因子/研究
54 个工具 · 按热度排序 · 数据每日更新
🔥 热榜 Top 10
一款由 Quantopian 开源的 Python 因子分析库，用于对预测性 alpha 因子进行绩效评估。它能生成因子收益、IC、换手率、分位数分组等分析图表，帮助研究者检验因子的有效性。适合量化研究员和策略开发者在因子挖掘与回测前的研究环节使用。
✨ 用Python快速检验预测因子的收益表现与有效性
一款由南洋理工大学团队开源的量化交易平台，以强化学习为核心驱动。它提供数据预处理、因子挖掘、模型训练与回测等完整研究流程，内置多种 RL 算法与金融任务模块。适合量化研究人员和开发者用于策略研究与算法实验。
✨ 开源强化学习量化交易平台，覆盖因子研究与策略回测全流程
一款配套图书《Machine Learning in Finance: From Theory to Practice》的代码仓库，提供书中机器学习金融应用示例的完整实现。内容涵盖因子模型、投资组合优化、深度学习等主题，代码以 Jupyter Notebook 形式组织，便于复现与调试。适合量化研究人员和希望将机器学习方法应用于金融实践的学习者参考。
✨ 《Machine Learning in Finance: From Theory to Practice》配套代码库，适合量化研究入门
这是 Packt 出版的《Hands-On Machine Learning for Algorithmic Trading》配套代码仓库,涵盖机器学习在量化交易中的应用。内容包括数据处理、特征工程、模型构建与回测等完整流程示例,按章节组织便于对照学习。适合希望将 ML 技术应用于因子研究和交易策略开发的开发者与研究人员。
✨ 面向量化交易场景的机器学习实战教程，覆盖因子挖掘与策略研究全流程
一款基于深度强化学习的加密货币交易环境，采用 OpenAI gym 接口构建。它支持训练和测试强化学习交易智能体，可用于策略研究与回测。适合对强化学习在量化交易中应用感兴趣的研究者和开发者使用。
✨ 用深度强化学习+OpenAI Gym搭建的加密货币交易环境,适合量化策略研究
开源的 GitHub 项目,汇集了运用 Deep Learning 与 Machine Learning 方法分析股票的相关资源、代码与示例。项目涵盖多种算法在股市预测中的应用,便于学习与实践,适合对量化研究、机器学习选股感兴趣的开发者和投资者参考使用。
✨ 聚焦深度学习与机器学习概念股，为长短线投资者提供选股参考
一个由 @firmai 维护的 GitHub 开源项目，聚焦机器学习在资产管理中的应用。项目汇集了因子研究、投资组合构建与风险分析等方面的机器学习代码示例与论文资源，内容以 Python 实现为主。适合量化研究人员、数据科学家以及希望将 ML 方法引入投资研究的学习者参考使用。
✨ 面向资管场景的机器学习研究资源合集，可作因子建模参考
一个基于 Python 的开源投资组合优化框架，将深度学习与资产配置相结合，支持端到端训练、多种损失函数和回测评估。适合量化研究者与开发者，用于探索深度学习在组合优化中的应用。
✨ 用深度学习做投资组合优化的Python量化研究库
一个基于《Advances in Financial Machine Learning》一书的习题解答项目，收录了 Marcos López de Prado 书中各章节练习的参考答案。内容以 Python 代码实现为主，涵盖金融机器学习相关方法。适合正在研读该书、希望对照练习加深理解的量化研究者和学习者使用。
✨ 《金融机器学习进阶》全书习题答案集，可作量化研究参考
🧰 更多工具(44)
一个用于强化学习算法交易的开源环境，基于 OpenAI Gym 接口构建。它提供模拟交易环境、历史行情回放和奖励机制，方便训练和评估 RL 交易模型。适合量化研究者与机器学习开发者用于策略实验和算法验证。
轻量级的深度强化学习框架,用于投资组合管理。项目以高度模块化的方式探索将 Deep Reinforcement Learning 算法应用于股票交易的可行性,便于研究者替换和扩展算法组件。适合对强化学习量化策略感兴趣的研究者和开发者学习与实验。
