Una lista seleccionada de bibliotecas, artículos, estrategias, libros, blogs y cursos para el trading sistemático (cuantitativo).
Esta página presenta un proyecto de código abierto y no constituye asesoramiento de inversión. Operar e invertir puede generar pérdidas: evalúa el riesgo por tu cuenta y cumple las leyes de tu país antes de usarlo.
Awesome Systematic Trading es una lista seleccionada de recursos para encontrar, desarrollar y ejecutar estrategias de trading sistemático (cuantitativo). Está organizada en secciones que abarcan frameworks de backtesting y trading en vivo, bots de trading, bibliotecas de análisis para indicadores, métricas, optimización de carteras, valoración y riesgo, APIs de brokers, fuentes de datos, machine learning y visualización, además de estrategias publicadas, libros, videos, blogs y cursos.
Muchas entradas indican su estado de mantenimiento, por ejemplo, si están inactivas, archivadas o ya no disponibles, para que los lectores puedan evitar proyectos abandonados. La mayoría de las bibliotecas están escritas en Python, aunque algunas usan C++, Rust, Go y TypeScript. La lista también incluye una sección de estrategias de trading publicadas con resultados de replicación del proyecto Papers With Backtest de sus responsables.
La lista está mantenida por Papers With Backtest, cuyo enlace aparece en el README y que ofrece un entorno de backtesting alojado y accesible desde el navegador para algunas de las estrategias incluidas.
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Lista seleccionada y organizada por categorías de bibliotecas, paquetes y recursos de código abierto para finanzas cuantitativas, desde pricing y backtesting hasta datos y más.
Biblioteca de Python para analizar el rendimiento de carteras, con métricas de riesgo, gráficos e informes HTML detallados para series de rendimientos.
Kit de herramientas de Python para investigar estrategias de trading y probar miles de ideas en distintos activos y marcos temporales mediante operaciones vectorizadas de NumPy y pandas.
Biblioteca Pythonica de backtesting basado en eventos para estrategias de trading, mantenida por la comunidad como fork de Zipline de Quantopian.
Plataforma de inversión cuantitativa orientada a la IA de Microsoft, que abarca datos, entrenamiento de modelos, backtesting y ejecución de órdenes para la investigación cuantitativa.
Motor de trading algorítmico basado en eventos, escrito en C#, para hacer backtesting y operar en vivo en varios mercados financieros, con soporte para Python.