# quant-lref

**Repository Path**: chons/quant-lref

## Basic Information

- **Project Name**: quant-lref
- **Description**: No description available
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-09-19
- **Last Updated**: 2025-09-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# quant-lref

#### 介绍
量化相关的资料

#### 资料分类
- 选股：选股相关
    - [A-stock-prediction-algorithm-based-on-machine-learning](https://github.com/goldenhairs/A-stock-prediction-algorithm-based-on-machine-learning): 重新整理过的基于机器学习的股票价格预测算法，里面包含了基本的回测系统以及各种不同的机器学习算法的股票价格预测，包含：LSTM算法、Prophet算法、AutoARIMA、朴素贝叶斯、SVM等

- 策略 & 模型
    - [Stock-Prediction-Models](https://github.com/goldenhairs/Stock-Prediction-Models): 股票预测模型，汇集了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。
    - [alphasickle](https://github.com/goldenhairs/alphasickle): 利用指数增强模型收割alpha
    - [scikit-learn](https://sklearn.apachecn.org/): sklearn (scikit-learn) 是基于 Python 语言的机器学习工具
    - [JXQuant](https://github.com/goldenhairs/JXQuant): 该库主要分享“匠芯量化”公众号内的策略源码，更多策略细节请关注微信公众号：“匠芯量化”（微信搜索公众号“jxquant”）
    - [QUANTAXIS-Strategy](https://github.com/goldenhairs/QUANTAXIS_Strategy): 从之前的Strategy/ 文件夹下拆出来的策略文档
    - [掘金策略集锦](https://github.com/goldenhairs/strategy): 量化开源和分享，展示各类经典策略在掘金平台下的实现。每个策略单独拥有一个目录，目录名即是该策略的简称，里面有一个固定名为info.md的文件，其内容为该策略的简单介绍。 策略的每种实现为单独一个目录，目录名为该策略的实现语言，因为一些语言下的代码实现可能有一系列文件，所以把每一种策略实现语言单列为一个目录， 比如，一个策略有python实现，就有一个python目录，里面是python代码文件，如果还有C#实现，就会有一个csharp目录。


- 因子 & 指标

- 交易 & 回测
    - [Backtest](https://github.com/goldenhairs/Backtest): 基金回测服务
    - [autoxd 回测框架](https://github.com/goldenhairs/autoxd): 简单快捷的A股回测环境， 适合编写T+0策略

    - [backtrader_fund](https://github.com/goldenhairs/backtrader_fund): 基于akshare和backtrader的回测。
    - [easyQuantify](https://github.com/goldenhairs/Quantify): 股票量化，包含股票知识图谱以及历史数据以及自动化交易。
    - [ths_trade](https://github.com/goldenhairs/ths_trade): 同花顺自动化交易股票下单接口API, 证券量化交易必备工具, WEB API服务量化框架,交易下单自动排队，支持多策略和实时回报查询, 智能按钮定位，通达信模拟点击升级版本，多年实盘稳定运行,能非常方便的应用在股票自动程序化交易,量化交易下单。
    - [goldenhairs/stock-2](https://github.com/goldenhairs/stock-2): 30天掌握量化交易
    - [Zipline](https://github.com/goldenhairs/zipline): Zipline 是一个具有 Python 风格的算法交易库。它是一个用于回测的事件驱动系统。Zipline 目前在生产环境中被用作回测和实盘交易引擎，为 Quantopian 提供支持 ——Quantopian 是一个免费的、以社区为中心的托管平台，用于构建和执行交易策略。Quantopian 还为专业人士提供全面管理的服务，其中包括 Zipline、Alphalens、Pyfolio、FactSet 数据等。
    - *[QUANTAXIS 量化金融策略框架](https://github.com/goldenhairs/QUANTAXIS): 支持 python/rust 的数据下载 自动运维(a 股/期货/期权/港美股/数字货币), 支持可配置的自定义账户和组合协议(QIFI), 支持股票/期货市场全推的数据协议(MIFI), 支持策略打点和动态画图的界面可视化协议(VIFI), 支持 a 股/ 期货/ 港美股的实盘交易及本地无限制账户的模拟盘. 支持 docker 一键部署和局域网内的 k8s 集群部署, 基于 celery/rabbitmq 实现分布式的回测/模拟/实盘的任务队列. 支持行情二次重采样, 账户订单二次转发, 订单流风控. 支持完全自定义的行情分发(模拟/真实/OU 随机过程)以及行情回放(用于复盘/模拟环境创建). 支持基于 QIFI 协议的各种客户端的自行接入(手机 APP/网页 web/终端)