一款基于 Python 的开源因子分析工具，是 Quantopian alphalens 的社区维护版本。它能对预测性股票因子(alpha 因子)进行绩效分析，包括 IC、分层收益、换手率等常用指标。适合量化研究人员和策略开发者在因子挖掘与验证阶段使用。
一个聚焦人工智能与机器学习在金融领域应用的量化投资资源清单，收录了相关的研究论文、开源项目、数据集与学习资料。内容围绕 AI 驱动的交易策略与因子研究整理，分类清晰、持续维护。适合量化研究员、策略开发者以及希望将 machine learning 应用于投资研究的从业者查阅使用。
Trading Gym 是一个开源项目,面向交易场景的强化学习算法开发。它提供模拟交易环境,支持将市场数据转化为可用于训练的交互式环境,便于研究者测试和迭代 RL 策略。适合从事量化研究、希望将强化学习应用于交易策略开发的开发者和研究人员使用。
一款基于强化学习框架的交易研究项目，通过 Q-learning 算法让智能体学习买卖决策策略。代码结构清晰，适合作为理解 reinforcement learning 在量化交易中应用的入门示例，适合量化研究者与对 RL 感兴趣的开发者参考学习。
一款已归档的 Python 研究性实现，用 distance correlation(距离相关性)筛选技术指标，并包含分组参数调优和特征剪枝。项目已停止维护，适合想参考这套指标筛选方法的量化研究人员阅读。
一个汇集了高盛 1990 年代 Quantitative Strategies 研究报告的论文合集，内容涵盖 derivatives pricing、volatility modeling、对冲策略与 model risk 等主题。适合量化研究人员、衍生品定价方向的学生以及关注经典模型方法论的从业者阅读参考。
因子/研究 · HuggingFace 450 下载
一款基于 A3C(Asynchronous Advantage Actor-Critic)强化学习算法的交易研究项目，采用 recurrent actor-critic 架构处理时序市场数据，实现自动化交易策略的学习与回测。适合对深度强化学习在量化交易中应用感兴趣的研究者和开发者参考使用。
一款面向算法交易的模块化强化学习框架，基于 PyTorch 构建。它将数据加载、环境模拟、策略训练等环节解耦，便于研究者组合与扩展不同模块。适合从事量化策略研究、希望用 reinforcement learning 探索交易模型的开发者和研究人员使用。
一个基于深度强化学习(deep reinforcement learning)进行交易研究的开源项目，通过让智能体在理想化的交易游戏中反复训练，探索 RL 策略在金融市场中的应用方式。项目代码结构清晰，适合对强化学习量化交易感兴趣的研究者和开发者学习与实验。
一款将强化学习应用于量化交易的开源研究项目，基于 RL 算法构建交易策略，提供环境搭建、模型训练与回测等完整流程代码。适合对 Reinforcement Learning 感兴趣的量化研究人员和开发者参考学习。
基于深度强化学习的股票配对交易(pair trading)开源项目,采用 deep actor-critic 模型学习最优交易策略。项目提供完整的模型实现与训练流程,适合对强化学习在量化交易中应用感兴趣的研究者和开发者参考学习。
一个开源的高频交易研究框架，用于支撑论文《A reinforcement learning approach to improve the performance of the Avellaneda-Stoikov market-making algorithm》的研究。它将强化学习与经典的 Avellaneda-Stoikov 做市模型相结合，可用于策略回测与实验验证。适合从事做市策略、强化学习量化研究的开发者和研究人员使用。
开源的配对交易(Pair Trading)研究项目,对比测试了三种策略方法:距离法、协整(cointegration)法和强化学习方法。项目提供完整的代码实现与实验流程,适合量化研究者、学生及对统计套利和机器学习交易策略感兴趣的开发者参考学习。
