站在巨人的肩上——金融类Python、R、Java等工具资源集锦

‍Python

基础库

• numpy – NumPy是使用Python进行科学计算的基本软件包。
• scipy – SciPy（发音为“Sigh Pie”）是一个基于Python的数学、科学和工程开源软件生态系统。
• pandas – pandas是一个开源的BSD许可库，为Python编程语言提供高性能、易于使用的数据结构和数据分析工具。
• quantdsl – 金融和交易中定量分析的领域特定语言。
• statistics  – 用于所有基本统计计算的内置Python库。
• sympy – SymPy是一个用于符号数学的Python库。
• pymc3 – Python中的概率编程：使用Theano的贝叶斯建模和概率机器学习。

金融工具和定价

• PyQL – QuantLib的Python端口。
• pyfin – 基本期权定价。
• vollib – vollib是一个用于计算期权价格、隐含波动性和希腊字母的python库。
• QuantPy – python中的定量金融框架。
• Finance-Python – 金融的Python工具。
• ffn – Python的财务函数库。
• pynance – 用于组装和分析财务数据的轻量级Python库。
• tia – 集成和分析工具包。
• hasura/base-python-dash – Hasura快速开始部署Dash框架。Dash写在Flask、Plotly.js和React.js之上，非常适合在纯Python中构建具有高度自定义用户界面的数据可视化应用程序。
• hasura/base-python-bokeh – Hasura快速启动，使用bokeh库可视化数据。
• pysabr – SABR模型Python实现。
• FinancePy – 一个Python金融库，专注于金融衍生品的定价和风险管理，包括固定收益、股票、外汇和信用衍生品。
• gs-quant – 定量金融的Python工具包。
• willowtree –  Robust and flexible Python implementation of the willow tree lattice for derivatives pricing.
• financial-engineering -在Python中将蒙特卡罗方法应用于金融工程项目。
• optlib – 用Python编写的金融期权定价库。
• tf-quant-finance – 用于定量金融的高性能TensorFlow库。
• Q-Fin – 一个用于数学金融的Python库。
• Quantsbin – 用于定价和绘制期权价格、希腊字母和各种其他分析的工具。
• finoptions – R包fOptions的完整python实现，部分实现fExoticOptions，用于为各种选项定价。

指标库

• pandas_talib – Python Pandas实现技术分析指标。
• finta – 在Pandas实施的常见财务技术分析指标。
• Tulipy -金融技术分析指标库。
• lppls – 用于拟合LPPLS模型的Python模块。

