返回目录
开源项目量化交易类新手

awesome-quant:量化金融开源库与资源精选清单

awesome-quant 是由 wilsonfreitas 维护的一份面向量化金融(Quantitative Finance)的精选资源清单,按数值计算与数据结构、金融工具与定价、技术指标、交易与回测、组合优化与风险分析、因子分析、时间序列、市场数据源、可视化、Excel 集成、跨语言框架等约 19 个类别收录 Python、R、Julia、Java、JavaScript/TypeScript、Rust、Go、Haskell、Scala 等多语言库与资源。

0 次阅读2026/09/28 发布
awesome-quant:量化金融开源库与资源精选清单 来源图片

社区作者 · zZz

它解决什么问题

该仓库是一份 curated list(精选清单),副标题为 “A curated list of insanely awesome libraries, packages and resources for Quants (Quantitative Finance)”,即面向量化金融从业者的库、包与资源集合。

目录(Contents)包含以下类别:Numerical Libraries & Data Structures、Financial Instruments & Pricing、Technical Indicators、Trading & Backtesting、Portfolio Optimization & Risk Analysis、Factor Analysis、Sentiment Analysis & Alternative Data、Time Series Analysis、Market Data & Data Sources、Prediction Markets、Calendars & Market Hours、Visualization、Excel & Spreadsheet Integration、Quant Research Environments、Cross-Language Frameworks、Reproducing Works, Training & Books、Commercial & Proprietary Services、Historical & Archived Projects、Related Lists。

其中部分类别在正文中给出了逐条项目介绍,另有若干类别仅出现在目录中。

数值计算与数据结构

数值计算与数据结构
Python 侧收录 numpy、scipy、pandas、polars、quantdsl(金融与交易定量分析的领域特定语言)、statistics、sympy、pymc3、modelx、ArcticDB(面向时间序列与 tick 数据的高性能数据存储)、CRNG(生成带真实市场统计特征随机数的应急随机数生成器);R 侧收录 xts、data.table、sparseEigen、TSdbi、tseries、zoo、tis、tfplot、tframe;Julia 侧收录 Temporal.jl、DataFrames.jl、TSFrames.jl、TimeArrays.jl;另有 Python MCP 形态的 jacobian。

金融工具与定价

金融工具与定价
Python 侧收录 PyQL(QuantLib 的 Python 端口)、vollib 与 py_vollib、vanilla-option-pricers、StochVolModels、QuantPy、Finance-Python、ffn、pynance、tia、pysabr、FinancePy、gs-quant、willowtree、financial-engineering、optlib、tf-quant-finance、Q-Fin、Quantsbin、finoptions、pypme、AbsBox、mortgagemath、Intrinsic-Value-Calculator、Kelly-Criterion、rateslib、fypy、Pyderivatives、quantra、optionlab、flashalpha、QuantOracle、BDE Score、implied-expectations 等;R 侧收录 RQuantLib、quantmod、Rmetrics 及其 fAsianOptions、fAssets、fBasics、fBonds、fExoticOptions、fOptions、fPortfolio 等组件,以及 sde、YieldCurve、SmithWilsonYieldCurve、ycinterextra、AmericanCallOpt、VarSwapPrice、RND、LSMonteCarlo、OptHedging、tvm、OptionPricing、credule、derivmkts、FinCal、r-quant、options.studies、fmbasics、R-fixedincome;Julia 有 QuantLib.jl、Miletus.jl;Java 有 Strata、JQuantLib、finmath.net、quantcomponents、DRIP;JavaScript/TypeScript 有 finance.js、hagan-sabr、svi-vol-surface、compounded-sofr、day-count-conventions、tips-index-ratio、32nds;此外还有 Haskell 的 quantfin、Haxcel、Ffinar,Scala 的 QuantScale、Scala Quant,Rust 的 QuantMath、RustQuant,以及 Python 的 QoX。

技术指标:收录 pandas_talib、Tulipy、lppls、talipp、streaming_indicators、QuantWave、TA-Lib Python、ta、bta-lib;R 的 TTR;Julia 的 TALib.jl、Indicators.jl、TechnicalIndicatorCharts.jl、MarketTechnicals.jl、OnlineTechnicalIndicators.jl;Java 的 ta4j;JavaScript 的 IndicatorTS、orderflow;

