Découvrez des projets open source de qualité, soumettez des projets anonymement, puis revendiquez et éditez votre propre projet.
Un peu de curiosité. Un monde de code ouvert.
THE FIRST COLLECTIONVectorBT est une bibliothèque Python open-source de backtesting qui vectorise la recherche de stratégies : elle regroupe des milliers de combinaisons de paramètres dans des tableaux NumPy et les accélère avec Numba et un moteur Rust optionnel, plus des analyses de portefeuille et une visualisation interactive Plotly.
Backtesting.py est une bibliothèque Python pour le backtesting de stratégies de trading. Elle offre une API simple, une exécution rapide, un optimiseur intégré, des stratégies de base composables et des visualisations interactives pour analyser des données financières OHLC(V).
Un moteur de recherche quantitatif et de simulation locale prioritaire pour les règles de trading des actions A chinoises. Intègre cinq stratégies, gère le T+1, les lots, les limites de prix, les suspensions, les frais et le glissement, avec support Docker et démos hors ligne.
Un orchestrateur de trading crypto autonome basé sur le protocole MCP, avec consensus multi-agents LLM, backtesting agentique, centre de commande Telegram et tableau de bord 3D cyberpunk avec visualisations de données de marché en temps réel.
Le système de trading quantitatif Abu (abu) est un framework open source d'investissement quantitatif basé sur Python, prenant en charge les marchés américains, A-shares, Hong Kong, futures, options et Bitcoin, avec développement de stratégies de timing, backtesting, gestion de position, optimisation par apprentissage automatique et divers modèles d'analyse technique.
Freqtrade est un bot open-source gratuit de trading crypto en Python avec backtesting, dry-run, optimisation par ML, prédiction adaptative FreqAI, contrôle Telegram/WebUI et prise en charge des principaux exchanges spot et futures.
Qlib est une plateforme d'investissement quantitatif orientée IA, conçue pour couvrir l'ensemble du pipeline ML, du traitement des données et l'entraînement des modèles au back-testing et à la production.