交易和回测

• Blankly – 完全集成的回测、交易和实时部署。
• TA-Lib – TA-Lib的Python包装器（http://ta-lib.org/）。
• zipline – Python算法交易库。
• QuantSoftware Toolkit – 基于Python的开源软件框架，旨在支持投资组合构建和管理。
• quantitative-定量金融和回测库。
• analyzer-用于实时财务和回测交易策略的Python框架。
• bt – Python的灵活回测。
• backtrader – 用于交易策略的Python Backtesting库。
• pythalesians – 用于回测交易策略、绘制图表、无缝下载市场数据、分析市场模式等。
• pybacktest – Python/pandas中的矢量化回测框架，回测更容易。
• pyalgotrade – Python算法交易库。
• tradingWithPython – 定量交易的函数和类集合。
• Pandas TA – Pandas TA是一个易于使用的Python 3 Pandas扩展，具有115多个指标。轻松构建自定义策略。
• ta – 使用Pandas的技术分析库（Python）
• algobroker – 这是algo交易的执行引擎。
• pysentosa – 适用于 sentosa 交易系统的 Python API。
• finmarketpy – 用于回测交易策略和分析金融市场的Python库。
• binary-martingale – 自动交易二元期权的计算机程序。
• fooltrader – 使用大数据技术为分析整个市场提供统一方法的项目。
• zvt – 使用sql、pandas提供统一和可扩展的方法来记录数据、计算因素、选择证券、回测、实时交易，并且可以实时在清晰的图表中显示所有这些。
• pylivetrader – 兼容zipline的实时交易库。
• pipeline-live – zipline与IEX的管道能力用于实时交易。
• zipline-extensions – QuantRocket的扩展和适配器。
• moonshot – 基于Pandas的QuantRocket的交易引擎。
• PyPortfolioOpt – python中的金融投资组合优化，包括经典的高效前沿和高级方法。
• Eiten – Eiten是Tradytics的开源工具包，它实施各种统计和算法投资策略，如特征投资组合、最小方差投资组合、最大夏普比率投资组合和基于遗传算法的投资组合。
• riskparity.py – 使用TensorFlow 2.0快速且可扩展地设计风险平价投资组合。
• mlfinlab – 马科斯·洛佩斯·德·普拉多关于“金融机器学习的进展”的实施。（财务数据结构、元标签）
• pyqstrat – 快速、可扩展、透明的python库，用于回测定量策略。
• NowTrade – Python库，用于回测股票和货币市场的技术/机械策略。
• pinkfish – 用于安全分析的背景测试器和电子表格库。
• aat – 异步算法交易引擎。
• Backtesting.py – Python中的回测交易策略。
• catalyst – Python中加密资产的算法交易库。
• quantstats – 量子的投资组合分析。
• qtpylib – QTPyLib，Python算法交易http://qtpylib.io。
• Quantdom – 基于Python的框架，用于回测交易策略和分析金融市场。
• freqtrade – 免费、开源的加密交易机器人。
• algorithmic-trading-with-python – 免费pandas和scikit-learn资源，用于交易模拟、回测和财务数据机器学习。
• DeepDow – 深度学习的投资组合优化
• Qlib – 微软面向人工智能的定量投资平台。数据处理、模型培训、回测的完整ML管道；并涵盖整个定量投资链：alpha搜索、风险建模、投资组合优化和订单执行。
• machine-learning-for-trading – 算法交易机器学习的代码和资源。
• AlphaPy – 带有Python、scikit-learn、Keras、XGBoost、LightGBM和CatBoost的自动机器学习[AutoML]。
• jesse – 用Python编写的高级加密交易机器人。
• rqalpha – 一个可扩展、可替换的Python算法回测&&交易框架，支持多种证券。
• FinRL-Library – 用于定量金融自动交易的深度强化学习库。
• bulbea – 基于深度学习的Python库，用于股票市场预测和建模。
• ib_nope – IBKR TWS上的NOPE策略的自动交易系统。
• OctoBot – 开源加密货币交易机器人，用于高频、套利、TA和社交交易，具有先进的网络界面。
• bta-lib – Pandas的技术分析库，用于回测算法和定量分析。
• Stock-Prediction-Models – 收集用于股票预测的机器学习和深度学习模型，包括交易机器人和模拟。
• TuneTA – TuneTA使用距离相关度量来优化技术指标，以适应用户定义的目标功能，例如次日回报。
• AutoTrader – 一个基于Python的自动交易系统开发平台 – 从回测到优化再到实时交易。
• fast-trade – 一个考虑到回测可移植性和性能的库，用于回测交易策略。
• qf-lib – QF-Lib是一个Python库，为定量金融提供高质量的工具。
• tda-api – 通过TDAmeritrade收集数据并交易股票、期权和ETF。
• vectorbt – 使用强大的工具包进行回测、算法交易和研究，找到您的交易优势。
• Lean – QuantConnect（Python，C#）的精益算法交易引擎。

风险分析

• pyfolio – Python中的投资组合和风险分析。
• empyrical – 常见的财务风险和绩效指标。
• fecon235 – 金融经济学的计算工具包括：leptokurtotic风险的高斯混合模型，自适应玻尔兹曼投资组合。
• finance – 金融风险计算。通过类结构和操作员过载进行了优化，以方便使用。
• qfrm – 量化金融风险管理：用于衡量、管理和可视化金融工具和投资组合风险的出色OOP工具。
• visualize-wealth -投资组合构建和定量分析。
• VisualPortfolio – 此工具用于可视化投资组合的性能。
• universal-portfolios -在线投资组合选择算法的集合。
• FinQuant – 财务投资组合管理、分析和优化计划。
• Empyrial – 投资组合的风险和绩效分析以及回报预测。
• risktools – 在原油和原油产品交易空间内使用的风险工具，部分实施R的PerformanceAnalytics。
• Riskfolio-Lib – Python中的投资组合优化和定量战略资产分配。

