风险管理/组合
47 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 组合与风险分析库，可基于单个交易或回测结果生成收益、风险、回撤等多维度分析报表，内置 tear sheet 模板，支持与 Zipline、bt 等回测框架配合使用，适合量化研究员和策略开发者评估策略表现。
✨ 用Python做投资组合与风险分析的开源利器,量化回测必备
一款基于 Python 的投资组合优化开源库，提供经典的有效前沿计算以及 Black-Litterman、层次风险平价等进阶方法，并支持与 pandas 工作流集成。适合量化研究人员和开发者用 Python 构建和优化资产配置组合。
✨ Python投资组合优化库，支持经典有效前沿与高级方法，量化投资必备
一款基于 Python 的开源投资组合优化库，专注于组合优化与量化战略资产配置，支持多种风险度量模型和优化方法。它适合量化研究人员、资产管理从业者以及希望用 Python 构建和优化投资组合的开发者使用。
✨ 用Python做投资组合优化与量化资产配置的开源库，量化投研必备
一款由 Tradytics 开源的投资组合构建工具包,基于 Python 实现。它提供 Eigen Portfolios(特征组合)、Minimum Variance Portfolios(最小方差组合)、Maximum Sharpe Ratio(最大夏普比率)等多种统计与算法投资策略。适合希望进行量化组合优化和风险管理的开发者与投资者使用。
✨ 开源Python组合策略工具箱，内置特征值组合、最小方差、最大夏普等多种量化投资方案
一款基于 Python 的金融库，专注于金融衍生品的定价与风险管理，覆盖固定收益、股票、外汇和信用衍生品等品种。它提供多种定价模型和分析工具，代码开源、结构清晰，适合量化研究人员、开发者和金融专业学习者用于衍生品定价与风险管理的开发和研究。
✨ 专注固定收益、股票、外汇及信用衍生品的定价与风险管理Python库
一个基于 scikit-learn 构建的 Python 组合优化库，提供统一接口和兼容 sklearn 的工具，可用于构建、调优和交叉验证投资组合模型。适合熟悉 Python 与机器学习工作流、需要进行资产配置与组合风险管理的量化研究者和开发者使用。
✨ 基于scikit-learn的Python组合优化库，支持统一接口建模、调参与交叉验证
一款基于 Python 的开源金融组合管理工具，提供投资组合的构建、分析与优化功能，支持计算收益率、风险指标及有效前沿等。适合量化研究者、金融专业学生及需要用 Python 进行组合分析的开发者使用。
✨ 用Python实现投资组合管理、分析与优化的一站式量化工具
一款由 Quantopian 开源的 Python 金融指标计算库，提供年化收益、波动率、最大回撤、Sharpe ratio、Sortino ratio 等常用风险与绩效指标。它 API 简洁，可与 pandas 无缝配合，适合量化研究员和策略开发者在回测与组合分析中快速计算评估指标。
✨ Python金融风险与绩效指标库,量化组合收益、波动、回撤等指标的开箱即用方案
一款基于 Python 的金融经济学计算工具库，提供尖峰厚尾风险的高斯混合模型(Gaussian Mixture)建模以及自适应 Boltzmann 组合优化等功能。它适合量化研究人员和金融工程从业者，用于风险分析与投资组合构建相关的计算任务。
✨ 用高斯混合模型刻画尖峰肥尾风险，支持自适应Boltzmann组合优化
一款基于 Python 的开源投资组合分析工具，提供组合的风险与绩效分析，并支持收益预测。它适合量化研究者、开发者以及需要用代码评估和管理投资组合风险的投资者使用。
✨ 用Python做投资组合风险与收益分析,还能预测回报,量化投研利器
🧰 更多工具(37)
一个基于 Python 的在线投资组合选择(Online Portfolio Selection)算法集合，收录了多种经典组合选择策略的实现。它提供统一的接口便于调用和对比不同算法，适合量化研究者与开发者学习、实验在线组合优化方法。
一款基于 Python 的组合与风险分析工具，是 Quantopian 原版 pyfolio 的社区维护 fork。它可生成收益、回撤、风险敞口等分析报表，常与 backtrader、zipline-reloaded 等回测框架配合使用。适合需要对量化策略回测结果进行绩效归因和风险评估的 Python 开发者与量化研究人员。
一款基于 Rust 的金融数学库,专注于 risk-neutral pricing(风险中性定价)与风险管理相关的计算。它提供定价、风险度量等常用金融数学功能,并借助 Rust 语言获得较高的执行效率与内存安全性。适合需要在量化系统中集成定价与风险计算能力的开发者、研究人员使用。
