day-count-conventions
✨ 零依赖TypeScript实现ISDA 2006全套计日惯例，金融衍生品定价利器
🧭 AI 判断
仅供研究零依赖的日期计数约定工具库,功能单一,无热度和维护数据,仅作辅助计算
零依赖 TypeScript 实现 ISDA 2006 计息天数惯例,适合固收定价场景
📊 综合评分
📖 工具介绍
一款基于 TypeScript 实现的日期计数惯例(day-count conventions)库，遵循 ISDA 2006 标准，支持 30/360 系列、ACT/360、ACT/365F 以及 ACT/ACT ISDA 和 ICMA 等计法，且零依赖。适合金融量化开发者在利率衍生品、债券估值等场景中计算计息天数。
`TypeScript` - ISDA 2006 day-count conventions (30/360 family, ACT/360, ACT/365F, ACT/ACT ISDA and ICMA); zero dependencies.
⚖️ 同类对比
| 维度 | day-count-conventions | machine-learning-for-trading | gs-quant | skfolio |
|---|---|---|---|---|
| 结论 | 仅供研究 | 推荐 | 推荐 | 推荐 |
| 热度 | — | 20.7k | 12.8k | 2.3k |
| 适合人群 | 专业量化 | 专业量化 | 专业量化 | 专业量化 |
| 主要用途 | 数据分析 / 策略研究 | 策略研究 / 数据分析 | 数据分析 / 策略研究 | 策略研究 / 数据分析 |
| 支持市场 | 多市场 | 多市场 | 多市场 | 多市场 |
| 技术栈 | TypeScript | Python | Python | Python |
| 上手难度 | 中等 | 中等 | 中等 | 中等 |
| 活跃度 | — | 高 | 高 | 中 |
🧩 更多同类工具
一款基于 Python 的机器学习量化交易开源项目，配套《Machine Learning for Algorithmic Trading》一书，提供全书代码与相关资源。内容涵盖特征工程、模型构建与回测等环节，适合希望将 machine learning 方法应用于算法交易的学习者和研究者参考使用。
一款由高盛开源的 Python 量化金融工具包。它提供与高盛 Marquee 平台交互的接口，支持衍生品定价、风险分析、投资组合管理等功能。适合量化研究人员、开发者和金融工程师使用。
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。
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。
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。
一款基于 Python 的金融研究终端，面向股票、债券、外汇、加密货币等多类资产提供数据分析与 AI 辅助研究功能，支持数据获取、可视化与经济数据分析。适合量化研究员、金融分析师及开发者用于资产研究与策略探索。