因子分析

• alphalens – 预测性α因子的性能分析。
• Spectre – GPU加速因子分析库和Backtester。

时间序列

• ARCH – Python中的ARCH模型。
• statsmodels – Python模块，允许用户探索数据、估计统计模型并执行统计测试。
• dynts – 用于时间序列分析和操作的Python包。
• PyFlux – 用于模型上的时间序列建模和推理（频率和贝叶斯）的Python库。
• tsfresh – 从时间序列中自动提取相关特征。
• hasura/quandl-metabase – Hasura快速开始使用Metabase可视化Quandl的时间序列数据集。
• Facebook Prophet – 用于为具有线性或非线性增长的多重季节性时间序列数据生成高质量预测的工具。
• tsmoothie – 一个用于以矢量化方式进行时间序列平滑和异常值检测的python库。
• pmdarima – 一个统计库，旨在填补Python时间序列分析能力的空白，包括相当于R的auto.arima函数。
• gluon-ts – Python中的vProbabilistic时间序列建模。

交易日历

• exchange_calendars – 证券交易所交易日历。
• bizdays – 工作日计算和公用事业。
• pandas_market_calendars – 交易日历，与pandas一起用于交易应用程序。

数据来源

• yfinance – 雅虎！金融市场数据下载器（+更快的pandas阅读器）。
• findatapy – Python库，通过bloomberg、Quandl、雅虎等下载市场数据。
• googlefinance – Python模块，从Google Finance API获取实时股票数据。
• yahoo-finance – 从雅虎获取股票数据的Python模块！
• pandas-datareader – Python模块，用于将各种来源（谷歌金融、雅虎金融、FRED、经合组织、Fama/法国、世界银行、欧盟统计局……）的数据获取到Pandas数据结构中，如DataFrame、带有缓存机制的Panel。
• pandas-finance – 用于访问和分析财务数据的高级API。
• pyhoofinance – 快速查询雅虎财经的多个股票代码，并返回键入的数据进行分析。
• yfinanceapi – Python的财务API。
• yql-finance – yql-finance简单快捷。API返回当前时间段的股票收盘价和当前股票代码（即APPL，GOOGL）。
• ystockquote – 从雅虎金融检索股票报价数据。
• wallstreet – 实时股票和期权数据。
• stock_extractor – 来自在线资源的通用股票提取器。
• Stockex – 雅虎的Python包装器！财务API。
• finsymbols – 获取SP500、AMEX、纽约证交所和纳斯达克的股票符号和相关信息。
• FRB – FRED® API的Python客户端。
• inquisitor – Econdb.com API的Python接口。
• yfi – 雅虎！YQL库。
• chinesestockapi – Python API获取中国股价。
• exchange – 获取当前汇率。
• ticks – 获取股票代码数据的简单命令行工具。
• pybbg – 彭博COM API的Python接口。
• ccy – 货币的Python模块。
• tushare – 中国股票历史和实时报价数据接口。
• jsm – 获取日本股市数据。
• cn_stock_src – 从不同来源检索基本中国股票数据的实用程序。
• coinmarketcap – 适用于coinmarketcap的Python API。
• after-hours – 获取给定符号的盘前和盘后股票价格。
• bronto-python – Python的Bronto API集成。
• pytdx – 用于从TongDaXin节点检索中国股票实时报价数据的Python接口。
• pdblp – 集成pandas和彭博开放API的简单界面。
• tiingo – 每日复合价格/OHLC/Volume +实时新闻提要的Python界面，由Tiingo数据平台提供支持。
• iexfinance – Python界面，用于从投资者交易所检索实时和历史价格和股票数据。
• pyEX – IEX的Python接口，重点是pandas、支持流媒体数据、高级数据、数据（经济、费率、商品）和技术指标。
• alpaca-trade-api – Python接口，用于从Alpaca API中检索实时和历史价格以及交易执行。
• metatrader5 – MetaTrader 5终端的API连接器
• akshare – AkShare是一个优雅而简单的Python财务数据接口库！https://akshare.readthedocs.io
• yahooquery – 通过非官方的雅虎财经API检索数据的Python接口。
• investpy – 使用Python从Investing.com中提取财务数据！https://investpy.readthedocs.io/
• yliveticker – 来自雅虎金融网络市场数据实时流。
• bbgbridge – 易于使用的适用于Python的彭博桌面API包装器。
• alpha_vantage – 用于财务数据的Alpha Vantage API的python包装器。
• FinanceDataReader – 美国、韩国、日本、中国、越南股票的开源金融数据阅读器
• pystlouisfed – 圣联邦储备银行的Python客户端。Louis API – FRED、ALFRED、GeoFRED和FRASER。
• python-bcb – 巴西中央银行网络服务的Python接口。

