paperswithbacktest

@paperswithbacktest

awesome-systematic-trading

paperswithbacktest/awesome-systematic-trading

A curated list of awesome libraries, packages, strategies, books, blogs, tutorials for systematic trading.

STARS11,798
FORKS1,469
ISSUES55
LANGUAGEPython

HISTORICAL INTELLIGENCE

历史情报摘要

按周期独立统计
日榜当前未记录
历史最佳#2最近排名#2

当前未进入本站记录范围

记录天数
5 天
记录期 Star
+2.7k
本站共 12 天日榜快照 · 最近记录 2026-08-01
本站最早记录:2026-07-28

指标仅基于本站已保存快照,不代表项目在 GitHub 的首次上榜时间;同日多次抓取保留当日最新结果,负向 Star 差值按样本校正处理。

日榜历史趋势

2026-07-28 至 2026-08-01,掉榜日期保留为空缺。

排名,数字越小越靠前当日新增 Star
折线表示历史榜单排名,柱形表示相同快照记录的新增 Star。排名纵轴已反向,越靠上排名越高。 #1 #4 #8 #11 #14 2026-07-28:新增 402 Star 2026-07-29:新增 950 Star 2026-07-30:新增 628 Star 2026-07-31:新增 765 Star 2026-08-01:新增 529 Star 2026-07-28:排名 #9,新增 402 Star2026-07-29:排名 #14,新增 950 Star2026-07-30:排名 #3,新增 628 Star2026-07-31:排名 #4,新增 765 Star2026-08-01:排名 #2,新增 529 Star 07-28 08-01 +950
图表仅使用本站保存的快照,不补零、不推算掉榜期间数据;下方历史明细继续保留原始日期、排名与 Star 数。

VERIFIABLE HEALTH SIGNALS

项目健康证据

维护、响应、交付与采用风险分开观察,不生成虚假的单一总分。
高可信度
MAINTENANCE

维护活性

核对提交
近 90 天 Commit
0
完整窗口
活跃贡献者
0
按公开提交账号去重
近 12 月活跃月份
0/12
有提交的自然月
RESPONSE

社区响应

核对样本
Issue 关闭率
0%
0/7 个同期新 Issue
Issue 关闭中位数
暂无闭环样本
仅统计已关闭样本
PR 合并率
0%
0/22 个同期新 PR
PR 合并中位数
暂无闭环样本
仅统计已合并样本
DELIVERY

持续交付

核对发布
近 12 月正式 Release
0
排除草稿与预发布
最近正式 Release
暂无记录
以公开发布时间为准
发布间隔中位数
样本不足
至少两次正式发布才计算
ADOPTION

采用风险

查看仓库
仓库状态
正常开放
未发现归档标记
开源协议
未识别
仍需核对完整协议与依赖
Security Policy
未发现
仅检查 GitHub 社区资料

统计窗口 90 天快照样本 3 天计算规则 health-v1采集于 2026-08-04 00:15

公开样本完整,Issue 与 PR 合计样本量达到基本观察门槛。 这些信号不替代代码审计、安全测试和真实生产验证。

AI-ASSISTED PROJECT BRIEF

项目定位与辅助解读

来源边界与风险表述检查

AI 解读仅作初评参考,技术落地请以 GitHub 源码、README 和完整协议为准。

项目资料AI 整理

一个精选的系统性交易资源列表,包含97个库、40+策略、55本书等,适用于量化交易研究和开发。

从公开资料看,paperswithbacktest/awesome-systematic-trading 是一个系统性交易(量化交易)资源的精选集合,涵盖库、包、策略、书籍、博客、教程等。仓库收录97个库和包(包括回测、实盘交易、数据科学等)、40多个机构与学术策略、55本从入门到专业的书籍、23个视频及多个博客和课程。该项目旨在为发现、开发和运行系统性交易策略提供一站式资源导航。

核心亮点

项目最值得关注的能力

AI 推断
  • 收录97个库和包,覆盖回测、实盘交易、数据科学、机器学习等。
  • 包含40多个由机构与学术界描述的交易策略。
  • 提供55本从初学者到专业人士的书籍推荐。
  • 项目拥有9111个星标和1275个复刻,社区关注度高。

适用场景

它可以解决哪些实际问题

AI 推断
  • 作为研究量化交易策略的入门导航。
  • 快速查找适合特定需求的回测框架或数据源。
  • 参考机构与学术界策略进行学习或复现。

技术观察

从公开资料提炼的实现特征

AI 推断
  • 仓库本身不包含代码,所有链接指向外部项目。
  • 资源按类别(如回测框架、策略、书籍)组织,便于浏览。
  • 列表主要基于Python,但部分库支持多种语言。

优势判断

相对明确的项目价值

AI 推断
  • 资源覆盖全面,从新手到专业水平均有涉及。
  • 社区活跃度高,星标数超过9000,持续收集更新。
  • 策略部分来自学术论文和机构实践,具有参考价值。

局限与注意

评估和采用前需要留意

AI 推断
  • 仅提供链接,不保证资源的时效性或准确性。
  • 部分外部库可能已停止维护或存在兼容性问题。
  • 开源问题数45,表明存在一些待改进项。

适用人群

哪些开发者和团队值得关注

AI 推断
  • 量化交易初学者和研究者。
  • 寻找工具库的算法交易开发者。
  • 希望了解学术策略的金融从业者。
综合参考
从公开资料看,这是一个高质量的系统性交易资源列表,覆盖广泛且社区认可度高。适合作为量化交易学习和研究的起点,但使用者需自行验证外部链接的可靠性与更新状态,并在采用前独立完成安全、性能和兼容性测试。
由 AI 基于 GitHub 公开资料辅助生成,不构成安全审计、生产选型或专业建议。

依据与内容边界

区分可验证事实、项目方自述与 AI 推断

GitHub 可验证事实

Star、Fork、License、更新时间及健康证据样本来自 GitHub 公开接口。

项目方自述

功能与使用方式主要来自仓库描述和 README,未经本站独立验证。

AI 推断

适用场景、优势与局限属于辅助解读,应结合原始文档独立判断。

  • GitHub事实:仓库拥有9111个星标、1275个复刻和45个开放问题。
  • 项目方自述:README声明收录97个库、40+策略、55本书等。
  • AI推断:根据README结构,资源按类别列表,缺乏版本或维护状态信息。
生成于 2026-07-28 18:55 规则版本 2026-07-v3
内容有误或您是项目作者?提交纠错
仅保存处理所需内容,不记录原始 IP;可信项目作者的高风险申诉会优先处理。