie”）是一个基于 Python 的开源软件生态系统，用于数学、科学和工程。
  • pandas - pandas 是一个开源的、使用 BSD 许可证的库，为 Python 编程语言提供高性能、易于使用的数据结构和数据分析工具。
  • polars - Polars 是一个用于操作结构化数据的极速 DataFrame 库。
  • quantdsl - 专为金融和交易领域定量分析设计的领域特定语言。
  • statistics - 内置 Python 库，用于所有基本统计计算。
  • sympy - SymPy 是一个用于符号数学的 Python 库。
  • pymc3 - Python 中的概率编程：使用 Theano 进行贝叶斯建模和概率机器学习。
  • modelx - 将电子表格重新想象为以公式为中心的对象，与 pandas 互操作。
  • ArcticDB - 高性能时间序列和 tick 数据存储。

金融工具与定价

  • OpenBB Terminal - 面向所有人的投资研究终端。
  • Fincept Terminal - 基于高级数据的 AI 终端，适用于各类金融资产研究。
  • PyQL - QuantLib 的 Python 版本。
  • pyfin - Python 中的基础期权定价。已归档
  • vollib - vollib 是一个用于计算期权价格、隐含波动率和希腊字母的 Python 库。
  • QuantPy - 一个用于量化金融的 Python 框架。
  • Finance-Python - 金融 Python 工具。
  • ffn - 一个用于 Python 的金融函数库。
  • pynance - 轻量级 Python 库，用于组装和分析金融数据。
  • tia - 集成和分析工具包。
  • hasura/base-python-dash - Hasura 快速入门，用于部署 Dash 框架。基于 Flask、Plotly.js 和 React.js 编写，Dash 是用纯 Python 构建，具有高度自定义用户界面的数据可视化应用的理想选择。
  • hasura/base-python-bokeh - Hasura 快速入门，使用 bokeh 库进行数据可视化。
  • pysabr - SABR 模型 Python 实现。
  • FinancePy - 一个专注于金融衍生品定价和风险管理（包括固定收益、股票、外汇和信用衍生品）的 Python 金融库。
  • gs-quant - 量化金融 Python 工具包
  • willowtree - 用于衍生品定价的鲁棒且灵活的 willow tree lattice Python 实现。
  • financial-engineering - 将蒙特卡洛方法应用于金融工程项目的 Python 应用程序。
  • optlib - 用于金融期权定价的 Python 编写的库。
  • tf-quant-finance - 用于量化金融的高性能 TensorFlow 库。
  • Q-Fin - 用于数学金融的 Python 库。
  • Quantsbin - 用于香草期权定价、绘制希腊字母和各种其他分析的工具。
  • finoptions - 完整的 R 包 fOptions 的 Python 实现，以及 fExoticOptions 的部分实现，用于定价各种期权。
  • pypme - PME（公共市场等值）计算。
  • AbsBox - 一个基于 Python 的库，用于对结构化产品（如资产支持证券（ABS）和抵押支持证券（MBS））进行现金流建模。
  • Intrinsic-Value-Calculator - 一个使用贴现现金流分析的 Python 工具，用于快速计算股票的公平价值。
  • Kelly-Criterion - 基于 J. L. Kelly Jr 公式的 Python 实现的凯利准则，用于根据投资组合规模。
  • rateslib - 一个固定收益库，用于定价债券和债券期货，以及 IRS、跨币和外汇掉期等衍生品。
  • fypy - 一个香草和奇异期权定价库，用于支持量化研发。专注于定价有趣的/有用的模型和合约（包括但不限于 Black-Scholes），以及将金融模型校准到市场数据。