Excel集成

• xlwings – 使用Python使Excel飞起来。
• openpyxl – 读/写Excel 2007 xlsx/xlsm文件。
• xlrd – 开发人员从Microsoft Excel电子表格文件中提取数据的库。
• xlsxwriter – 以Excel 2007+ XLSX文件格式编写文件。
• xlwt – 在任何平台上创建与MS Excel 97/2000/XP/2003 XLS文件兼容的电子表格文件的库。
• DataNitro – DataNitro还提供功能齐全的Python-Excel集成，包括UDF。试用下载可用，但用户必须购买许可证。
• xlloop – XLLoop是一个开源框架，用于在集中式服务器（函数服务器）上实现Excel用户定义函数（UDF）。
• expy – ExPy插件允许直接从Microsoft Excel电子表格中轻松使用Python，既可以执行任意代码，也可以定义新的Excel函数。
• pyxll – PyXLL是一个Excel插件，使您只能使用Python代码来扩展Excel。

可视化

• D-Tale – pandas数据和xarray数据集的可视化工具。
• mplfinance – matplotlib实用程序，用于财务数据的可视化和可视化分析。
• finplot – Python的高性能和轻松的财务绘图。
• finvizfinance – Finviz分析python库。

R

基础数据

• xts – 可扩展时间序列：通过扩展动物园，最大限度地保留本机格式信息，并允许用户级定制和扩展，同时简化跨类互操作性，提供对R不同基于时间的数据类的统一处理。
• data.table – data.frame的扩展：大数据的快速聚合（例如100GB内存），快速有序连接，按组快速添加/修改/删除列，完全不使用任何副本，列表列和快速文件阅读器（fread）。提供自然而灵活的语法，以加快开发速度。
• sparseEigen – 稀疏原则成分分析。
• TSdbi – 提供时间序列数据库的通用接口。
• tseries – 时间序列分析和计算金融。
• zoo-常规和不规则时间序列的S3基础设施（Z的有序观测）。
• tis – 时间索引和时间索引系列的函数和S3类，与FAME频率兼容。
• tfplot – 用于简单操作和快速绘制时间序列数据的实用程序。
• tframe – 以相对独立于时间表示的方式编程时间序列方法的函数内核。

数据来源

• IBrokers – 提供对Interactive Brokers Trader Workstation API的原生R访问。
• Rblpapi – “Bloomberg”的R接口通过“Blp API”提供。
• Quandl – 直接将财务数据获取到R。
• Rbitcoin – 统一市场API接口（bitstamp、kraken、btce、bitmarket）。
• GetTDData – 直接从 Tesouro Direto 网站下载和汇总巴西政府发行的债券数据。
• GetHFData – 直接从Bovespa ftp网站下载和汇总巴西工具的高频交易数据。
• Reddit WallstreetBets API – 通过API提供来自reddit（subreddit）Wallstreetbets的每日前50只股票及其情绪。
• td – 接口股票和（数字和标准）货币的“十二数据”API。
• rbcb-巴西中央银行网络服务的R接口。

