TrendFollowingSystems
✨ 用闭式解计算趋势跟踪策略的收益、夏普与偏度,附数十年期货回测实现
🧭 AI 判断
仅供研究学术型趋势跟踪研究代码,含数十年期货回测,但热度维护未知,上手难,不宜实盘
提供趋势跟踪系统闭式解的期望收益、夏普与偏度理论及数十年期货回测实现
📊 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)+5(现 31 · 断点=当日未采集)
📖 工具介绍
一款基于 Python 的趋势跟踪策略研究工具，提供闭式解计算的预期收益、Sharpe 比率与偏度分析，并附完整实现代码和跨越数十年的期货回测数据。适合量化研究者与策略开发者学习和验证趋势跟踪系统。
`Python` - Closed-form expected returns, Sharpe ratios, and skewness of trend-following systems, with complete implementations and multi-decade futures backtests.
⚖️ 同类对比
| 维度 | TrendFollowingSystems | vectorbt | Qlib | zipline-reloaded |
|---|---|---|---|---|
| 结论 | 仅供研究 | 推荐 | 推荐 | 值得关注 |
| 热度 | 31 | 9.4k | 49.4k | 2k |
| 7日增长 | 0 | +83 | +159 | +4 |
| 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 | 回测 / 策略研究 | 回测 / 策略研究 | 回测 / 策略研究 |
| 支持市场 | 期货 / 多市场 | 多市场 | A股 / 多市场 | 美股 / 多市场 |
| 技术栈 | Python | Python | Python | Python |
| 上手难度 | 较高 | 较高 | 较高 | 较高 |
| 活跃度 | 低 | 高 | 高 | 中 |
🧩 更多同类工具
一款基于 Python 的开源回测与量化研究框架，提供高性能的向量化计算能力，支持策略回测、参数优化、算法交易与研究分析。适合需要快速批量测试大量策略参数组合的量化研究员和交易者。
一款由微软开源的 AI 导向量化投资平台，基于 Python 构建。它提供从数据处理、模型训练到回测的完整机器学习流水线，覆盖 Alpha 挖掘、风险分析等量化投资全链条。适合希望将 AI/ML 方法应用于量化研究的开发者和研究者使用。
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。
一个基于强化学习的高频交易 agent 实验环境，提供模拟市场数据与交易接口，方便训练和评估 RL 策略。项目代码开源、结构清晰，适合量化研究者与开发者学习强化学习在交易场景中的应用或进行策略原型验证。
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 的量化研究质量把关工具，为回测和因子证据提供 fail-closed 的质量门控检查。核心功能包括 DSR、PBO、haircut、MinTRL 检验，并附带概率校准的伴随门控。适合需要对因子策略和回测结果做严格统计验证的量化研究员与开发者。