Awesome Systematic Trading-Awesome Systematic Trading

评论
12 views

一段话总结

该网页是一个系统化交易（量化交易）领域的精选资源列表，涵盖库、工具、框架及学习资源，遵循MIT License或CC-BY国际协议开放使用。资源筛选标准包括符合量化交易领域、良好代码风格与架构，优先选择活跃开发及测试覆盖合理的项目。内容涵盖AI驱动的交易系统（如星数38k的AI Hedge Fund、12k的FinRL）、回测与实时交易框架（如31k星的vnpy、12k星的QuantConnect）、加密货币专项工具（如40k星的Freqtrade）、机器学习/强化学习工具、Alpha因子集合、基础组件（计算、分析、数据处理等库）、数据来源、经纪商API及学习资源（书籍、课程等），用户可通过语言搜索定位资源，也可提交PR补充或移除项目。

思维导图

## **核心主题**
- 系统化交易（量化交易）精选资源
- 开放许可：MIT/CC-BY协议
- 筛选标准：领域适配、代码架构、活跃开发等
## **主要资源类别**
- 🔥 AI驱动交易系统
  - AI Hedge Fund（38k星）
  - FinRL（12k星）
  - FinGPT（17k星）
  - QLib（27k星）
- 回测+实时交易
  - 事件驱动框架：backtrader（18k星）、vnpy（31k星）等
  - 向量框架：vectorbt、finmarketpy等
- 加密货币聚焦
  - Freqtrade（40k星）
  - Hummingbot、Jesse等
- 机器学习/强化学习
  - TradingGym
  - 基于深度Q学习的股票交易机器人
- Alpha因子集合
  - 通用Alpha（RSI、MACD等策略）
  - 表达式Alpha（TorchQuantum、OpenAlpha）
- 基础组件
  - 基础库：NumPy（30k星）、Pandas（46k星）
  - 计算工具：Ray、Dask、JAX（33k星）
  - 分析工具：TA-Lib、pandas-ta、pyfolio
  - 数据存储：ArcticDB、DuckDB、Redis
- 数据来源
  - 股票/通用：OpenBB Terminal、AkShare
  - 加密货币：Cryptofeed、Orderflow
- 学习资源
  - 书籍：《Systematic Trading》《Advances in Financial Machine Learning》
  - 课程：Hudson and Thames量化研究课程
  - 博客：QuantBox、大富翁量化

详细总结

该网页聚焦系统化交易（量化交易）领域，整合了涵盖开发、回测、实盘、研究的全流程资源，以下为核心内容梳理：

一、资源基础信息

  • 定位：精选与量化交易强相关的库、工具、框架及学习资源，支持自由使用与复用（MIT/CC-BY协议）。
  • 筛选规则：需符合量化交易领域，具备良好代码风格与架构，优先纳入活跃开发、测试覆盖合理的项目，用户可通过PR补充或移除过时项目。
  • 特色分类：加密货币作为独立类别，可单独查看；支持按语言搜索（如Ctrl+F查找“Rust”相关库）。