金融工具和定价

• RQuantLib – RQuantLib将GNU R与QuantLib连接起来。
• quantmod – 定量金融建模框架。
• Rmetrics – 用于定量金融教学和培训的首屈一指的开源软件解决方案。
  • fAsianOptions – EBM和亚洲期权估值。
  • fAssets – 金融资产的分析和建模。
  • fBasics – 市场和基本统计。
  • fBonds – 债券和利率模型。
  • fExoticOptions – 异国情调期权估值。
  • fOptions – 定价和评估基本选项。
  • fPortfolio – 投资组合选择和优化。
• portfolio -分析股票投资组合。
• sparseIndexTracking – 跟踪索引的投资组合设计。
• covFactorModel – 通过因子模型进行协方差矩阵估计。
• riskParityPortfolio – 风险平价投资组合的超快设计。
• sde – 随机微分方程的模拟和推断。
• YieldCurve – 收益率曲线的建模和估计。
• SmithWilsonYieldCurve – 用Smith-Wilson方法从LIBOR和SWAP利率表中构建收益率曲线。
• ycinterextra – 收益率曲线或零息票价格插值和外推。
• AmericanCallOpt-此软件包包括选定的美国看涨期权的定价功能，其基础资产会产生支出。
• VarSwapPrice – 为股票指数的方差互换定价。
• RND – 风险中性密度提取包。
• LSMonteCarlo – 使用最小二乘法蒙特卡洛方法的美国期权定价。
• OptHedging – 价值估算和看涨期权和看跌期权的对冲策略。
• tvm – 货币时间价值函数。
• OptionPricing – 使用高效模拟算法的期权定价。
• credule – 信用违约掉期功能。
• derivmkts – 伴随衍生品市场的函数和R代码。
• FinCal – 用于货币时间价值计算、时间序列分析和计算财务的软件包。
• r-quant – 金融定量分析的R代码。
• options.studies – 期权交易研究与options.data包和shining一起使用的功能。
• PortfolioAnalytics – 投资组合分析，包括优化投资组合的数值方法。
• fmbasics – 金融市场积木。
• R-fixedincome – R的固定收益工具。

交易

• backtest – 探索基于投资组合的金融工具猜想。
• pa – 股票投资组合的绩效归因。
• TTR – 技术交易规则。
• QuantTools – 增强的定量交易建模。
• blotter – 用于定义交易系统和模拟的工具、交易、投资组合和账户的交易基础设施。为多资产类别和多货币投资组合提供投资组合支持。

回测

• quantstrat – 构建交易系统和模拟的面向交易的基础设施。为多资产类别和多货币投资组合提供支持，用于回测和其他金融研究。

风险分析

• PerformanceAnalytics – 用于性能和风险分析的计量经济学工具。

因子分析

• FactorAnalytics – FactorAnalytics软件包包含与投资组合构建、优化和风险管理一起使用的三种主要因素模型的拟合和分析方法，即基本因子模型、时间序列因子模型和统计因子模型。
• Expected Returns – 加强投资组合多样化和用R复制开创性论文的解决方案，其中大部分在最近十年的最佳投资参考之一《预期回报：Antti Ilmanen的投资者收获市场回报指南》中进行了讨论。

时间序列

• tseries – 时间序列分析和计算金融。
• fGarch – Rmetrics – 自动回归条件异质建模。
• timeSeries – Rmetrics-金融时间序列对象。
• rugarch – 单变量GARCH模型。
• rmgarch – 多变量GARCH模型。
• tidypredict – 在数据库中运行预测https://tidypredict.netlify.com/。
• tidyquant – 将财务分析带入tidyverse。
• timetk – 在R中处理时间序列的工具包。
• tibbletime – tibbletime建立在tidyverse之上，是一个扩展，允许通过设置时间索引来创建时间感知tibbles。
• matrixprofile – 建立在Matrix Profile数据结构和算法之上的时间序列数据挖掘库。
• garchmodels – GARCH模型。

