Categories

awesome-quant 分类清单:18 大类量化开源库

awesome-quant 把量化金融库按用途分成 18 大类。下面按官方 README 分类逐类列出,帮你快速定位「哪个环节该用哪个库」。每一类收录的库各自独立安装维护,清单本身不提供集成。

数值计算Numerical
交易回测Backtesting
组合优化Portfolio
因子分析Factor
数据源Data
机器学习ML / Time
awesome-quant 官方 README 18 大类分类示意。
Full list

18 大类完整清单

分类名称与顺序来自官方 README,中文释义为本站整理。

#分类(英文)中文释义本站专题
1Numerical Libraries & Data Structures数值计算库与数据结构数据页
2Financial Instruments & Pricing金融工具与定价回测页
3Technical Indicators技术指标回测页
4Trading & Backtesting交易与回测回测页
5Portfolio Optimization & Risk Analysis组合优化与风险分析组合页
6Factor Analysis因子分析机器学习页
7Sentiment Analysis & Alternative Data情绪分析与另类数据数据页
8Time Series Analysis时间序列分析机器学习页
9Market Data & Data Sources市场数据与数据源数据页
10Prediction Markets预测市场组合页
11Calendars & Market Hours日历与交易时段数据页
12Visualization可视化数据页
13Excel & Spreadsheet IntegrationExcel 与电子表格集成数据页
14Quant Research Environments量化研究环境使用页
15Cross-Language Frameworks跨语言框架回测页
16Reproducing Works, Training & Books复现研究、培训与书籍使用页
17Commercial & Proprietary Services商业与专有服务本页
18Related Lists相关清单本页
说明:清单只做资源导航,各库由各自维护者维护;收录不代表背书,各库表现不构成收益保证或投资建议。
Next

想深入某几类?

回测、数据、组合优化、机器学习是最常被问到四类,已单独拆成专题页。

Pipeline view

按量化研究链路看分类

换个视角:把 18 大类放进一条典型量化研究链路里,更容易理解每类该在哪个环节用。

1

数据层

数值计算库与数据结构(numpy/pandas)、市场数据与数据源、情绪与另类数据、日历与交易时段,构成研究的数据底座。

2

特征与建模层

因子分析、时间序列分析、技术指标、金融工具与定价,把原始数据处理成可用的因子、信号与定价输入。

3

回测与组合层

交易与回测、组合优化与风险分析、预测市场,验证策略并构建与风控投资组合。

4

呈现与协作层

可视化、Excel 集成、量化研究环境、跨语言框架、复现与书籍,用于展示、复现与工程化。

提示:这套链路视角是本站整理,用于理解分类用途;清单本身仍按官方 18 大类组织。

想免部署直接做量化研究?

清单里的库需要逐个安装维护;EasyClaw 量化 Skill 提供一句话发起行情、数据、量化分析的路线。先看对比页再决定。