一款基于 Python 的风险平价(risk parity)组合设计工具，底层采用 TensorFlow 2.0 实现。它支持快速、可扩展的风险平价组合优化，可处理大规模资产配置问题。适合需要构建风险平价策略的量化研究人员和组合管理者使用。
一款基于 Python 的开源量化金融工具，专注于 CVaR(条件风险价值)组合优化与 Entropy Pooling 观点构建和压力测试。它将风险管理方法与组合优化流程整合，支持用户引入主观观点或情景假设调整市场预期分布。适合量化研究员、组合经理及对风险约束下资产配置有需求的开发者使用。
一款基于 R 语言的开源量化分析工具包，专注于投资组合的绩效与风险分析。它提供 Sharpe ratio、最大回撤、VaR、Sortino ratio 等常用风险与收益指标的计算函数，并支持可视化图表。适合量化研究员、组合经理及使用 R 进行金融数据分析的用户。
一款基于 Python 的开源量化分析工具，专注于投资组合构建与风险管理。它提供组合优化、绩效分析等常用功能，代码开源可自行扩展。适合量化研究人员、开发者以及希望用 Python 进行组合分析的个人投资者使用。
一款基于 R 语言的风险平价组合设计工具，主打高速计算。它提供多种求解算法，可快速构建使各资产风险贡献相等的投资组合，并支持自定义风险预算。适合量化研究者、组合优化从业者及金融数据分析人员使用。
一款基于 Python 的金融风险与绩效指标计算库，是 Quantopian 开源项目 empyrical 的社区维护分支。它提供年化收益率、最大回撤、Sharpe ratio、Sortino ratio 等常用风险与绩效指标的计算功能，适合量化研究人员和策略开发者在回测与组合分析中使用。
一款基于 Python 实现的 Kelly Criterion(凯利公式)工具，依据 J. L. Kelly Jr 提出的公式计算最优仓位比例，用于组合资金管理。它可帮助量化交易者和投资者科学地确定头寸规模，适合需要在策略中应用凯利公式进行风险控制和资金分配的开发者使用。
一款基于 Python 的开源组合可视化工具，用于直观展示投资组合的历史表现。它可将收益曲线等绩效数据绘制成图表，便于分析组合的风险与收益特征。适合量化投资者和组合管理者在回测或实盘后进行绩效复盘。
一款基于 R 语言的开源组合分析工具，提供投资组合优化所需的多种数值方法，支持约束条件设置、目标函数定义与回测评估。适合量化研究人员、组合管理者和使用 R 进行资产配置与风险分析的开发者。
一款基于 R 语言的开源工具包，专注于指数跟踪组合的设计与构建。其核心特点是通过稀疏化方法，用较少的资产数量近似复制指数表现，降低交易和管理成本。适合量化研究者、组合经理以及需要实现被动投资策略的金融从业者使用。
一款基于 Python 的风险管理工具库,面向原油及原油产品交易领域,部分实现了 R 语言 PerformanceAnalytics 包的功能。它提供组合风险分析等常用工具,适合从事能源交易或量化研究、需要在 Python 环境下进行风险度量的用户使用。
一款基于 Python 的衍生品定价与风险分析工具包，支持期权定价、隐含波动率曲面、风险中性密度及 pricing kernel 曲面的构建，内置 Heston、Kou、Bates 等高级模型。适合量化研究员、衍生品交易员及金融工程学习者使用。
一款基于 C++ 的金融风险计算库，将自动微分技术与 QuantLib 相结合。其核心功能是快速计算衍生品定价中的敏感度指标（如 Greeks），支持高效的 risk 计算。适合需要在 C++ 环境下进行量化风险分析和组合管理的开发者与金融机构使用。
一款基于 Python 的量化风险计算工具，将自动微分技术与 QuantLib 金融库相结合，可快速计算衍生品定价及风险敏感度指标。它支持对利率、外汇等多种金融产品的风险进行高效求解，适合需要在 QuantLib 工作流中提升风险计算性能的量化开发者和风险管理人员使用。
一款基于 Python 的自动微分(AAD)库，用于计算导数与敏感度。它支持前向和反向自动微分模式，可嵌入量化定价与风险计算流程。适合需要在金融模型中进行梯度计算和风险敏感度分析的开发者与量化研究人员。
一个基于 R 语言的开源工具包，用于分析股票投资组合。它提供组合收益计算、风险指标评估等功能，支持对持仓表现进行量化分析。适合使用 R 进行量化研究、需要评估和管理股票组合的投资者与分析师。
一款基于 Julia 语言开发的量化风险与绩效分析包，面向金融时间序列数据，提供风险指标计算和组合绩效分析功能。它适合使用 Julia 进行量化投资研究、组合风险管理的技术人员和研究者使用。