指标

交易与回测

  • skfolio - 基于 scikit-learn 构建的 Python 库，用于投资组合优化。它提供统一的接口和与 scikit-learn 兼容的工具，用于构建、调整和交叉验证投资组合模型。
  • Investing algorithm framework - 用于开发、回测和部署自动化交易算法的框架。
  • QSTrader - QSTrader 回测模拟引擎。
  • Blankly - 集成回测、模拟交易和实时部署的完整解决方案。
  • TA-Lib - TA-Lib 的 Python 封装 (<http://ta-lib.org/>).
  • zipline - Python 风格的算法交易库.
  • zipline-reloaded - Zipline，一个 Python 风格的算法交易库.
  • QuantSoftware Toolkit - 基于 Python 的开源软件框架，旨在支持投资组合构建和管理.
  • quantitative - 量化金融，以及回测库。
  • analyzer - 用于实时金融和回测交易策略的 Python 框架。
  • bt - Python 的灵活回测。
  • backtrader - 用于交易策略的 Python 回测库。
  • pythalesians - 用于回测交易策略、绘制图表、无缝下载市场数据、分析市场模式等的 Python 库。
  • pybacktest - 基于 Python / pandas 的向量化回测框架，旨在简化您的回测过程。
  • pyalgotrade - Python 算法交易库。
  • basana - 一个用于算法交易的 Python 异步和事件驱动框架，专注于加密货币。
  • tradingWithPython - 用于量化交易的函数和类集合。
  • Pandas TA - Pandas TA 是一个易于使用的 Python 3 Pandas 扩展，包含 115+ 指标。轻松构建自定义策略。
  • ta - 使用 Pandas 的技术分析库（Python）。
  • algobroker - 这是一个用于算法交易的执行引擎。
  • pysentosa - sentosa 交易系统的 Python API。
  • finmarketpy - 用于回测交易策略和分析金融市场的 Python 库。
  • binary-martingale - 自动以马丁格尔方式进行二元期权交易的计算机程序。
  • fooltrader - 利用大数据技术提供统一方式分析整个市场的项目。
  • zvt - 该项目使用 sql、pandas 提供了一种统一且可扩展的方式来记录数据、计算因子、选择证券、回测、实时交易，并且可以在实时清晰地展示所有这些内容。
  • pylivetrader - 兼容 zipline 的实时交易库。
  • pipeline-live - 结合 IEX 的 zipline 管道功能，用于实时交易。
  • zipline-extensions - QuantRocket 的 zipline 扩展和适配器。
  • moonshot - 基于 Pandas 的 QuantRocket 向量化回测器和交易引擎。
  • PyPortfolioOpt - Python 中的金融投资组合优化，包括经典有效边界和高级方法。
  • Eiten - Eiten 是 Tradytics 开发的开源工具包，实现了各种统计和算法投资策略，如特征值投资组合、最小方差投资组合、最大夏普比率投资组合和基于遗传算法的投资组合。
  • riskparity.py - 使用 TensorFlow 2.0 快速可扩展地设计风险平价投资组合。
  • mlfinlab - 关于 Marcos Lopez de Prado 所著的《金融机器学习进展》的相关实现。（特征工程，金融数据结构，元标签）
  • pyqstrat - 一个快速、可扩展、透明的 Python 库，用于回测量化策略。
  • NowTrade - 用于回测股票和货币市场技术/机械策略的 Python 库。
  • pinkfish - 用于安全分析的回测器和电子表格库。
  • aat - 异步算法交易引擎
  • Backtesting.py - 在 Python 中回测交易策略
  • catalyst - 用于加密资产的 Python 算法交易库
  • quantstats - 量化分析师的投资组合分析工具，使用 Python 编写
  • qtpylib - QTPyLib，Pythonic Algorithmic Trading <http://qtpylib.io>
  • Quantdom - 基于 Python 的交易策略回测与金融市场分析框架 [GUI :neckbeard:]
  • freqtrade - 免费开源的加密货币交易机器人
  • algorithmic-trading-with-python - 免费用于交易模拟、回测和金融数据机器学习的pandas和scikit-learn资源
  • DeepDow - 基于深度学习的投资组合优化
  • Qlib - 由微软开发的面向 AI 的量化投资平台。包含数据处理、模型训练、回测的全 ML 流程；覆盖量化投资全链路：Alpha 挖掘、风险建模、投资组合优化和订单执行。
  • machine-learning-for-trading - 用于算法交易的机器学习代码和资源
  • AlphaPy - 使用 Python、scikit-learn、Keras、XGBoost、LightGBM 和 CatBoost 的自动化机器学习[AutoML]
  • jesse - 一款用 Python 编写的先进加密货币交易机器人
  • rqalpha - 一个可扩展、可替换的 Python 算法回测和交易框架，支持多种证券。
  • FinRL-Library - 用于量化金融自动交易的深度强化学习库。NeurIPS 2020。
  • bulbea - 基于深度学习的股票市场预测和建模 Python 库。
  • ib_nope - 基于 IBKR TWS 的 NOPE 策略自动化交易系统。
  • OctoBot - 开源高频交易、套利、技术分析和社交交易机器人，具有高级网络界面。
  • bta-lib - 基于 pandas 的技术分析库，用于回测算法交易和量化分析。
  • Stock-Prediction-Models - 收集用于股票预测的机器学习和深度学习模型，包括交易机器人和模拟。
  • TuneTA - TuneTA 使用距离相关性度量方法优化技术指标，以用户定义的目标特征（如次日回报）为基准。
  • AutoTrader - 一个基于 Python 的自动化交易系统开发平台，从回测到优化再到实盘交易。
  • fast-trade - 一个以回测可移植性和性能为目标的库，用于回测交易策略。
  • qf-lib - QF-Lib 是一个 Python 库，为量化金融提供高质量的工具。
  • tda-api - 通过 TDAmeritrade 收集数据并交易股票、期权和 ETF。
  • vectorbt - 使用强大的工具包进行回测、算法交易和研究，找到您的交易优势。
  • Lean - QuantConnect 提供的 Lean 算法交易引擎（Python, C#）
  • [fast-trade]（https://github.com/jrmeier/fast-trade） - 基于 pandas 和技术分析指标的低代码回测库。
  • pysystemtrade - pysystemtrade 是 Robert Carver 的回测和交易引擎的开源版本，该引擎根据其著作《Systematic Trading》中概述的框架实现系统，并在其 博客 上进一步开发。
  • pytrendseries - 检测时间序列中的趋势、回撤、固定回撤窗口内的回撤、最大回撤、水下时间。
  • PyLOB - 完全功能的快速限价订单簿，使用 Python 编写。
  • PyBroker - 基于机器学习的算法交易。
  • OctoBot 脚本 - 一个量化框架，用于创建加密货币策略 - 从回测到优化到实盘交易。
hftbacktest - 一个高频交易和做市回测工具，考虑限价单、排队位置和延迟，使用完整逐笔数据来进行交易和订单簿。
  • vnpy - VeighNa 是一个基于 Python 的开源量化交易系统开发框架。
  • 智能交易机器人 - 基于机器学习和特征工程自动生成信号和进行交易
  • fastquant - fastquant 允许您使用最少 3 行 Python 代码轻松回测投资策略。
  • nautilus_trader - 一个高性能的算法交易平台和事件驱动回测器。
  • YABTE - 另一个（Python）回测引擎。
  • Trading Strategy - TradingStrategy.ai 是一个用于去中心化金融的市场数据、回测、实盘交易和投资者管理框架。
  • Hikyuu - 一个基于 Python/C++ 的开源高性能量化框架，用于更快地分析和回测，包含可重用和组合的完整交易系统组件。
  • rust_bt - 一个高性能、低延迟的回测引擎，用于在 Rust 中对历史和实时数据上的量化交易策略进行测试。
  • Gunbot Quant - 量化交易分析工具包。它集成了高级市场筛选器、多策略、多资产回测引擎。可与内置 GUI 或通过 CLI 使用。
  • StrateQueue - 一个开源、与经纪商无关的 Python 库，允许您无缝地将任何主要回测引擎的策略部署到实盘（或模拟）交易，无需代码更改并内置安全控制。

