QuantFactory/LLama-3.1-Hyper-Stock-GGUF
✨ 基于Llama-3.1-8B合并微调的股票分析GGUF量化模型,适合本地部署做金融研究
🧭 AI 判断
仅供研究社区合并微调的股票主题模型,下载量极低,无实盘验证,仅适合实验
基于Llama-3.1合并微调的股票领域GGUF量化模型,适合本地部署做金融文本研究
📊 综合评分
📈 热度走势
GitHub star / HF 下载量每日快照 · 自 2026-08-29(上限 30 天)+33(现 347 · 断点=当日未采集)
📖 工具介绍
QuantFactory/LLama-3.1-Hyper-Stock 是基于 Llama-3.1-8B 的 merge 模型(合并自 Dampfinchen/Llama-3.1-8B-Ultra-Instruct 等),以 GGUF 量化格式发布,可在本地低资源环境运行。该模型面向股票相关文本的研究与实验,适合量化研究人员和希望用开源 LLM 探索金融场景的开发者使用。
· transformers, gguf, mergekit, merge, arxiv:2403.19522, base_model:Dampfinchen/Llama-3.1-8B-Ultra-Instruct
⚖️ 同类对比
| 维度 | LLama-3.1-Hyper-Stock-GGUF | awesome-quant-ai | torchtrade | alphalens |
|---|---|---|---|---|
| 结论 | 仅供研究 | 仅供研究 | 仅供研究 | 推荐 |
| 热度 | 347 | 586 | 417 | 4.4k |
| 适合人群 | 开发者 | 专业量化 | 开发者 | 专业量化 |
| 主要用途 | 策略研究 / AI Agent | 策略研究 / 数据分析 | 策略研究 / 回测 | 数据分析 / 策略研究 |
| 支持市场 | 美股 | 多市场 | 多市场 | 多市场 |
| 技术栈 | Python | 未知 | Python (PyTorch) | Python |
| 上手难度 | 中等 | 简单 | 中等 | 中等 |
| 活跃度 | 低 | 中 | 低 | 中 |
💡 新手优先 awesome-quant-ai(上手简单);要生态成熟选 alphalens(4.4k)
🧩 更多同类工具
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。
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。
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。
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。