Repositorio complementario del libro chino «XQuant: Everyone Can Be a Quant Trader», con Specs y notebooks de Jupyter para trading cuantitativo y backtesting en Python.
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.
XQuant Learning es el material práctico complementario del libro chino «XQuant: Everyone Can Be a Quant Trader». Está organizado por capítulos, cada uno de los cuales responde a una pregunta práctica sobre trading cuantitativo: desde cómo genera dinero una estrategia hasta cómo determinar si está sobreajustada.
Cada capítulo contiene Specs, es decir, descripciones de tareas redactadas para un asistente de programación con IA, y Notebooks: implementaciones de referencia ejecutables en Jupyter que representan el resultado esperado de cada spec. El curso se basa en redactar instrucciones claras en lenguaje natural, en lugar de programar Python manualmente.
El curso avanza desde una estrategia mínima y la selección del universo de inversión hasta el dimensionamiento de posiciones, la generación de señales, la evaluación del backtest, las comprobaciones de sobreajuste, la ejecución en vivo y la iteración de estrategias; el capítulo final está dedicado a la investigación de factores. El libro principal está alojado en otro repositorio.
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Framework de Python para trading cuantitativo que abarca la definición de estrategias, backtesting vectorizado y basado en eventos, paneles de resultados y trading simulado o en vivo.
Ejemplos de notebooks de Jupyter para desarrollar y probar estrategias de trading algorítmico con datos de DEX, DeFi y Binance CEX mediante Trading Strategy SDK.
Framework modular de trading cuantitativo en Python que abarca selección de acciones, asignación de carteras, backtesting y ejecución con el bróker Alpaca mediante una interfaz basada en pesos.
Framework de trading de criptomonedas en Go para crear, probar con datos históricos y ejecutar estrategias en varios exchanges.
Sistema de trading cuantitativo de código abierto en Python para acciones A de China, con gestión de datos, selección de acciones, estrategias de timing, control de riesgos y backtesting.
Sistema de análisis bursátil basado en LLM para acciones de China continental, Hong Kong, EE. UU., Japón, Corea del Sur y Taiwán, con informes diarios enviados a chats y correo electrónico.