风险分析

  • QuantLibRisks - 使用 QuantLib 进行快速风险分析
  • XAD - 自动微分（AAD）库
  • pyfolio - Python 中的投资组合和风险分析工具
  • empyrical - 常见的金融风险和绩效指标。
  • fecon235 - 金融经济计算工具包括：Leptokurtotic 风险的 Gaussian 混合模型，自适应 Boltzmann 投资组合。
  • finance - 金融风险计算。通过类构造和运算符重载优化易用性。
  • qfrm - 定量金融风险管理：用于衡量、管理和可视化金融工具和投资组合风险的强大面向对象工具。
  • visualize-wealth - 投资组合构建和量化分析。
  • VisualPortfolio - 该工具用于可视化投资组合的表现。
  • universal-portfolios - 在线投资组合选择的算法集合。
  • FinQuant - 用于金融投资组合管理、分析和优化的程序。
  • Empyrial - 投资组合的风险和绩效分析以及收益预测。
  • risktools - 用于原油和原油产品交易领域的风险工具，部分实现了 R 的 PerformanceAnalytics。
  • Riskfolio-Lib - Python 中的投资组合优化和定量战略资产配置。
  • empyrical-reloaded - 常见的金融风险和绩效指标。empyrical分支。
  • pyfolio-reloaded - Python 中的投资组合和风险分析。pyfolio分支。
  • fortitudo.tech - 条件风险价值（CVaR）投资组合优化和熵池视图/压力测试（Python 实现）。
  • Quant Lab Alpha — 基于因素的建模，用于投资组合风险分解和蒙特卡洛模拟的工具包。
  • quantitative-finance-tools - 用于投资组合优化（MVO）和严格风险指标（VaR/CVaR）的库。

因子分析

  • alphalens - 预测性 alpha 因子的性能分析。
  • alphalens-reloaded - 预测性（alpha）股票因子的性能分析。
  • Spectre - GPU 加速的因子分析库和回测器

情感分析

量化研究环境

  • Jupyter Quant - 一个使用 Docker 化的 Jupyter 量化研究环境，预装了量化分析、statsmodels、pymc、arch、py_vollib、zipline-reloaded、PyPortfolioOpt 等工具。

时间序列

  • ARCH - Python 中的 ARCH 模型。
  • statsmodels - 允许用户探索数据、估计统计模型和执行统计测试的 Python 模块。
  • dynts - 用于时间序列分析和操作的 Python 包。
  • PyFlux - 用于时间序列建模和推断（频率主义和贝叶斯）的 Python 库。
  • tsfresh - 自动从时间序列中提取相关特征。
  • hasura/quandl-metabase - Hasura 快速入门，用于使用 Metabase 可视化 Quandl 的时间序列数据集。
  • Facebook Prophet - 用于生成具有多个季节性、线性或非线性增长的时间序列数据高质量预测的工具。
  • tsmoothie - 一个用于时间序列平滑和向量化异常值检测的 Python 库。
  • pmdarima - 一个旨在填补 Python 时间序列分析能力的统计库，包括 R 的 auto.arima 函数的等效功能。
  • gluon-ts - Python 中的概率时间序列建模。
  • functime - 大规模时间序列机器学习。使用 Polars 构建，用于面板数据的并行特征提取和预测。

