Startseite Projekte alphagen
alphagen

alphagen

von ICT-FinD-Lab · GitHub

Generierung von Sets formelbasierter Alpha (prädiktiver) Aktienfaktoren durch Reinforcement Learning.

Auf GitHub ansehen
In einfachen Worten

Generieren Sie prädiktive Aktienfaktoren mit Reinforcement Learning, um Ihre Handelsstrategien zu verbessern.

⭐ Sterne
🍴 Forks
🔥 Trendend
📜 Lizenz
Lizenz nicht angegeben
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
alphagen — GitHub preview card
📈 Sternhistorie
1.17k1.16k
2026-07-202026-07-29
📈 alphagen verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Generierung von Sets formelbasierter Alpha (prädiktiver) Aktienfaktoren durch Reinforcement Learning.

alphagen hat 1.2k Sterne auf GitHub. Es wurde 316-mal geforkt. alphagen ist hauptsächlich in Python geschrieben. Es wird seit 2022 aktiv entwickelt. Die Hauptthemen sind: quantitative-trading, reinforcement-learning, symbolic-regression.

Frequently asked questions

Was ist alphagen?

Generierung von Sets formelbasierter Alpha (prädiktiver) Aktienfaktoren durch Reinforcement Learning.

Ist alphagen Open Source?

alphagen ist ein Open-Source-Projekt.

Ist alphagen kostenlos?

Ja. alphagen ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

In welcher Sprache ist alphagen geschrieben?

alphagen ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — alphagen

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=ict-find-lab-alphagen)](https://olud.ai/project/ict-find-lab-alphagen.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.