Quant-Developers-Resources 是用 Python 编写的交易类项目,用于商城、支付与交易场景。
Resources to Prepare for Quant Developers/ Quantitative Researcher/ Quantitative Trader/ Quant Analyst/ Software Engineers in Quant Trading Firms, H…
yangshun
面向忙碌工程师的面试准备资料,含算法、行为面试与简历建议。目前累计 14.3 万 star、1.7 万 fork,在本地项目库中星标排名约第 72 / 65730,主要语言为 TypeScript,项目始于 2016 年,采用 MIT 许可。最近状态:近半年有提交。
适合谁:推荐给想补齐某块知识的开发者:涉及 algorithm、algorithm-interview、algorithm-interview-questions、algorithms 方向。
按累计星标排序,库内共 65,730 个项目(GitHub 上星标 ≥ 1k 的公开仓库约 66,044 个)。
优先使用本地记录的星标快照计算近 7 天真实增量;快照不足 7 天时,按「创建以来日均获星」估算,数值旁会标注口径。
已收录 GitHub 星标过千的公开项目,附原始简介、语言、主题与活跃度。用一句自然语言描述需求,即可获得 AI 推荐。
Quant-Developers-Resources 是用 Python 编写的交易类项目,用于商城、支付与交易场景。
Resources to Prepare for Quant Developers/ Quantitative Researcher/ Quantitative Trader/ Quant Analyst/ Software Engineers in Quant Trading Firms, H…
A股多Agent投研框架 — 适配A股数据源(龙虎榜/游资/解禁等),7位分析师基于A股规则的辩论决策,基于TradingAgents深度改造,适配大A。A-share multi-agent investment research f…
A股多Agent投研框架 — 适配A股数据源(龙虎榜/游资/解禁等),7位分析师基于A股规则的辩论决策,基于TradingAgents深度改造,适配大A。A-share multi-agent investment research framework — 7 AI analysts, bull…
quant-mind 是用 Python 编写的 AI 工具,用于大模型与智能体应用开发,主打开源免费。
QuantMind is an open source agent-native knowledge extraction and retrieval framework for quantitative finance.
面向 A 股日K、分钟K与ETF分钟数据的本地量化引擎,集成增量同步、本地缓存、复权、批量查询、回测与指标计算。
面向 A 股日K、分钟K与ETF分钟数据的本地量化引擎,集成增量同步、本地缓存、复权、批量查询、回测与指标计算。
ArcticDB 是用 C++ 编写的数据库工具,用于数据存储与查询,主打高性能。
ArcticDB is a high performance, serverless DataFrame database built for the Python Data Science ecosystem.
skfolio 是用 Python 编写的学习资料,用于系统学习与查阅。
Python library for portfolio optimization built on top of scikit-learn
bulbea 是用 Python 编写的学习资料,用于系统学习与查阅。
:boar: :bear: Deep Learning based Python Library for Stock Market Prediction and Modelling
BackTrader中文教程笔记(by:量化投资与机器学习),系统性介绍Bactrader的特性、策略构建、数据结构、回测交易等,彻底掌握量化神器的使用方法。章节:介绍篇、数据篇、指标篇、交易篇、策略篇、可视化篇……(持续更新中)
BackTrader中文教程笔记(by:量化投资与机器学习),系统性介绍Bactrader的特性、策略构建、数据结构、回测交易等,彻底掌握量化神器的使用方法。章节:介绍篇、数据篇、指标篇、交易篇、策略篇、可视化篇……(持续更新中)
qtpylib 是用 Python 编写的交易类项目,用于商城、支付与交易场景。
QTPyLib, Pythonic Algorithmic Trading
investing-algorithm-framework 是用 Python 编写的交易类项目,用于商城、支付与交易场景。
Framework for quantitative trading. Complete framework for development, backtesting, and deploying automated trading algorithms and trading bots.
robin_stocks 是用 Python 编写的交易类项目,用于商城、支付与交易场景,主打实时。
This is a library to use with Robinhood Financial App. It currently supports trading crypto-currencies, options, and stocks. In addition, it can be …
Stock_Analysis_For_Quant 是用 Jupyter Notebook 编写的交易类项目,用于商城、支付与交易场景。
Various Types of Stock Analysis in Excel, Matlab, Power BI, Python, R, and Tableau
为前端设计的无需 Python、无需后端服务、零依赖的获取股票数据 JavaScript SDK。
为前端设计的无需 Python、无需后端服务、零依赖的获取股票数据 JavaScript SDK。
AIAlpha 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Use unsupervised and supervised learning to predict stocks
MachineLearningStocks 是用 Python 编写的学习资料,用于系统学习与查阅。
Using python and scikit-learn to make stock predictions
RustQuant 是用 Rust 编写的学习资料,用于系统学习与查阅。
Rust library for quantitative finance.
AI+金融(量化):1.多因子股票量化框架开源教程 2.学界和业界的经典资料收录 3.AI + 金融的相关工作,包括LLM, Agent, benchmark(evaluation), etc.
AI+金融(量化):1.多因子股票量化框架开源教程 2.学界和业界的经典资料收录 3.AI + 金融的相关工作,包括LLM, Agent, benchmark(evaluation), etc.
fastquant 是用 Jupyter Notebook 编写的交易类项目,用于商城、支付与交易场景。
fastquant — Backtest and optimize your ML trading strategies with only 3 lines of code!
machine-learning-asset-management 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅。
Machine Learning in Asset Management (by @firmai)
tvscreener 是用 JavaScript 编写的交易类项目,用于商城、支付与交易场景。
TradingView Screener API - Stock, Crypto, Forex, Bond, Futures, Coin
vnstock 是用 Python 编写的交易类项目,用于商城、支付与交易场景,主打易用、功能完整、现代化。
A beginner-friendly yet powerful Python toolkit for financial analysis and automation — built to make modern investing accessible to everyone
TradingView-Screener 是用 Python 编写的交易类项目,用于商城、支付与交易场景。
A package that lets you create TradingView screeners in Python
ib-gateway-docker 是用 Shell 编写的交易类项目,用于商城、支付与交易场景。
Docker image with IB Gateway/TWS and IBC
项目列表来自 GitHub 官方 Search API(stars:>1000)。单个查询最多只能返回前 1000 条,所以「同步热门」取到的是星标最高的 1000 个;要拿全量必须按星标区间拆成多个查询——本站会先查各区间的真实数量再自动切分(1k–2k 约 3.2 万个,2k–5k 约 2.1 万个,5k–20k 约 1 万个,2 万以上约 2300 个)。GitHub 上星标过千的公开仓库当前约 66,044 个,本站已收录 65,730 个。星标、简介、语言与主题均为 GitHub 原始字段,未做人工逐一核验。
中文介绍分三种来源,卡片与详情页均有标注:热门项目使用本站人工维护的条目;其余项目由程序依据语言、主题、简介中的特征词与项目数据自动生成;仓库原简介本身是中文时直接引用原文。自动生成的介绍只是对公开字段的归纳,不代表项目方表述,也不构成选型结论。
每日推荐按北京时间每天从星标 6000 以上、近 18 个月仍有提交且未归档的项目中选取,排除近 120 天已推荐过的项目,同一天内结果固定。推荐结果由规则引擎(或配置的大模型)生成,不构成选型结论。
每天每台设备可免费检索 3 次,浏览、筛选和关键词查找不消耗额度。选择下方任一方案即可继续(当前为模拟支付)。
模拟支付不会接入真实渠道,也不会产生任何扣款。