日历

数据源

  • StockAPI – 免费实时中国股市数据（REST & WebSocket）。
  • yfinance - Yahoo! Finance 市场数据下载器 (+更快 Pandas Datareader)
  • defeatbeta-api - 一个开源的替代 Yahoo Finance 市场数据 API 的方案，可靠性更高。
  • findatapy - 用于通过 Bloomberg、Quandl、Yahoo 等下载市场数据的 Python 库。
  • googlefinance - 用于从 Google Finance API 获取实时股票数据的 Python 模块。
  • yahoo-finance - 用于从 Yahoo! Finance 获取股票数据的 Python 模块。
  • pandas-datareader - 用于将来自各种来源（Google Finance、Yahoo Finance、FRED、OECD、Fama/French、世界银行、Eurostat 等）的数据导入 Pandas 数据结构（如 DataFrame、Panel），并具有缓存机制。
  • pandas-finance - 用于访问和分析金融数据的高级 API。
  • pyhoofinance - 快速查询 Yahoo Finance 的多个股票代码，并返回用于分析的类型化数据。
  • yfinanceapi - Python 的金融 API。
  • yql-finance - yql-finance 简单快速。API 返回当前时间段内的股票收盘价和当前股票代码（例如 APPL、GOOGL）。
  • ystockquote - 从 Yahoo Finance 获取股票报价数据。
  • wallstreet - 实时股票和期权数据。
  • stock_extractor - 从在线资源中提取通用股票数据。
  • Stockex - Yahoo! Finance API 的 Python 封装。
  • finsymbols - 获取 SP500、AMEX、NYSE 和 NASDAQ 的股票代码及相关信息。
  • FRB - FRED® API 的 Python 客户端。
  • inquisitor - Econdb.com API 的 Python 接口。
  • yfi - Yahoo! YQL 库。
  • chinesestockapi - 用于获取中国股票价格的 Python API。
  • exchange - 获取当前汇率。
  • ticks - 简单的命令行工具，用于获取股票交易数据。
  • pybbg - Bloomberg COM API 的 Python 接口。
  • ccy - 用于货币的 Python 模块。
  • tushare - 用于抓取中国股票历史和实时行情数据的工具。
  • jsm - 获取日本股市数据。
  • cn_stock_src - 从不同来源获取中国股票基本数据的工具。
  • coinmarketcap - coinmarketcap 的 Python API。
  • after-hours - 获取特定代码的前市和后市股票价格。
  • bronto-python - Bronto API 的 Python 集成。
  • pytdx - 用于从同花顺节点获取中国股票实时行情数据的 Python 接口。
  • pdblp - 一个简单的接口，用于集成 pandas 和 Bloomberg Open API。
  • tiingo - Tiingo 数据平台的 Python 接口，用于每日综合价格/OHLC/成交量 + 实时新闻源。
  • iexfinance - Python 接口，用于从 The Investor's Exchange 获取实时和历史价格及股票数据。
  • pyEX - IEX 的 Python 接口，侧重于 pandas，支持流式数据、高级数据、点数据（经济、利率、商品）和技术指标。
  • alpaca-trade-api - Alpaca API 的 Python 接口，用于获取实时和历史价格以及交易执行。
  • metatrader5 - MetaTrader 5 终端的 API 连接器
  • akshare - AkShare 是一个优雅且简单的 Python 金融数据接口库，专为人类构建！<https://akshare.readthedocs.io>
  • yahooquery - 通过非官方的 Yahoo Finance API 获取数据的 Python 接口。
  • investpy - 使用 Python 从 Investing.com 提取金融数据！ <https://investpy.readthedocs.io/>
  • yliveticker - 来自 Yahoo Finance websocket 的市场数据实时流。
  • bbgbridge - 一个易于使用的 Bloomberg 桌面 API 的 Python 封装。
  • polygon.io - 一个用于 Polygon.io 金融数据 API 的 Python 库。
  • alpha_vantage - Alpha Vantage API 的 Python 封装，用于获取金融数据。
  • oilpriceapi - 用于实时石油和商品价格（WTI、布伦特、乌拉尔、天然气、煤炭）的 Python SDK，与 OpenBB 集成。
  • FinanceDataReader - 开源金融数据读取器，支持美国、韩国、日本、中国、越南股票。
  • pystlouisfed - 联邦储备银行圣路易斯 API 的 Python 客户端 - FRED、ALFRED、GeoFRED 和 FRASER。
  • python-bcb - 用于巴西中央银行网络服务的 Python 接口。
  • market-prices - 基于对exchange-calendars的了解，创建有意义的 OHLCV 数据集（可立即与 Yahoo Finance 数据配合使用）。
  • tardis-python - 用于 Tardis.dev 高频加密市场数据的 Python 接口。
  • lake-api - 用于 Crypto Lake 高频加密市场数据的 Python 接口。
  • tessa - 简单、便捷地获取金融资产价格信息（目前基于 yfinance 和 pycoingecko），包括搜索和符号类。
  • pandaSDMX - 实现 SDMX 2.1（ISO 17369:2013）的 Python 包，SDMX 2.1 是一种用于国家统计机构、中央银行和国际组织交换统计数据和元数据的格式。
  • cif - 包含少数复合指标的 Python 包，这些复合指标总结了各个经济指标之间的多维关系。
  • finagg - finagg 是一个 Python 包，提供流行且免费的金融 API 实现，工具用于将来自这些 API 的历史数据聚合到 SQL 数据库中，以及工具用于将聚合数据转换为用于分析和 AI/ML 的特征。
  • FinanceDatabase - 这是一个包含 30 万+符号的数据库，涵盖股票、ETF、基金、指数、货币、加密货币和货币市场。
  • Trading Strategy - 下载去中心化交易所和借贷协议（DeFi）的价格数据。
  • datamule-python - 一个用于处理 SEC 数据的包。集成了 datamule 端点。
  • Earnings Feed - 实时 SEC 文件、内幕交易和机构持股 API。
  • Financial Data - 股票市场和金融数据 API。
  • SaxoOpenAPI - Saxo 银行金融数据 API。
  • fsynth - 使用 Heston 随机波动率和 Merton 跳跃扩散模型生成高保真无限合成金融数据的 Python 库。
  • fedfred - 预处理为 pandas/geopandas、polars/polars_st 和 dask 数据框/地理数据框输出的 FRED & GeoFRED 经济数据 API。
  • edgar-sec - EDGAR 财务数据 API，提供预处理的数据类输出。

