Introduction-to-Quantitative-Finance：多因子投研チュートリアルと arXiv Radar を同居させた中国語ナレッジベース
AI+金融（量化）：1.多因子股票量化框架开源教程 2.学界和业界的经典资料收录 3.AI + 金融的相关工作，包括LLM, Agent, benchmark(evaluation), etc.
ひと目でわかる
- これは何？
- 湖南大学金融科技協会 Quant Group の研究内容を出発点に、多因子の投研フレームワーク教程、公開資料の索引、AI + Finance 論文の自動収集サイトをひとつのリポジトリにまとめた MIT ライセンスの文書プロジェクト。コードを実行するライブラリではなく、読む対象である点を最初に押さえる必要がある。
- 誰に向いている？
- 多因子の投研手順を中国語で一通り追いたい学習者、あるいは AI + Finance の論文を自分で検索基盤に落とす前に既存の分類を眺めたい研究者には、読む価値のある索引である。逆に、pip install で入るライブラリや検証済みのバックテストエンジンを期待している場合、このリポジトリは答えを出さない。
- 商用利用できる？
- できます。MIT は寛容なライセンスで、著作権表示とライセンス表示を残せば、使用・改変・販売が可能です。
- 今もメンテナンスされている？
- されています。最後のコミットは 4 日前です。
- 何の言語で書かれている？
- 主に Python です（GitHub の言語統計による）。
回答はプロジェクトの GitHub データ（最終同期：2026年9月15日）と当サイトの分析に基づくもので、法的助言ではありません。
オープンソース詳細解説
このリポジトリが埋めようとしている穴は「資料の散在」である
量化金融を独学しようとすると、最初に詰まるのは手法の難しさではない。どの本を読み、どのデータを使い、どの回測フレームワークを触り、どの研報を読むのかという選別作業である。README は「量化金融、机器学习、数学参考书与资料」「技术指标回测代码」「卖方金工研报」「投资者情绪与行为金融相关论文」を「我的资料」として並べ、その下に「公开资料整理」としてデータ源、回測、因子挖掘、因子組合、投資組合最適化と風控、基金研究と FoF の各ページへのリンクを置く。つまりこのプロジェクトは、手法そのものを発明するのではなく、中国語圏の量化学習者が最初に踏む経路を一本の索引にまとめることを目的にしている。
対象読者は二種類に分かれる。ひとつは湖南大学金融科技協会 Quant Group の研究内容を出発点に、多因子の投研フレームワークを順に学びたい学生や若手研究者。もうひとつは AI + Finance の論文動向を追いたいが、自分で arXiv のクロールと分類を組む前に既存のタグ体系を見たいエンジニアである。README の「快速开始」表は、この二つを「系统学习量化投研」と「跟踪 AI + Finance 最新论文」として明示的に分けている。
リポジトリは実行環境ではなく、VitePress サイトと静的データの束である
構成を README から読み取ると、中心にあるのはコードではなく文書とデータである。arXiv Radar は VitePress の /arxiv/ サブブロックとして提供され、論文リスト、趨勢図、意味検索、機関フィルタ、タグ集約という機能を持つと説明されている。これを支えるデータは data/papers.json、data/stats.json、data/embeddings_index.json の三つで、生成と更新を担うパイプラインは scripts/arxiv_radar/ に置かれている。
ここで重要なのは、検索や分類のロジックがリポジトリ内のスクリプトとして見える形で存在する点である。論文を外部の SaaS に投げて終わりではなく、埋め込みインデックスを JSON として持ち、それをサイト側で引く。だから自分の関心に合うカテゴリだけを抜き出して別の用途に流用する、という使い方が構造上は可能になる。ただし README には埋め込みモデルの種類や次元数、クラスタリングのアルゴリズムまでは書かれていない。その部分を知るには scripts/arxiv_radar/ を実際に読む必要があり、この記事の材料からは確認できない。
もうひとつ見落としやすいのは、README のステータスブロックが機械更新されることである。ARXIV_RADAR_STATUS で囲まれた領域に最新更新日、索引論文数、focus 論文数、最新出版日、監視カテゴリ数が書き込まれる。README を手で編集するのではなく、パイプラインが README 自身を書き換える設計だ。文書リポジトリとしては珍しく、README がビルド成果物の一部として扱われている。
