ML_Finance_Codes
✨ 《Machine Learning in Finance: From Theory to Practice》配套代码库，适合量化研究入门
🧭 AI 判断
仅供研究书籍配套代码,定位教学示例,无热度与维护数据,不适合实盘部署
机器学习金融圣经级教材配套代码,覆盖金融ML理论到实践全流程
- 近2天热度 +22,当日热度在涨
- 7天热度 +32,处于持续上升期
📊 综合评分
📈 热度走势
GitHub star / HF 下载量每日快照 · 自 2026-09-16(上限 30 天)+47(现 2,710 · 断点=当日未采集)
📖 工具介绍
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 Book.
⚖️ 同类对比
| 维度 | ML_Finance_Codes | StochVolModels | machine-learning-for-trading | quantstats |
|---|---|---|---|---|
| 结论 | 仅供研究 | 仅供研究 | 推荐 | 推荐 |
| 热度 | 2.7k | 239 | 21.4k | 7.7k |
| 7日增长 | +32 | +1 | +96 | +22 |
| 适合人群 | 专业量化 | 专业量化 | 专业量化 | 专业量化 |
| 主要用途 | 策略研究 / 数据分析 | 策略研究 / 数据分析 | 策略研究 / 数据分析 | 数据分析 / 策略研究 |
| 支持市场 | 多市场 | 多市场 | 多市场 | 多市场 |
| 技术栈 | Python | Python | Python | Python |
| 上手难度 | 较高 | 较高 | 中等 | 简单 |
| 活跃度 | 中 | 低 | 高 | 高 |
💡 新手优先 quantstats(上手简单);要生态成熟选 machine-learning-for-trading(21
🧩 更多同类工具
一款基于 Python 的随机波动率模型分析库，提供定价分析与 Monte Carlo 模拟能力，支持 log-normal SV 模型和 Heston 模型。代码开源，便于研究和扩展。适合量化研究者、金融工程从业者及学习衍生品定价的学生使用。
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。
一款基于 Python 的量化投资组合分析库，可计算 Sharpe Ratio、Sortino Ratio、最大回撤等各类绩效与风险指标，并支持生成可视化报告。适合量化研究员和交易者用于评估策略回测结果与组合表现。
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。