Excel 集成

  • xlwings - 使用 Python 让 Excel 飞起来。
  • openpyxl - 读取/写入 Excel 2007 xlsx/xlsm 文件。
  • xlrd - 用于开发者从 Microsoft Excel 电子表格文件中提取数据的库。
  • xlsxwriter - 用于以 Excel 2007+ XLSX 文件格式写入文件的库。
  • xlwt - 用于在任何平台上创建与 MS Excel 97/2000/XP/2003 XLS 文件兼容的电子表格文件的库。
  • DataNitro - DataNitro 也提供功能齐全的 Python-Excel 集成，包括 UDF。提供试用下载，但用户必须购买许可证。
  • xlloop - XLLoop 是一个开源框架，用于在集中式服务器（函数服务器）上实现 Excel 用户定义函数（UDFs）。
  • expy - ExPy 插件允许直接从 Microsoft Excel 电子表格中轻松使用 Python，既可以执行任意代码，也可以定义新的 Excel 函数。
  • pyxll - PyXLL 是一个 Excel 插件，它让您仅使用 Python 代码扩展 Excel。

可视化

  • D-Tale - 用于 pandas 数据框和 xarray 数据集的可视化工具。
  • mplfinance - 用于可视化及财务数据分析的 matplotlib 工具。
  • finplot - Python 中高效且轻松的金融绘图工具。
  • finvizfinance - Finviz 分析 Python 库。
  • market-analy - 使用 market-prices 和 bqplot 进行分析和交互式图表绘制。
  • QuantInvestStrats - 量化投资策略 (QIS) 包实现 Python 分析，用于金融数据可视化、绩效报告和量化策略分析。

R

数值库与数据结构

  • xts - 可扩展时间序列：通过扩展 zoo，为 R 的不同时间数据类提供统一处理方式，最大化原生格式信息保留，并允许用户级别定制和扩展，同时简化跨类互操作性。
  • data.table - data.frame 的扩展：快速聚合大型数据（例如 RAM 中的 100GB），快速有序连接，通过分组快速添加/修改/删除列而不进行任何复制，列表列和快速文件读取器（fread）。提供自然且灵活的语法，以加快开发速度。
  • sparseEigen - 稀疏主成分分析。
  • TSdbi - 提供对时间序列数据库的通用接口。
  • tseries - 时间序列分析与计算金融。
  • zoo - 用于常规和不规则时间序列的 S3 基础设施（Z 的有序观测值）
  • tis - 用于时间索引和时间索引序列的函数和 S3 类，与 FAME 频率兼容。
  • tfplot - 用于简单操作和快速绘制时间序列数据的工具。
  • tframe - 用于以相对独立于时间表示方式的方式编程时间序列方法的函数内核。

数据源

  • IBrokers - 提供对 Interactive Brokers Trader Workstation API 的原生 R 访问。
  • Rblpapi - 通过'Blp API'提供'Bloomberg'的 R 接口。
  • Quandl - 直接将金融数据导入 R。
  • Rbitcoin - 统一市场 API 接口（bitstamp、kraken、btce、bitmarket）。
  • GetTDData - 直接从 Tesouro Direto 网站下载和聚合巴西政府债券数据。
  • GetHFData - 直接从 Bovespa ftp 站点下载和聚合巴西工具的高频交易数据。
  • Reddit WallstreetBets API - 通过 API 提供来自 Reddit (subreddit) Wallstreetbets 的每日前 50 支股票及其情绪。
  • td - 用于股票和（数字和标准）货币的 'twelvedata' API 接口。
  • rbcb - 巴西中央银行网络服务的 R 接口。
  • rb3 - 用于从 B3 提供的数据下载器和解析器的一组工具。
  • simfinapi - 使 'SimFin' 数据（<https://simfin.com/>）在 R 中易于访问。
  • tidyfinance - Tidy Finance 辅助函数，用于下载金融数据并将原始数据处理为结构化格式（整洁数据），包括
日期转换、缩放因子值以及按指定日期过滤。