動かすと言っても、動くのはサイトとデータ更新パイプラインである
README が示す実行コマンドはひとつだけである。データと README のステータスブロックを更新したい場合に npm run arxiv:update を実行する、と書かれている。つまり Node.js 側のツールチェーンが前提で、Python が主言語として表示されているのはチュートリアル本文や付随スクリプトの記述言語としてであって、pip で入れるパッケージとしての入口は README には出てこない。
データの置き場所は明示されている。data/papers.json、data/stats.json、data/embeddings_index.json の三ファイルで、パイプラインの実体は scripts/arxiv_radar/ にある。サイト側は VitePress で、/arxiv/ が Radar の入口、ルートが教程と資料索引という分担になっている。ドキュメントサイト本体は https://barca0412.github.io/Introduction-to-Quantitative-Finance/ 、Radar は同サイトの /arxiv/ 配下である。
貢献の手順も README に書かれている。小さな修正はそのまま Pull Request を出し、資料の出典と適用場面を説明する。大きめの提案は先に GitHub Discussions で相談する。資料追加、リンク切れの修正、教程の改善、Radar のタグ整備が募集対象として挙がっている。リンク切れ修正が明示的な貢献項目になっている点は、この種の索引リポジトリの性質をよく表している。外部 URL に依存する以上、保守作業の相当部分は URL の生死確認になる。
教程部分はまだ「計画」の段階を含んでいる
多因子投研フレームワークの章は、湖南大学金融科技協会 Quant Group の研究内容を开源する計画として書かれている。README の表現は「本部分计划开源」，つまり予定であり、完成した教材がすでに全部そろっているとは書かれていない。フレームワークの英語版は図として添付されているが、本文の教程がどこまで書き上がっているかは README からは判断できない。
「我的资料」の節も同様で、量化金融、机器学习、数学の参考書、技術指標の回測コード、売方金工研報、投資者情緒と行動金融の論文が「暂时包括」として並び、量化筆試と MFE の刷題、組合最適化、機械学習による因子挖掘は「待添加」に分類されている。つまり読者が今このリポジトリを開いて得られるのは、完成した教科書ではなく、書かれつつある教材と、外部リソースへのリンク集である。
この点は採用判断に直結する。学習教材として使うなら、目次と実際に埋まっている章を突き合わせる作業が先に必要になる。リンク集として使うなら、リンク先が生きているかを自分で確認する必要がある。README 自身がリンク切れ修正を貢献項目に挙げていることは、リンクが腐りうることを作者が認識している証拠でもある。
arXiv Radar の数字は README のステータスブロックに固定されている
README に埋め込まれたステータスブロックには、最新更新 2026-09-09、索引論文 18503 件、focus 論文 9056 件、最新出版日 2026-09-08、監視カテゴリ 10 という値が記録されている。これは機械更新される領域であり、npm run arxiv:update を回すたびに書き換わる。
読むときに注意したいのは、この 18503 と 9056 の差である。索引した論文のおよそ半分が focus として分類されている計算になる。focus の判定基準が何かは README からは分からない。タグ付けの基準、機関フィルタの対象、意味検索に使う埋め込みの生成方法も、README の記述からは特定できない。Radar を研究の一次スクリーニングに使うなら、この分類基準を scripts/arxiv_radar/ で確認しないまま件数だけを信用するのは危うい。
一方で、監視カテゴリが 10 に絞られていることは実用的な情報である。arXiv 全体を追うのではなく、あらかじめ決めた 10 カテゴリに限定して毎営業日取り込む。範囲を狭めた分だけノイズは減るが、カテゴリ設定から外れた論文は永遠に拾われない。自分の関心がその 10 カテゴリの外にあるなら、この Radar は役に立たない。
向かない使い方：回測エンジンや因子ライブラリとして期待すること
このリポジトリを「多因子フレームワーク」という語だけ見て導入すると失望する。README が並べている qlib、MultiFactor、backtesting.py、vectorbt、zipline-reloaded、Riskfolio-Lib、PyPortfolioOpt、FinRL などは、いずれも外部プロジェクトへのリンクであり、このリポジトリ自体が提供する機能ではない。ここは選定の入口であって、実装の置き場ではない。