日历

• timeDate – 时序和日历。
• bizdays – 工作日计算。

​Matlab

FrameWorks

• QUANTAXIS – 与Matlab集成的定量工具箱。

Julia

• QuantLib.jl – 纯Julia中的Quantlib实现。
• Ito.jl – 定量金融的Julia一揽子计划。
• TALib.jl – TA-Lib的Julia包装。
• Miletus.jl – 金融合同定义、建模语言和估值框架。
• Temporal.jl – 灵活高效的时间序列类和方法。
• Indicators.jl – 金融市场技术分析和时间之上的指标。
• Strategems.jl – 定量系统交易战略制定和回测。
• TimeSeries.jl – Julia的时间序列工具包。
• MarketTechnicals.jl – TimeSeries之上的财务时间序列的技术分析。
• MarketData.jl – 时间序列市场数据。
• TimeFrames.jl – 定义TimeFrame的Julia库（主要用于重新采样TimeSeries）。

Java

• Strata – 用Java设计和编写的现代开源分析和市场风险库。
• JQuantLib – JQuantLib是一个免费、开源、全面的定量金融框架，用100%Java编写。
• finmath.net – Java库，其中包含与数学金融相关的算法和方法。
• quantcomponents – 用于定量金融和算法交易的免费Java组件。
• DRIP – 固定收益、资产分配、交易成本分析、XVA Metrics 库。
• ta4j – 用于技术分析的Java库。

JavaScript

• finance.js – 用于常见财务计算的JavaScript库。
• portfolio-allocation – 投资组合分配是一个JavaScript库，旨在帮助构建由多种资产组成的金融投资组合：债券、商品、加密货币、货币、交易所交易基金（ETF）、共同基金、股票……
• Ghostfolio – 财富管理软件，用于跟踪股票、ETF或加密货币等金融资产，并做出可靠的、数据驱动的投资决策。
• IndicatorTS – Indicator是一个TypeScript模块，提供各种股票技术分析指标、策略和交易回测框架。
• ccxt – 一个JavaScript/Python/PHP加密货币交易API，支持100多个比特币/altcoin交易所。
• QUANTAXIS_Webkit – 令人敬畏的可视化中心。

Haskell

• quantfin – 纯haskell中的量化金融。
• Haxcel – Haskell的Excel插件。
• Ffinar – 哈斯克尔的金融数学图书馆。

Scala

• QuantScale – Scala定量金融图书馆。
• Scala Quant – Scala库，用于处理来自IFTTT或Google Finance的股票数据。

Ruby

• Jiji – 使用OANDA REST API的开源外汇算法交易框架。

Elixir/Erlang

• Tai – 开源可组合、实时、市场数据和交易执行工具包。
• Workbench – 从想法到执行-管理全球分布式集群的交易操作
• Prop – 一个开放和固执己见的交易平台，使用富有成效和熟悉的开源库和工具进行战略研究、执行和操作。

Golang

• Kelp – Kelp是一个开源的Golang算法加密货币交易机器人，在集中式交易所和Stellar DEX（命令行使用和桌面GUI）上运行。
• marketstore – 用于财务时间序列数据的数据帧服务器。
• IndicatorGo – IndicatorGo是一个Golang模块，提供各种股票技术分析指标、策略和交易回测框架。

CPP

• TradeFrame – 基于C++ 17的框架/库（带示例应用程序），用于测试基于选项的自动交易想法，使用DTN IQ实时数据源和Interactive Brokers（TWS API）进行交易执行。内置OptionGreeks/IV计算库。

Frameworks

• QuantLib – QuantLib项目旨在为定量金融提供全面的软件框架。
  • JQuantLib – Java端口。
  • RQuantLib – R端口。
  • QuantLibAddin – Excel支持。
  • QuantLibXL – Excel支持。
  • QLNet – .净端口。
  • PyQL – Python端口。
  • QuantLib.jl – Julia端口。
• TA-Lib – 对金融市场数据进行技术分析。
  • ta-lib-python
  • ta-lib
• Portfolio Optimizer – 投资组合优化器是一个用于投资组合分析和优化的Web API。

CSharp

• QuantConnect – 精益引擎是一个开源的完全托管C#算法交易引擎，专为桌面和云使用而构建。
• StockSharp – 算法交易和定量交易开源平台，用于开发交易机器人（股票市场、外汇、加密货币、比特币和期权）。
• TDAmeritrade.DotNetCore – 免费、开源。TD Ameritrade交易平台的NET客户。帮助开发人员将TD Ameritrade API集成到自定义交易解决方案中。

