README

令人敬畏的系统化交易



English version here
日本語版はこちら

我们正在收集一份关于寻找、开发和运行系统性交易（量化交易）策略的资源论文、软件、书籍、文章清单。


 用 Papers With Backtest 复现第一篇论文

从已发表的策略、对应的 Python 代码和数据开始。将策略克隆到自己的工作区，在浏览器中运行回测。

试用价值与规模效应示例 →

无需信用卡，也无需本地安装。免费账户包含一次完整策略解锁、一次克隆和 1 美元研究代理额度。
这些额度每个账户仅提供一次，不会重置；已解锁的策略可持续阅读。

从以下示例中选择一个，使用你的免费解锁额度：

| 研究问题 | 打开示例 |
|---|---|
| 价值和规模如何影响股票收益？ | 价值与规模效应 |
| 相关性是否能改善商品动量策略？ | 商品动量 |
| 趋势与均值回归在比特币市场中表现如何？ | 比特币的季节性、趋势与均值回归 |


完成第一次回测的步骤

1. 打开一个示例，创建免费账户，解锁该策略的代码和回测结果。
2. 将策略克隆到自己的工作区，回测会在策略聊天窗口中开始运行。
3. 查看结果和代码。使用可用的代理额度，询问回测包含哪些交易成本，以及这些成本如何影响结果。

后续研究会消耗剩余代理额度，也可以充值。
Backtester 包含每月 100 次策略解锁、市场数据集、课程、每月 10 美元浏览器代理额度，
以及通过 MCP 从自己的 Claude、Codex 或 Cursor 访问策略目录的权限。
比较免费与付费权益 ·
连接自己的 AI 助手




 你在这里会发现什么？

- 108 个用于研究和实际交易的库和包，已失效和停止维护的项目都作了标注
- 来自已发表论文的策略，附上每一个被编码运行后实测的夏普比率
- 55本适合初学者和专业人士的书籍
- 22个视频和采访
- 还有一些博客和课程


 复现结果是什么样的

我们已经把其中 4,843 篇论文编码，并在各自的完整历史上运行。在挑选一个来实现之前，有几个数字值得先知道：

- 复现结果的夏普比率中位数为 0.37，48% 的策略 t 统计量超过 1.96。
  也就是说，已发表文献中有一半在其自身样本上无法与零区分开。
- 测试窗口中位数为 34 年。一个策略大致需要 (1.96 / 夏普比率)² 年才能证明自己，
  所以夏普比率 0.4 的策略需要约 24 年。
- 策略对标普 500 的贝塔中位数为 +0.17。剔除这部分之后，信息比率中位数降到 0.21，
  说明已发表的超额收益中有相当一部分来自指数敞口，而非技巧。
- 在发表日期两侧都有记录的 2,838 篇论文中，控制市场时期之后，我们没有发现可测量的
  发表后衰减，误差在每年五分之一个百分点以内。

方法与注意事项写在维基上。


点击这里查看完整的内容表

- 库和包
  - 回溯测试和真实交易
    - 一般 - 事件驱动框架
    - 一般 - 基于矢量的框架
    - 加密货币
  - 交易机器人
  - 分析
    - 指标
    - 度量衡计算
    - 优化
    - 定价
    - 风险
  - 经纪人API
  - 数据来源
    - 一般
    - 加密货币
  - 数据科学
  - 数据库
  - 图形计算
  - 机器学习
  - 时间序列分析
  - 视觉化
- 策略
  - 股票
  - 债券
  - 大宗商品
  - 外汇
  - 加密货币
  - 衍生品
  - 多资产
- 书籍
  - 初学者
  - 传记
  - 编码
  - 隐蔽性
  - 一般
  - 高频交易
  - 机器学习
- 视频
- 博客
- 课程



  我怎样才能提供帮助？
 你可以通过提交带有建议的问题和在Twitter上分享来帮助。

 


 库和包

108个实现交易机器人、回溯测试器、指标、定价器等的库和包列表。每个库都按其编程语言分类，并按人口降序排列（星星的数量）。


 回溯测试和真实交易

 一般 - 事件驱动框架


| 存储库 | 描述 | 明星 | 使用方法 |
|------------|-------------|-------|-----------|
| vnpy | 基于Python的开源量化交易系统开发框架，于2015年1月正式发布，已经一步步成长为一个全功能的量化交易平台。 | !GitHub stars | !made-with-python |
| zipline | Zipline是一个Pythonic算法交易库。它是一个事件驱动的系统，用于回溯测试。 | !GitHub stars | !made-with-python |
| backtrader | 事件驱动的Python交易策略回测库 | !GitHub stars | !made-with-python |
| QUANTAXIS | QUANTAXIS 支持任务调度 分布式部署的 股票/期货/期权/港股/虚拟货币 数据/回测/模拟/交易/可视化/多账户 纯本地量化解决方案 | !GitHub stars | !made-with-python |
| QuantConnect | QuantConnect的精益算法交易引擎（Python，C）。 | !GitHub stars | !made-with-python |
| Rqalpha | 一个可扩展、可替换的Python算法回测和交易框架，支持多种证券 | !GitHub stars | !made-with-python |
| finmarketpy | 用于回测交易策略和分析金融市场的Python库（前身为pythalesians）。 | !GitHub stars | !made-with-python |
| backtesting.py | Backtesting.py是一个Python框架，用于根据历史（过去）数据推断交易策略的可行性。Backtesting.py在Backtrader的基础上进行了改进，并以各种方式超越了其他可获得的替代方案，Backtesting.py是轻量级的、快速的、用户友好的、直观的、互动的、智能的，并希望是面向未来的。 | !GitHub stars | !made-with-python |
| zvt | 模块化的量化框架 | !GitHub stars | !made-with-python |
| WonderTrader | WonderTrader——量化研发交易一站式框架  | !GitHub stars | !made-with-python |
| nautilus_trader | 一个高性能的算法交易平台和事件驱动的回测器 | !GitHub stars | !made-with-python |
| PandoraTrader | 基于c++开发，支持多种交易API，跨平台的高频量化交易平台 | !GitHub stars | !made-with-c++ |
HFTBackte