找库不再大海捞针
回测、数据、定价、组合优化、风险、机器学习等按分类聚合，一眼看清每个库的定位。
wilsonfreitas / awesome-quant
awesome-quant：从0梳理布局
GitHub最全的量化开源清单
awesome-quant 是 GitHub 上维护最活跃的量化金融开源库清单之一，按 18 大类收录回测框架、数据源、交易接口、组合优化、风险分析、因子分析、机器学习等上千个库与资源，帮你从零梳理「量化研究该用哪些库」。适合量化研究者、策略开发者与想入门量化投资的用户。
项目来源
项目页面显示约 29.1k Star、3.9k Fork；该数字会随社区增长而变化。
在 GitHub 查看 ↗
开源清单GitHub curated list
18 大类回测/数据/组合/ML 等
上千资源库 + 数据源 + 书籍
官方证据仓库 README（2026-08 核验）
What it solves
awesome-quant 能解决什么问题？
量化领域库太多、太杂，awesome-quant 把它们按用途整理成清单，帮你快速定位「哪个环节该用哪个库」，而不是在搜索引擎里逐个试错。
看清量化研究全貌
从数值计算到数据源、从回测到因子分析，清单覆盖一条完整量化研究链路。
降低入门门槛
每个分类列出主流库，作为选型与学习的起点，而不是直接给出投资结论。
How it works
awesome-quant 三步理解：从清单到工作流
它是一份清单，不是软件。理解它的价值，只需三步。
1. 获取清单
git clone 仓库，或直接在 GitHub 页面上浏览分类列表。
2. 按分类找库
按回测、数据、组合优化、机器学习等分类，定位你需要的库。
3. 集成到工作流
每个库独立安装维护，按需组合进你自己的量化研究流程。
Setup and route
自建量化库清单，还是用 EasyClaw 量化 Skill？
同一个「量化研究」目标，两条路线。完整对比见对比子页。
clone 清单→逐个装库→配数据源→写代码
灵活度高，但 Python 环境、各库依赖、数据源 Token 都要自己维护。
安装 EasyClaw→一句话提问
Skill 的数据源、Token、网络与市场覆盖各不相同；不代表 awesome-quant 已集成 EasyClaw。
FAQ
常见问题
awesome-quant 是什么？
awesome-quant 是 GitHub 上的量化金融开源库精选清单（wilsonfreitas/awesome-quant），按 18 大类收录回测、数据、交易、组合优化、风险分析、机器学习等库与资源。
awesome-quant 需要安装吗？
不需要。它是清单（markdown 列表），不是软件；git clone 或直接浏览即可，真正要安装的是清单里列的各个库。
awesome-quant 需要编程基础吗？
清单本身不需要，但它收录的库大多需要 Python 等编程基础；若想免部署直接做量化研究，可看 EasyClaw 量化 Skill 路线。
awesome-quant 在 EasyClaw 中能用吗？
无已证实集成。awesome-quant 与 EasyClaw 没有官方集成证据；EasyClaw 内置的是量化研究类 Skill（如量化分析、财经数据、技术分析等），两者是独立路线。
清单里的库可靠吗？
清单只做资源导航，各库由各自维护者维护，表现与稳定性不构成收益保证或投资建议。