Rust

• QuantMath – 风险中性定价和风险的金融数学库。

Reproducing Works，Training &Books

• Deman Papers – 复制伊曼纽尔·德曼原始定量金融论文的笔记本。
• ML-Quant – 顶级Quant资源，如ArXiv（理智）、SSRN、RePec、期刊、播客、视频和博客。
• volatility-trading – 基于Euan Sinclair的波动性交易的一套完整的波动性估计器。
• quant – 定量金融和算法交易；主要是基于Quantopian、Zipline或Pandas的ipython笔记本。
• fecon235 – 金融经济学软件工具的开源项目。许多jupyter笔记本，用于交互式验证理论思想和实践方法。
• Quantitative-Notebooks -关于定量金融、算法交易、金融建模和投资策略的教育笔记本。
• QuantEcon – 经济学、金融、计量经济学和数据科学系列讲座；QuantEcon.py、QuantEcon.jl、笔记本。
• FinanceHub – 量化金融资源。
• Python_Option_Pricing – 用Python编写的金融期权定价的图书馆。包括：Black Scholes，Black 76，隐含波动性，美国，欧洲，亚洲，点差选项。
• python-training -J.P.摩根为业务分析师和交易员提供的Python培训。
• Stock_Analysis_For_Quant – Excel、Matlab、Power BI、Python、R和Tableau中不同类型的股票分析。
• algorithmic-trading-with-python-Chris Conlan的算法交易Python（2020）的源代码。
• MEDIUM_NoteBook – 包含Medium上cerlymarco帖子的笔记本的存储库。
• QuantFinance – 定量金融培训材料。
• IPythonScripts – 关于Python和QuantLib中定量金融的教程：定价、xVA、对冲、投资组合优化、机器学习和深度学习。
• Computational-Finance-Course  – 金融课程的材料。
• Machine-Learning-for-Asset-Managers – 由马科斯·洛佩斯·德·普拉多教授撰写的代码片段、练习和应用到资产经理机器学习（定量金融元素）的实时数据。
• Python-for-Finance-Cookbook – Python for Finance Cookbook，由Packt出版。
• modelos_vol_derivativos – “Modelos de Volatilidade para Derivativos” book’s Jupyter notebooks。
• NMOF – M.的《金融中的数值方法和优化》第一版和第二版的函数、示例和数据。吉利，D。Maringer和E。舒曼（2019，ISBN：978-0128150658）。
• py4fi2nd – Yves Hilpisch的Jupyter笔记本和Python for Finance（第二版，O’Reilly）的代码。
• aiif – Yves Hilpisch的《金融人工智能》（O’Reilly）一书的Jupyter笔记本和代码。
• py4at – Yves Hilpisch的《Python for Algorithmic Trading (O’Reilly)》一书的Jupyter笔记本和代码。
• dawp – Yves Hilpisch的Jupyter笔记本和Python衍生品分析代码（Wiley Finance）。
• dx – DX分析|使用Python进行金融和衍生品分析。
• QuantFinanceBook – 定量金融书籍。
• rough_bergomi – Bergomi模型的Python实现。
• frh-fx – 用于FX目的的Mechkov快速回归Heston模型的python实现。
• value-investing-studies – 一组数据分析研究，检查长期价值投资的绩效和特征。
• machine-learning-asset-management – 资产管理中的机器学习（由@firmai提供）。
• Deep-Learning-Machine-Learning-Stock -深度学习和机器学习股票对投资者和交易员来说是一个有希望的长期或短期机会。
• Technical_Analysis_and_Feature_Engineering – 特征工程和机器学习在金融市场中的特征重要性。
• Financial-Models-Numerical-Methods – 关于定量金融的笔记本集合，带有交互式python代码。

内容来源于Github项目《Awesome Quant》，由Wilson Freitas创作 ，项目链接：https://github.com/wilsonfreitas/awesome-quant