二、核心资源分类及关键项目

1. 🔥 AI驱动量化交易系统
项目名称 星数 语言 核心特点
AI Hedge Fund 38k Python AI对冲基金团队开发，近期更新（昨日提交）
FinRL 12k Python 首个开源深度强化学习量化框架，验证RL在量化金融的潜力
FinGPT 17k - 开源金融大语言模型，已在HuggingFace发布预训练模型
QLib（微软） 27k Python/Cython AI导向量化平台，支持策略创新，集成多篇SOTA研究
Qbot 12k Python AI自动量化交易机器人，近期更新（7月提交）
2. 回测与实时交易框架
  • 事件驱动框架：
  • vnpy：31k星，Python，支持股票/期货/加密货币，实盘接入，2015年发布的全功能平台。
  • backtrader：18k星，Python，经典事件驱动回测库，支持实时交易。
  • QuantConnect：12k星，C#/.NET，Lean引擎支持Python/C#，昨日更新，实盘功能完善。
  • nautilus_trader：9.8k星，Python/Rust，高性能事件驱动平台，支持实盘。
  • 向量框架：
  • vectorbt：基于Pandas/NumPy，Numba加速，秒级测试数千策略，支持大规模回测。
  • pysystemtrade：3k星，Python，基于Rob Carver书籍的系统化交易框架，支持实盘。
  • fastquant：1.7k星，Python，仅需3行代码即可回测优化机器学习交易策略。
3. 加密货币专项工具
  • Freqtrade：40k星，Python，支持主流交易所，含回测、可视化、机器学习优化策略，今日更新。
  • Hummingbot：196星，Python/Cython，加密货币做市客户端，支持实盘。
  • Jesse：6.6k星，Python，高级加密交易框架，简化策略研究与定义。
4. 机器学习/强化学习工具
  • TradingGym：支持强化学习代理训练的交易回测环境，2023年8月更新。
  • Stock Trading Bot using Deep Q-Learning：1.1k星，基于深度Q学习的股票交易机器人。
5. Alpha因子集合
  • 通用Alpha：含VIX计算、RSI、MACD、布林带等150+量化策略（analyzingalpha项目）。
  • 表达式Alpha：如TorchQuantum（集成PyTorch与WorldQuant算子）、OpenAlpha（仿WorldQuant WebSim API）。
  • 选股工具：Sequoia选股系统（Python，实现海龟交易法、缠中说禅买点）。
6. 基础组件
  • 计算与性能工具：
  • JAX：33k星，Python，支持自动微分、GPU/TPU加速，今日更新。
  • Numba：11k星，Python动态编译器，加速数值计算。
  • Ray：分布式计算框架，支持大规模并行任务。
  • 数据处理库：
  • Pandas：46k星，Python数据处理核心库，今日更新。
  • Polars：34k星，Rust/Python，高性能DataFrame库，基于Apache Arrow。
  • 分析工具：
  • TA-Lib：经典技术指标库，支持多语言封装（Rust/Python/Go）。
  • pandas-ta：Python库，含130+指标及60+蜡烛图模式。
  • pyfolio：Python组合与风险分析工具。
  • 数据存储：
  • ArcticDB（Man Group）：高性能无服务器DataFrame数据库，支持Python/C++。
  • DuckDB：C++/Python，快速列式数据库，今日更新。
7. 数据来源与经纪商API
  • 数据来源：
  • 股票/通用：OpenBB Terminal（投资研究工具）、AkShare（开源财经数据接口，今日更新）。
  • 加密货币：Cryptofeed（WebSocket数据feed处理）、Orderflow（实时足迹蜡烛图生成）。
  • 经纪商API：ccxt（支持100+交易所的Python/JS API）、Ib_insync（Interactive Brokers同步/异步框架）。
8. 学习资源
  • 书籍：《Systematic Trading》（Robert Carver）、《Advances in Financial Machine Learning》。
  • 课程：Hudson and Thames量化研究课程。
  • 博客：QuantBox、大富翁量化、Proof Engineering（量化交易平台技术）。

关键问题

  1. 该网页的资源筛选标准是什么？
    答：资源需符合系统化交易/量化交易领域，具备良好的代码风格与软件架构；优先选择处于活跃开发阶段、测试覆盖合理的项目。整体倾向于精选与量化交易强相关的优质或潜力库，而非追求数量。

  2. 有哪些高星且活跃的AI驱动量化交易框架？
    答：包括星数38k、昨日更新的“AI Hedge Fund”；12k星、上周一更新的FinRL（首个开源深度强化学习量化框架）；27k星、7月更新的微软QLib（AI导向量化平台）；12k星、7月更新的Qbot（AI自动量化交易机器人）。

  3. 量化交易中常用的高性能数据处理与计算工具有哪些？
    答：数据处理方面有46k星的Pandas、34k星的Rust/Python库Polars；计算加速工具包括支持GPU/TPU的JAX（33k星）、Python动态编译器Numba（11k星）；分布式计算框架Ray和并行任务调度工具Dask（13k星）也被广泛应用。