金融工具与定价

  • RQuantLib - RQuantLib 连接 GNU R 与 QuantLib。
  • quantmod - 定量金融建模框架。
  • Rmetrics - 首选的开源软件解决方案，用于教授和培训量化金融。
  • fAsianOptions - EBM 和亚式期权定价。
  • fAssets - 分析和建模金融资产。
  • fBasics - 市场和基础统计。
  • fBonds - 债券和利率模型。
  • fExoticOptions - 异型期权估值。
  • fOptions - 定价和评估基础期权。
  • fPortfolio - 投资组合选择和优化。
  • portfolio - 分析股票投资组合。
  • sparseIndexTracking - 投资组合设计以跟踪指数。
  • covFactorModel - 通过因子模型进行协方差矩阵估计。
  • riskParityPortfolio - 风险平价投资组合的极速设计。
  • sde - 随机微分方程的模拟与推断。
  • YieldCurve - 收益曲线的建模与估计。
  • SmithWilsonYieldCurve - 使用 Smith-Wilson 方法根据 LIBOR 和 SWAP 利率表构建收益率曲线。
  • ycinterextra - 收益率曲线或零息债券价格插值和外推。
  • AmericanCallOpt - 该软件包包含针对产生收益的标的资产的美国看涨期权定价函数。
  • VarSwapPrice - 对股票指数的方差互换进行定价。
  • RND - 风险中性密度提取包。
  • LSMonteCarlo - 使用最小二乘蒙特卡洛方法的美式期权定价。
  • OptHedging - 期权价值和对冲策略的估计。
  • tvm - 资金时间价值函数。
  • OptionPricing - 基于高效模拟算法的期权定价。
  • credule - 信用违约互换功能。
  • derivmkts - 用于衍生品市场的函数和 R 代码。
  • FinCal - 用于计算现值、时间序列分析和计算金融的软件包。
  • r-quant - 金融量化分析的 R 代码。
  • options.studies - 用于与 options.data 包和 shiny 一起使用的期权交易研究函数。
  • PortfolioAnalytics - 投资组合分析，包括用于投资组合优化的数值方法。
  • fmbasics - 金融市场基础模块。
  • R-fixedincome - 用于 R 的固定收益工具。

交易

  • backtest - 探索基于投资组合的金融工具假设。
  • pa - 股票投资组合的绩效归因。
  • TTR - 技术交易规则。
  • QuantTools - 增强型量化交易建模。
  • blotter - 交易系统及模拟中用于定义工具、交易、投资组合和账户的交易基础设施。提供多资产类别和多货币投资组合的支持。积极维护和开发。

回测

  • quantstrat - 用于构建交易系统和模拟的事务型基础设施。为回测和其他金融研究提供对多资产类别和多货币投资组合的支持。

风险分析

因子分析

  • FactorAnalytics - FactorAnalytics 软件包包含用于投资组合构建、优化和风险管理中三种主要因子模型的拟合和分析方法，即基本面因子模型、时间序列因子模型和统计因子模型。
  • Expected Returns - 用于增强投资组合多样化和复制近期最佳投资参考之一《Expected Returns: An Investors Guide to Harvesting Market Rewards》中讨论的 seminal 论文的 R 解决方案，该论文由 Antti Ilmanen 撰写。

时间序列

  • tseries - 时间序列分析和计算金融。
  • fGarch - Rmetrics - 自回归条件异方差模型。
  • timeSeries - Rmetrics - 金融时间序列对象。
  • rugarch - 单变量 GARCH 模型。
  • rmgarch - 多变量 GARCH 模型。
  • tidypredict - 在数据库中运行预测 <https://tidypredict.netlify.com/>。
  • tidyquant - 将金融分析带到 tidyverse 中。
  • timetk - 用于在 R 中处理时间序列的工具包。
  • tibbletime - 基于 tidyverse 构建，tibbletime 是一个扩展，允许通过设置时间索引来创建时间感知的 tibbles。
  • matrixprofile - 基于新颖的矩阵特征数据结构和算法构建的时间序列数据挖掘库。
  • garchmodels - GARCH 模型的 parsnip 后端。

日历

Matlab

Alternatives

  • RunMat - 高性能，开源，MATLAB 语法运行时。

框架

  • QUANTAXIS - 集成 Matlab 的量化工具箱。
  • PROJ_Option_Pricing_Matlab - 量化期权定价 - 奇异/普通：障碍、亚式、欧洲、美国、巴黎、回溯、克莱奎特、波动率互换、摇摆、提前开始、阶梯、衰减

Julia

Java

  • Strata - 由 Java 设计和编写的现代开源分析和市场风险库
  • JQuantLib - JQuantLib 是一个免费的、开源的、全面的量化金融框架，使用 100% Java 编写。
  • finmath.net - 与数学金融相关的算法和方法论的 Java 库。
  • quantcomponents - 量化金融和算法交易的免费 Java 组件。
  • DRIP - 固定收益、资产配置、交易成本分析、XVA 指标库。
  • ta4j - 一个用于技术分析的 Java 库。

