QuantFactory/ScaduTorrent1.1-8b-model_stock-GGUF
🧭 AI 判断
不推荐仅是Llama-3合并模型的GGUF量化,属NLP模型与量化交易无关
量化无关,实为 Llama-3-8B 合并微调的 GGUF 量化模型
- 刚刚收录进导航,较早的关注者红利期
📊 综合评分
· transformers, gguf, mergekit, merge, arxiv:2403.19522, base_model:Blackroot/Llama-3-8B-Abomination-LORA
⚖️ 同类对比
| 维度 | ScaduTorrent1.1-8b-model_stock-GGUF | awesome-quant-ai | alphalens | torchtrade |
|---|---|---|---|---|
| 结论 | 不推荐 | 仅供研究 | 推荐 | 仅供研究 |
| 热度 | 793 | 632 | 4.5k | 425 |
| 7日增长 | — | +6 | +3 | +1 |
| 适合人群 | 开发者 | 专业量化 | 专业量化 | 开发者 |
| 主要用途 | 策略研究 | 策略研究 / 数据分析 | 数据分析 / 策略研究 | 策略研究 / 回测 |
| 支持市场 | 其他 | 多市场 | 多市场 | 多市场 |
| 技术栈 | GGUF/LLaMA | 未知 | Python | Python (PyTorch) |
| 上手难度 | 较高 | 简单 | 中等 | 中等 |
| 活跃度 | 中 | 中 | 中 | 低 |
💡 新手优先 awesome-quant-ai(上手简单);要生态成熟选 alphalens(4.5k)
🧩 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。
因子/研究 · HuggingFace 3.9k 下载
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。