首页 / 回测/交易框架

flashalpha-fill-simulator

回测/交易框架★ 4↓ 4源:awesome-quant

✨ 专注期权价差单的限价单成交模拟,内置挂单等待、过期报价防护与同bar确定性裁决

🧭 AI 判断

仅供研究无热度与维护数据,定位为期权价差成交模拟器,缺乏社区验证,仅适合研究参考

专注期权价差限价单成交模拟,含挂单守卫与确定性撮合规则,精细化成交建模

适合专业量化回测策略研究美股其他技术栈 Python上手中等活跃度 低
实用性 中💰 开源免费GPU 不需要Python⏱ 最后提交 50 天前

📊 综合评分

6.8/10金融相关 · 核心金融工具期权限价单成交模拟器,核心回测交易工具
金融相关核心金融工具
热度4★
实用性中
活跃度最后提交 50 天前
上手难度中等
成本开源免费

📈 热度走势

GitHub star / HF 下载量每日快照 · 自 2026-09-16(上限 30 天)0(现 4 · 断点=当日未采集)

📖 工具介绍

一款基于 Python 的期权 credit/debit spread 限价单成交模拟器,支持 post-and-wait 限价、过期报价防护、同 bar 确定性 tiebreak 以及“先耐心等待、后主动成交”的退出逻辑。适合需要更贴近真实成交情况的期权价差策略回测者与量化开发者。

原版简介(英文)

`Python` - Realistic limit-order fill simulator for options credit/debit spreads with post-and-wait limits, stale-quote guards, deterministic same-bar tiebreaks, and a patient-then-cross exit; engine-

访问官网 ↗← 更多回测/交易框架

⚖️ 同类对比

维度flashalpha-fill-simulatoroptionlabvibe-investingfinlab
结论仅供研究值得关注值得关注值得关注
热度4580345—
7日增长0+5+3—
适合人群专业量化专业量化专业量化专业量化
主要用途回测 / 策略研究策略研究 / 回测策略研究 / 回测回测 / 策略研究
支持市场美股 / 其他美股 / 其他美股 / 加密货币其他
技术栈PythonPythonPythonPython
上手难度中等中等中等中等
活跃度低中低—

🧩 更多同类工具

optionlab🔥 580

一个基于 Python 的开源期权策略评估库,可用于计算和分析各类 option trading strategies 的收益结构与风险指标。它支持通过代码定义策略并快速回测评估,适合量化开发者与期权交易者使用。

其他工具
vibe-investing🔥 345

开源的 AI「Vibe Investing」量化研究项目,覆盖纳斯达克、标普500 与加密货币市场。核心功能包括基于 LLM 的量化交易工具、multi-agent 回测框架,以及数据驱动的市场专栏(如 mNAV 套利、BTC 与纳斯达克联动性、Alpha Arena 等)。适合对 AI 辅助投资研究感兴趣的开发者和量化爱好者参考使用。

LLM/Agent 研报AI
finlabawesome-quant

一款面向台湾股市的 Python 量化研究工具,提供台股数据获取、因子研究与基于 pandas 风格策略定义的向量化回测功能。适合关注台股市场、希望用 Python 快速验证选股因子和策略的量化研究者与开发者使用。

回测/交易框架
zipline-reloaded🔥 2k

一款基于 Python 的开源算法交易回测框架,是 Quantopian 旗下 Zipline 项目的社区维护版本。它支持事件驱动的回测流程,可处理历史数据加载、订单执行模拟与绩效分析,并兼容较新的 Python 版本。适合量化研究者与策略开发者进行策略验证和研究。

回测/交易框架
Reinforcement-Learning-for-Gold-Trading-Model🔥 74

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。

因子/研究AI
Deep-Reinforcement-Stock-Trading🔥 690

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。

因子/研究AI