可复制命令
Go 的 IndicatorGo

;Rust 的 TradeAggregation、SlidingFeatures、fin-primitives、Wickra;以及 REST/MCP 形态的 wickworks。

交易与回测:收录大量 Python 框架与工具,如 Lumibot、QSTrader、Blankly、zipline、zipline-reloaded、QuantSoftware Toolkit、quantitative、bt、qis、backtrader 及其 cloudQuant 分支、TrendFollowingSystems、backtest-bias、falsification-ledger、basana、algobroker、finmarketpy、binary-martingale、zvt、pylivetrader、zipline-extensions、moonshot、pyqstrat、NowTrade、pinkfish、PRISM-INSIGHT、FinClaw、tw-stock-radar、aat、Backtesting.

py、quantstats、jquantstats、Quantdom、freqtrade、algorithmic-trading-with-python、Qlib(微软的 AI 量化投资平台)、finlab、machine-learning-for-trading、AlphaPy、jesse、rqalpha、FinRL、aurumq-rl、bulbea 等;同时包含 Crypto Pump Scanner、SHORTLIST、AgentQuant、exitkit、lesson-book、cl-lp-rotation-scanner、orderbook、ERN-WO Options Backtester、midas-core、Manifold-BT、mkt-alerts、pyhood、honest-signals、rulelint、quantify、purgedcv、AlgoVault、capitalcom-cli、DepthSight、Inalpha、income-desk、mx-trader-bridge、AI Quant Agents、TradeSight、Orallexa、Vibe-Trading、DeepAlpha、the0、autonomous-audit 等较新的交易/回测与 Agent 相关项目。

需要说明的是:该仓库本身是索引型资源清单,不包含统一的安装脚本或代码实现;每个条目的安装方式、许可证与运行要求需以其各自项目页面为准,本清单未逐条给出。

— 本文由 AI 根据公开来源辅助整理,命令、版本与许可证请在使用前到原始页面复核。

安装 / 开始使用

本仓库是资源清单(curated list),不是可直接安装的软件包,来源正文中未提供安装命令或运行步骤。使用方式如下:

  1. 打开仓库页面 wilsonfreitas/awesome-quant。
  1. 从 Contents 目录定位所需类别,例如 Numerical Libraries & Data Structures、Financial Instruments & Pricing、Technical Indicators、Trading & Backtesting、Portfolio Optimization & Risk Analysis、Factor Analysis、Sentiment Analysis & Alternative Data、Time Series Analysis、Market Data & Data Sources、Prediction Markets、Calendars & Market Hours、Visualization、Excel & Spreadsheet Integration、Quant Research Environments、Cross-Language Frameworks、Reproducing Works, Training & Books、Commercial & Proprietary Services、Historical & Archived Projects、Related Lists。
  1. 在条目中按语言筛选,清单覆盖 Python、R、Julia、Java、JavaScript/TypeScript、Rust、Go、Haskell、Scala 等。
  1. 点击条目给出的项目链接(正文中以 GitHub 标注的条目附有仓库地址),进入对应项目页面获取其自身的安装说明。

常见问题:清单本身无需安装,也无统一命令;各库的依赖、Python/R/Julia 版本要求与安装命令在来源中未逐条给出,安装前请核验对应项目的官方文档;部分条目为商业或专有服务(Commercial & Proprietary Services 类别)以及历史归档项目(Historical & Archived Projects 类别),可用性需自行确认。

  1. 首次使用建议从类目中最基础的库入手,例如 Python 的 numpy、scipy、pandas、polars 用于数值与数据结构,再按需进入技术指标(TA-Lib Python、ta、talipp 等)或回测(backtrader、zipline-reloaded、Backtesting.py、freqtrade、Qlib 等)类目。

适用场景

量化策略研究与回测框架选型
期权
债券与衍生品定价及希腊值计算
技术指标计算与流式行情信号处理
时间序列与 tick 数据的高性能存储与处理
投资组合构建
风险分析与绩效报告
因子研究与 AI 量化投资流水线搭建
市场数据获取与行情监控告警
量化金融课程教学与学习资料索引