一款基于 Rust 的金融市场基础组件库，提供 Price/Quantity/Symbol 等 newtype、基于 BTreeMap 的 order book、OHLCV 聚合、SMA/EMA/RSI 指标、带 PnL 的持仓账本及可组合的 risk monitor。适合需要在 Rust 中构建交易或风控系统的量化开发者使用。
一个基于 Julia 语言的开源量化组合分析库，利用在线算法(online algorithms)计算投资组合的风险与绩效指标，支持流式数据的高效更新。适合使用 Julia 进行量化投资研究、需要实时或增量式计算组合风险与收益指标的开发者和研究者。
一款基于 Python 的目标导向资产配置工具，可在 regime-switching jump-diffusion 模型下进行动态 mean-variance 组合优化，并支持设置财富下限(wealth floor),通过 Laplace 变换求得解析解。适合量化研究者与组合管理人员用于风险管理与资产配置建模。
一款基于 Python 的量化金融工具库，专注于投资组合优化与风险管理。核心功能包括 MVO(均值-方差优化)组合构建，以及 VaR、CVaR 等严谨的风险度量指标计算。适合量化研究员、组合经理及学习组合理论的学生使用。
一款基于 Python 的量化绩效与风险分析库，提供 150+ 指标、组合优化、Monte Carlo 模拟和归因分析功能，是 empyrical 的积极维护后继版本。适合需要对投资组合进行绩效评估与风险度量的量化研究员和开发者使用。
一款基于 Python 的框架无关风险管理工具包，面向系统化交易场景，提供仓位管理、回撤控制、可组合的止损引擎、相关性限制及组合敞口上限等功能，并配有适配器便于接入。适合需要将风控模块集成到自有量化交易系统的开发者使用。
一款基于 Python 的投资组合优化框架，融合协方差收缩、bootstrap aggregation 与参数化情景建模，用于提升组合的稳健性。项目提供可复现的 notebooks 及配套 SSRN 论文，适合量化研究者与组合管理人员参考使用。
一款由 OpenGamma 开源的现代金融分析与市场风险库,采用 Java 编写。它提供利率、外汇等衍生品的定价与风险度量功能,支持多种市场风险指标计算。适合需要在 Java 环境中构建定价与风险管理系统的开发者与金融机构使用。
一款基于 R 语言的 Risk Neutral Density(风险中性密度)提取工具包。它提供从期权价格中估计风险中性密度函数的多种方法，可用于分析市场对资产未来分布的预期。适合量化研究者、金融学者及从事衍生品定价与风险分析的人员使用。
一款基于 R 语言的组合选择与优化工具，属于 Rmetrics 系列软件包。它提供资产组合的构建、均值-方差优化、有效前沿分析及风险度量等功能，支持多种约束条件设定。适合量化研究人员、金融分析师以及需要用 R 进行投资组合建模的用户使用。
一款基于 Java 的开源量化金融函数库，涵盖 Fixed Income、Asset Allocation、Transaction Cost Analysis 及 XVA Metrics 等模块。它提供固定收益定价、资产配置与交易成本分析等常用功能。适合从事固定收益研究、组合管理及风险计量开发的量化从业者使用。
一款基于 Python 的交互式风险与收益计算器，面向 Futures 和 CDF 交易者，可计算风险敞口与盈亏分配。其特色是支持对比多家一次性收费（one-time fee）的 prop firm，帮助用户评估不同账户方案。适合参与自营交易公司考核或需要量化风险收益比的交易者使用。
一款由 Daniel Palomar 教授编写的投资组合优化开源书籍，配套 GitHub 代码库，涵盖均值-方差优化、风险平价、稀疏组合等模型及 R 语言实现。内容理论与实践并重，适合量化研究者、金融工程学生及组合管理从业者学习参考。
一个用于投资组合分析与优化的 Web API,提供均值方差优化、风险平价、Black-Litterman 等多种模型接口，支持 RESTful 调用。适合量化开发者、研究人员和资产管理机构将其集成到自己的系统或工作流中使用。
一款基于 Python 的金融风险计算库，通过类构造和运算符重载设计，简化了金融风险计算的使用流程。它支持常见的风险与组合相关计算，代码简洁易读。适合需要在 Python 环境中进行金融风险建模和组合分析的开发者与量化研究人员使用。
一款基于 Python 的量化金融风险管理库，采用面向对象(OOP)设计，提供金融工具与组合风险的度量、管理和可视化功能。适合需要用 Python 进行风险分析的学习者和量化研究人员使用。
一款机构级金融情报平台，可追踪 43K+ 条美国国会议员交易记录(STOCK Act)、SEC 内部人 Form 4 申报、25 位超级投资者的 13F 持仓、CFTC 期货持仓及 ARK ETF 持仓变化。适合关注聪明钱动向、内部人交易与另类数据研究的投资者和分析师使用。