AI+金融(量化):1. Cadre de quantification des actions multi-facteurs open source 2. Collecte de documents classiques du milieu académique et industriel 3. Travaux liés à AI + finance, y compris LLM, Agent, benchmark (évaluation), etc.
Explorez des ressources et des tutoriels pour la finance quantitative, en mettant l'accent sur les applications de l'IA dans l'investissement et la recherche.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentAI+金融(量化):1. Cadre de quantification des actions multi-facteurs open source 2. Collecte de documents classiques du milieu académique et industriel 3. Travaux liés à AI + finance, y compris LLM, Agent, benchmark (évaluation), etc.
Introduction-to-Quantitative-Finance compte 1.6k étoiles sur GitHub. Il a été forké 170 fois. Introduction-to-Quantitative-Finance est écrit principalement en Python. Il est développé activement depuis 2023. Introduction-to-Quantitative-Finance est disponible sous licence MIT. Ses principaux thèmes sont : agent, ai4fin, finance, investment.
AI+金融(量化):1. Cadre de quantification des actions multi-facteurs open source 2. Collecte de documents classiques du milieu académique et industriel 3. Travaux liés à AI + finance, y compris LLM, Agent, benchmark (évaluation), etc.
Introduction-to-Quantitative-Finance est un projet open source. Il est distribué sous licence MIT.
Oui. Introduction-to-Quantitative-Finance est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Introduction-to-Quantitative-Finance est disponible sous licence MIT.
Introduction-to-Quantitative-Finance est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://opensourceai.tech/project/barca0412-introduction-to-quantitative-finance.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.