📈 De Experimentos Aleatorios a Sistemas Disciplinados: 10 Repos de Quant Trading#
El quant trading no es un indicador ni una idea inteligente — es un sistema construido capa por capa: estrategias, backtesting realista, modelos de riesgo, construcción de portafolio y lógica de ejecución. Aquí los 10 repositorios GitHub que cubren todo el stack. 🧠
🗂️ Los 10 Repositorios#
| Repo | Enfoque |
|---|---|
| Python Quant Trading Strategies | RSI, Bollinger Bands, MACD, pares, opciones, Monte Carlo |
| StockSharp | Plataforma completa con conectores a mercados reales |
| Riskfolio-Lib | Optimización de portafolio y modelos de riesgo |
| EliteQuant | Recursos curados: conceptos, modelos y gestión de portafolios |
| Quant Developers Resources | Preparación para entrevistas quant |
| TradeMaster | Reinforcement learning para trading (NTU) |
| Sunday Quant Scientist | Newsletter con análisis e investigación práctica |
| QuantMuse | Sistema completo: datos en tiempo real, analytics, riesgo |
| Options Trading Strategies in Python | Spreads, straddles y estrategias de opciones |
| Howtrader | Framework crypto con backtesting y ejecución live |
💡 Explicación en pocas palabras#
La mayoría de personas se acercan al trading cuantitativo al revés: buscan primero la estrategia y después descubren que también necesitan modelos de riesgo, construcción de portafolio, backtesting realista y lógica de ejecución. Estos 10 repositorios cubren exactamente ese stack completo, desde ejemplos simples en Python (RSI, MACD, pairs trading) hasta plataformas con conectores a mercados reales, frameworks de reinforcement learning y herramientas de optimización de portafolios. El cambio de mentalidad que separa los experimentos hobby del desarrollo quant serio está en tratar el trading como un sistema disciplinado, no como un conjunto de ideas.
Más información en el link 👇