JavaScript

  • finance.js - 一个用于常见金融计算的 JavaScript 库。
  • portfolio-allocation - PortfolioAllocation 是一个 JavaScript 库，旨在帮助构建由多种资产组成的金融投资组合：债券、大宗商品、加密货币、货币、交易所交易基金（ETFs）、共同基金、股票等...
  • Ghostfolio - 一种财富管理软件，用于跟踪股票、ETF 或加密货币等金融资产，并做出稳健、数据驱动的投资决策。
  • IndicatorTS - Indicator 是一个 TypeScript 模块，提供各种股票技术分析指标、策略以及用于交易的回测框架。
  • chart-patterns - 用于 Market Profile、Volume Profile、Stacked Imbalances 和 High Volume Node 指标的技术分析库。
  • orderflow - Orderflow 交易聚合器，用于从交易所 WebSocket 数据构建足迹蜡烛。
  • ccxt - 支持 100 多个比特币/加密货币交易所的 JavaScript / Python / PHP 加密货币交易 API。
  • PENDAX - 用于交易/数据 API 和 FTX、FTXUS、OKX、Bybit 等 Websocket 的 JavaScript SDK。

数据可视化

Haskell

  • quantfin - 纯 Haskell 的量化金融。
  • Haxcel - Haskell 的 Excel 插件。
  • Ffinar - 一个用 Haskell 编写的金融数学库。

Scala

  • QuantScale - Scala 量化金融库。
  • Scala Quant - 用于处理 IFTTT 配方或 Google Finance 股票数据的 Scala 库。

Ruby

  • Jiji - 使用 OANDA REST API 的开源外汇算法交易框架。

Elixir/Erlang

  • Tai - 开源的可组合、实时市场数据和交易执行工具包。
  • Workbench - 从想法到执行 - 在全球分布式集群中管理您的交易运营
  • Prop - 一个开放且具有主观意见的交易平台，使用生产力和熟悉的开源库和工具进行策略研究、执行和运营。

Golang

  • Kelp - Kelp 是一个开源的 Golang 算法加密货币交易机器人，运行在中心化交易所和 Stellar DEX（命令行使用和桌面 GUI）。
  • marketstore - 金融时间序列数据的 DataFrame 服务器。
  • IndicatorGo - IndicatorGo 是一个 Golang 模块，提供各种股票技术分析指标、策略以及交易回测框架。

CPP

  • QuantLib - QuantLib 项目旨在提供一个全面的量化金融软件框架。
  • QuantLibRisks - 使用 C++ 中的 QuantLib 快速进行风险计算
  • XAD - 自动微分（AAD）库
  • TradeFrame - 基于 C++ 17 的框架/库（附带示例应用程序），用于使用 DTN IQ 实时数据源和 Interactive Brokers（TWS API）进行交易执行，测试基于期权自动化交易策略。内置期权希腊字母/隐含波动率计算库。
  • Hikyuu - 一个基于 Python/C++ 的开源高性能量化框架，用于更快地分析和回测，包含可重用和组合的完整交易系统组件。您可以使用 Python 或 C++ 自由地使用。
  • OrderMatchingEngine - 一个生产级、无锁、高频交易的匹配引擎，每秒可处理超过 1.5 亿订单。

框架

CSharp

  • QuantConnect - Lean Engine 是一个开源的全托管 C#算法交易引擎，适用于桌面和云使用。
  • StockSharp - 算法交易和量化交易开源平台，用于开发交易机器人（股票市场、外汇、加密货币、比特币和期权）。
  • TDAmeritrade.DotNetCore - 免费开源的 .NET 客户端，用于 TD Ameritrade 交易平台。帮助开发者将 TD Ameritrade API 集成到自定义交易解决方案中。

Rust

  • QuantMath - 用于风险中性定价和风险计算的金融数学库
  • Barter - 用于构建事件驱动实时交易和回测系统的开源 Rust 框架
  • LFEST - 模拟永续期货交易所，用于交易您的策略。
  • TradeAggregation - 使用信息驱动的规则将交易聚合到用户定义的 K 线图中。
  • SlidingFeatures - 可链式操作的树状滑动窗口，用于信号处理和技术分析。
  • RustQuant - 用 Rust 编写的量化金融库。
  • finalytics - 一个用于金融数据分析的 Rust 库。
  • RunMat - MATLAB 语法数组数学的 Rust 运行时，支持自动 CPU/GPU 执行和用于量化模拟的融合内核。