一款基于深度强化学习(Deep Reinforcement Learning)的金融交易研究项目，曾在 ICASSP 2019 发表相关论文。其核心方法是利用价格追踪(price trailing)策略训练智能体进行交易决策，代码开源、结构清晰。适合对强化学习在量化交易中应用感兴趣的研究者和开发者参考学习。
一个面向交易场景的开源强化学习训练环境，用于开发和研究 RL 交易算法。它提供模拟的交易环境与回测框架，方便将强化学习模型接入行情数据进行训练和评估。适合从事量化研究、希望将 reinforcement learning 应用于交易策略开发的开发者与研究人员使用。
开源实验代码库,配套论文《An Application of Deep Reinforcement Learning to Algorithmic Trading》,用于复现论文中的深度强化学习算法交易结果。项目实现了基于 DQN 等强化学习方法的交易策略,支持多市场数据回测。适合对强化学习在量化交易中应用感兴趣的研究者和开发者参考学习。
开源的金融市场技术分析与特征工程项目,聚焦于机器学习中的 Feature Engineering 与 Feature Importance。项目提供技术指标构建、特征生成及重要性评估的相关代码,适合量化研究人员和机器学习爱好者参考学习。
一个由 Python 和 QuantLib 编写的量化金融教程脚本合集，内容涵盖衍生品定价、xVA、对冲、投资组合优化以及机器学习与深度学习应用。代码以 Jupyter Notebook 形式呈现，便于边学边练，适合量化研究人员、金融工程学习者及希望将 Python 应用于定价与风控实务的开发者参考。
对 Gu、Kelly 和 Xiu(2019)提出的 Autoencoder Asset Pricing Models 的复现项目,基于 autoencoder(自编码器)从大量因子中提取潜在定价因子。代码开源在 GitHub 上,适合量化研究者、金融学者及对机器学习资产定价感兴趣的开发者学习和复现使用。
这是 Brian Huge 与 Antoine Savine 开源的 notebook 项目,用于实现、复现并扩展其在《Risk》期刊发表的"Differential Machine Learning"(2020)与"PCA with a Difference"(2021)两篇文章中的方法,涵盖具体实现细节。项目核心是结合自动微分(AAD)的机器学习定价与风险敏感度计算技术。适合量化研究人员、金融工程从业者及对衍生品定价、深度学习在金融中应用感兴趣的读者学习使用。
一款基于 R 语言的因子分析开源包，覆盖投资组合构建、优化与风险管理中常用的三类因子模型的拟合与分析方法。它提供时间序列、横截面及统计因子模型的估计与评估功能，适合量化研究人员和组合管理者在 R 环境下开展因子研究。
基于强化学习的黄金交易模型,托管于 Hugging Face,采用 stable-baselines3 框架和 PPO 算法训练,针对 XAUUSD(黄金/美元)行情。模型可用于量化研究中的策略探索与回测验证,适合对 reinforcement learning 在金融交易中应用感兴趣的研究者和开发者参考使用。
一个基于 R 语言的量化研究资源库，围绕投资领域经典著作《Expected Returns》展开。它提供提升组合分散化效果的解决方案，并复现多篇具有里程碑意义的学术论文代码。适合使用 R 进行因子研究和组合构建的量化研究者与投资从业者。
基于 qstrader 实现的 101 Formulaic Alphas 项目,复现了 WorldQuant 论文中的 101 个公式化 Alpha 因子。项目提供因子的代码实现,便于研究者验证和测试这些经典量化因子,适合从事因子研究、策略开发的量化研究人员和开发者参考使用。
一款基于 Python 的开源投资分析平台，旨在连接学术研究与大众金融。它提供因子研究与分析功能，支持用户构建、测试投资策略。适合量化研究者、金融专业学生及希望将学术模型应用于实际投资的个人投资者使用。
一个基于 R 语言的协方差矩阵估计工具包，通过因子模型(factor models)来估计资产收益的协方差矩阵。相比样本协方差，该方法在高维、样本量有限的场景下更稳健，适合量化研究人员和组合优化实践者使用。
