awesome-quant：做量化的人，基本都收藏了这个仓库
文章目录
- awesome-quant：做量化的人，基本都收藏了这个仓库
- 覆盖了哪些方向
- 语言覆盖范围
- 实际怎么用
- 一点不足
awesome-quant：做量化的人，基本都收藏了这个仓库
做量化交易这件事，门槛不在想法，在工具。你想回测一个策略，得找回测框架；想拉行情数据，得找数据源；想做因子分析，得找专门的库。这些东西散落在 GitHub 各处，一个个去找太费时间。
wilsonfreitas 维护的 awesome-quant 就是干这个事的。它是一个精选列表，把量化金融领域里用得上的开源库、工具、资源全部整理到了一起。目前 Star 数超过 27000，算是量化圈子里认可度最高的资源合集之一。
覆盖了哪些方向
打开仓库看目录，分类很细，基本涵盖了量化的整条链路：
数值计算和数据结构是最基础的一层。numpy、pandas、polars 这些不用多说，做量化的人天天在用。R 和 Julia 生态里也有对应的库，比如 xts、data.table、Temporal.jl。
金融工具定价这一块，PyQL 是 QuantLib 的 Python 移植版，FinancePy 专注衍生品定价，gs-quant 是高盛开源的量化工具包。R 语言这边有 RQuantLib 和一整套 Rmetrics 组件。
技术指标库收了不少。TA-Lib 是老牌的 C 库 Python 封装，finta 和 pandas_talib 是纯 Python 实现，talipp 支持增量计算，适合实时场景。
回测和交易框架是最多人关注的分类。backtrader、zipline、vnpy、freqtrade 这些都在。微软的 Qlib 也在列表里，主打 AI 驱动的量化投资平台。Lean 是 QuantConnect 的开源引擎，支持 Python 和 C#。近几年还出了不少新项目，像 Lumibot 支持多券商多品种，nautilus_trader 用 Rust 写核心追求高性能。
组合优化和风险分析有 PyPortfolioOpt、Riskfolio-Lib、skfolio（基于 scikit-learn 的组合优化）、pyfolio、empyrical 等。
因子分析、情绪分析、时间序列、市场数据源这些方向也都有专门的分类。yfinance、tushare、OpenBB Terminal 这些数据获取工具也在里面。
语言覆盖范围
不只是 Python。R、Julia、Java、JavaScript、C++、C#、Rust、Go、Haskell、Scala、Elixir 都有涉及。做高频的可能用 C++ 或 Rust，做研究的多半用 Python 或 R，这个列表照顾到了不同技术栈的需求。
实际怎么用
这个仓库本身不提供代码实现，它就是一个索引。你遇到具体问题，比如"我想用 Python 做期权定价"，直接去对应分类里找就行。每个条目都标注了语言和简要说明，点进去就是项目的 GitHub 页面。
对刚接触量化的人来说，这个仓库的价值在于帮你建立工具地图。你不需要记住每个库的名字，但你知道有这么个地方，需要的时候来翻一翻，比自己到处搜效率高很多。
对有经验的人来说，它也能帮你发现新工具。量化领域发展快，新项目不断冒出来，维护者一直在更新列表，最近的提交里能看到不少 2024、2025 年的新项目。
一点不足
因为是 awesome 列表的格式，条目很多但没有横向对比。同一个功能可能有十几个库，哪个好用、哪个活跃、哪个适合什么场景，列表本身不会告诉你。这个需要自己去试，或者看社区讨论。
另外部分项目已经很久没更新了，列表里标注了 ARCHIVED 的不多，有些停更的项目混在里面，需要自己判断。
更新了，列表里标注了 ARCHIVED 的不多，有些停更的项目混在里面，需要自己判断。