复现工作、训练与书籍

  • 自动微分网站 - 自动微分（AD）/伴随算法微分（AAD）的背景和资源。
  • Derman 论文 - 复现 Emanuel Derman 原始量化金融论文的笔记本。
  • ML-Quant - 顶级量化资源，如 ArXiv（正常）、SSRN、RePec、期刊、播客、视频和博客。
  • volatility-trading - 基于 Euan Sinclair 的 Volatility Trading 的一套完整的波动率估计器。
  • quant - 量化金融和算法交易的全面内容；主要基于 Quantopian、Zipline 或 Pandas 的 ipython 笔记本。
  • fecon235 - 金融经济学软件工具的开源项目。许多 jupyter 笔记本用于交互式验证理论思想和实际方法。
  • Quantitative-Notebooks - 量化金融、算法交易、金融建模和投资策略的教育笔记本
  • QuantEcon - 经济学、金融学、计量经济学和数据分析的讲座系列；QuantEcon.py、QuantEcon.jl、笔记本
  • FinanceHub - 量化金融资源
  • Python_Option_Pricing - 用 Python 编写的金融期权定价库。包括：Black-Scholes、Black 76、隐含波动率、美式、欧式、亚式、跨期期权。
  • python-training - J.P. Morgan 的 Python 培训，面向商业分析师和交易员。
  • Stock_Analysis_For_Quant - Excel、Matlab、Power BI、Python、R 和 Tableau 中的不同类型股票分析。
  • algorithmic-trading-with-python - Chris Conlan 的《使用 Python 进行算法交易》（2020）源代码。
  • MEDIUM_NoteBook - 包含 cerlymarco 在 Medium 上发表文章的笔记本的存储库。
  • QuantFinance - 量化金融培训资料。
  • IPythonScripts - 关于 Python 和 QuantLib 的量化金融教程：定价、xVAs、套期保值、投资组合优化、机器学习和深度学习。
  • Computational-Finance-Course - 计算金融课程资料。
  • Machine-Learning-for-Asset-Managers - 马克斯·洛佩斯·德·普拉多教授所著《量化金融中的机器学习》中的代码片段实现、练习和实时数据应用。
  • Python-for-Finance-Cookbook - 由 Packt 出版的《Python 金融速成指南》。
  • modelos_vol_derivativos - 《衍生品波动率模型》一书的 Jupyter 笔记本。
  • NMOF - M. Gilli, D. Maringer 和 E. Schumann 合著的《金融中的数值方法与优化》（第一版和第二版）中的函数、示例和数据（2019 年，ISBN:978-0128150658）。
  • py4fi2nd - Yves Hilpisch 所著的《Python 金融（第二版）》（O'Reilly）的 Jupyter 笔记本和代码。
  • aiif - Yves Hilpisch 的《金融人工智能》（O'Reilly）一书的 Jupyter 笔记本和代码。
  • py4at - Yves Hilpisch 的《Python 算法交易》（O'Reilly）一书的 Jupyter 笔记本和代码。
  • dawp - Yves Hilpisch 的《Python 衍生品分析》（Wiley Finance）一书的 Jupyter 笔记本和代码。
  • dx - DX Analytics | Python 金融和衍生品分析。
  • QuantFinanceBook - 量化金融书籍。
  • rough_bergomi - rough Bergomi 模型的 Python 实现。
  • frh-fx - 一个用于外汇目的的快速回溯 Heston 模型的 Python 实现。
  • 价值投资研究 - 一系列数据分析研究，考察价值投资在长时间内的表现和特征。
  • 机器学习资产管理 - 机器学习在资产管理中的应用 (by @firmai).
  • 深度学习机器学习股票 - 深度学习和机器学习股票为投资者和交易者代表了一个有希望的中长期或短期机会。
  • 技术分析和特征工程 - 机器学习在金融市场中的特征工程和特征重要性。
  • 微分机器学习和 Brian Huge 及 Antoine Savine 的轴的重要性 - 实现、展示、复现 Huge 和 Savine 在《风险》杂志上发表的《微分机器学习》(2020)和《带有差异的 PCA》(2021)的结果，并涵盖论文中遗漏的实现细节。
  • systematictradingexamples - 与书籍 Systematic Trading 和 博客 相关的代码示例
  • pysystemtrade_examples - 使用 pysystemtrade 的示例，来自 Robert Carver 的 博客.
  • ML_Finance_Codes - 金融中的机器学习：从理论到实践书籍
  • Hands-On Machine Learning for Algorithmic Trading - Packt 出版社出版的《Hands-On Machine Learning for Algorithmic Trading》
  • financialnoob-misc - 来自 @financialnoob 发帖的代码
  • MesoSim 期权交易策略库 - 免费公开的 MesoSim 期权交易策略库。
  • Quant-Finance-With-Python-Code - Chris Kelliher 的量化金融 Python 代码示例仓库
  • QuantFinanceTraining - 该仓库包含我在 CQF（量化金融证书）培训期间执行的代码。代码按课程组织，便于导航和参考。
  • 基于统计学习的投资组合优化 - 该 R Shiny 应用程序利用了层次等风险贡献（HERC）方法，这是一种由 Raffinot（2018）开发的现代投资组合优化方法。
  • book_irds3 - 定价和交易利率衍生品的代码库。
  • Autoencoder-Asset-Pricing-Models - Autoencoder 资产定价模型的再实现（GKX, 2019）。
  • Finance - 150 多个量化金融 Python 程序，帮助您收集、操作和分析股票市场数据。
  • 101 公式化字母 - 使用 qstrader 实现的101 公式化字母。
  • Tidy Finance - 一种对金融经济学实证研究的观点性方法 - 一个完全透明、开源的代码库，支持多种编程语言（Python 和 R），以实现金融研究项目的可重复实施，供学生和从业者使用。
  • RoughVolatilityWorkshop - 2024 QuantMind 的 Rough Volatility Workshop 讲座。
  • AFML - Dr Marco Lopez de Parodo 所著《金融机器学习进展》的习题答案。
  • AlgoTradingLib - 一个包含算法交易库、框架、策略和教育材料的目录。
回复 点赞 举报
😀 😊 😵‍💫 😡 🤝 🙏 👍 👎 ❤️