基于 LoRA 微调的 8B 参数文本生成模型,托管于 Hugging Face,采用 peft 和 safetensors 格式,主题围绕 Solana 与 NVIDIA 相关的交易场景。适合对量化研究、LLM 在交易领域应用感兴趣的开发者和研究者参考使用。
一款基于 Python 的稀疏多资产因子建模工具,支持 cell 级符号约束、以先验为中心的收缩(prior-centred shrinkage)以及层次聚类 group LASSO(HCGL),并兼容 scikit-learn。适合从事多资产因子研究、需要构建稀疏因子模型的量化研究员和开发者使用。
基于 PyTorch 的表格回归模型，使用合成数据训练的 MLP 网络，面向量化交易场景，对应 arXiv 论文 2507.07107,强调可复现性。适合量化研究者学习和复现金融领域的机器学习建模流程。
一款基于终端的 ETF 研究与组合分析工具,使用 Python 开发。它支持持仓查询、敞口(exposure)分析、集中度、保证金及风险等工作流。适合需要在命令行环境中进行 ETF 研究和组合分析的量化研究人员与投资者使用。
一款基于 Python 的期权分析工具，是 FlashAlpha options analytics API 的官方客户端。它提供期权数据获取与分析计算等接口，便于将期权研究流程集成到 Python 环境中。适合量化研究员和期权交易者使用。
一款基于 Python 的多因子量化股票分析 MCP server,覆盖美股、港股和 A 股市场。它通过 40+ 项指标给出透明的 0-100 评分,并已上架 Official MCP Registry。适合需要将多因子分析接入 AI 工作流的量化研究者和开发者使用。
一款基于 Python 与 Rust 的量化研究验证工具，与具体回测引擎无关，可检测数据泄漏、过拟合、脆弱结果、不现实的交易成本以及缺失的 point-in-time 证据。适合需要在策略上线前对研究结果做独立校验的量化研究员和开发者使用。
一款追踪机构投资者 13F 持仓的分析工具，借助 AI 对申报文件生成摘要，并提供持仓变动提醒。适合关注机构资金动向、希望及时了解大型基金调仓情况的投资者和研究人员使用。
一个 DeFi 金库评分工具，按 16 个因子给金库打分，并提供免费的只读 API,无需注册，按 IP 限制每分钟 60 次请求。适合需要系统比较链上收益策略的研究者与 DeFi 用户。
一款免费的 SEC 13F 研究工具，收录 2019 年以来 11,700 多家机构管理人和 208,000 多份申报文件。核心功能包括按季度对比持仓变化、支持按股数设置阈值筛选，以及追踪 confidential treatment 申报。适合关注机构持仓动向的量化研究员和个人投资者使用。
一个来自香港科技大学(HKUST)convex 研究小组的官方 GitHub 组织，属于因子/研究类资源。其仓库主要发布与量化研究相关的代码和工具，便于研究者查看和复用。适合从事因子研究、量化策略开发的科研人员与开发者参考使用。
一款面向 SEC 公开持仓研究的 Web 应用，可用于浏览 13F 组合、内部人交易、Schedule 13D/G 文件、公司基本面数据及最新申报文件。它将多种披露信息整合在同一平台，便于跟踪机构与内部人的持仓动向，适合做因子研究、持仓分析和投资研究的用户使用。
一个聚焦量化研究与机器学习应用的资源聚合网站，汇集了 ArXiv、SSRN、RePEc 等论文库，以及期刊、播客、视频和博客等内容来源。用户可按类别浏览和检索量化领域的前沿文献与资讯，适合量化研究员、金融从业者和相关方向的学生使用。
一款 AI 驱动的加密货币交易情报终端，聚焦衍生品持仓、DEX 资金流、链上风险、叙事轮动与代币发现等分析，并提供面向 Agent 的市场数据接口。适合加密交易者、链上研究员及需要结构化行情数据的量化与 AI 应用开发者使用。
一个面向金融经济学实证研究的开源项目，提供一套观点明确、完全透明的研究框架。其代码库以 Python 和 R 两种语言实现，覆盖因子构建、资产定价等常见实证流程，强调可复现性。适合希望规范开展量化研究、学习可复现实证方法的研究者与从业者使用。