もうひとつの限界は言語である。教程も資料索引も中国語で書かれており、中国市場のデータ源、売方研報、規制環境を前提にした記述が中心になる。日本市場や米国市場の銘柄ユニバースでそのまま同じ手順を適用できる保証はない。データ源のページに挙がる項目がどの市場を対象にしているかは、各ページを開いて確認する必要がある。
第三に、README の冒頭には Star を促す記述とバッジ、訪問者トラッカー、Star History のグラフが並ぶ。プロジェクトの性質上、可視性を高めたい意図が前面に出た作りになっている。内容の評価とは切り離して読むべきだが、初見では情報密度が下がる。ヘッダの直後がバッジ群で、その後に「你会得到什么」が来る構成なので、初めて開く人は中程まで読み飛ばすことになる。
awesome リストや論文サーベイとの違いは、パイプラインを同梱している点
近い存在として、README 自身も参照している leoncuhk/awesome-quant-ai のような awesome 系リストがある。あちらはリンクを並べることに徹し、データの更新は人手に依存する。Introduction-to-Quantitative-Finance はリンク集の部分を持ちながら、arXiv Radar についてはクロール、クラスタリング、埋め込みインデックス生成を scripts/arxiv_radar/ として同梱し、npm run arxiv:update で再生成できる形にしている。
この差は保守コストの性質を変える。awesome リストはリンクが腐れば手で直すしかない。こちらは Radar のデータが古くなればコマンド一発で引き直せる。ただしその分、Node.js 環境、arXiv へのアクセス、埋め込み計算のリソースといった依存が発生する。リンク集だけが欲しい読者にとっては、この依存は重荷でしかない。
もうひとつの違いは、教程とリンク集と論文 Radar を同一リポジトリに置いていることである。学習の入口、道具の選定、研究動向の追跡が同じサイト内でつながる利点がある一方、どれか一つだけを使いたい人には構造が過剰になる。VitePress のビルド対象にすべてが乗るため、サイトを自前で立てるなら全コンテンツを抱えることになる。
ライセンスと保守の見取り図
ライセンスは MIT と表示されている。README のバッジも LICENSE ファイルを指しており、リポジトリのメタデータとも一致する。MIT であれば、教程本文の引用やリンク集の再利用、サイトの再ホストといった用途は比較的取り回しやすい。ただし個別の画像、添付図、外部から転載した資料の権利は MIT の適用範囲とは別に考える必要がある。特に「卖方金工研报」として挙げられている資料は、出所が証券会社であり、リポジトリのライセンスがそのまま及ぶとは限らない。再利用するなら各ファイルの出所を個別に確認する作業が要る。ここは法的助言ではなく、確認すべき箇所の指摘である。
保守コストは二つに分かれる。リンク集としての側面は、外部 URL の消失に継続的に対応する必要があり、README がリンク切れ修正を貢献項目に挙げていることからも、それが想定作業だと分かる。Radar の側面は、npm run arxiv:update を回し続ける限りデータが更新されるが、回さなければ data/papers.json と data/embeddings_index.json は 2026-09-09 の状態で止まる。README のステータスブロックが機械更新である以上、更新が止まればその日付がそのまま古さの指標として残る。
アップグレードの概念は薄い。リリースは取得されておらず、バージョン番号で追う対象ではない。main ブランチの内容がそのまま現在の姿であり、変化はコミットとして積まれる。導入検討時に見るべきは、教程のどの章が実際に書かれているか、data/papers.json の最新出版日が自分の調査サイクルに合うか、そして scripts/arxiv_radar/ の分類基準が自分の関心領域を拾えるか、この三点である。
編集部の結論
多因子の投研手順を中国語で一通り追いたい学習者、あるいは AI + Finance の論文を自分で検索基盤に落とす前に既存の分類を眺めたい研究者には、読む価値のある索引である。逆に、pip install で入るライブラリや検証済みのバックテストエンジンを期待している場合、このリポジトリは答えを出さない。採用判断の前に確認すべきは、docs サイトの教程が扱う範囲が自分の対象市場と一致するか、そして data/papers.json と data/embeddings_index.json の鮮度が自分の用途に足りるかである。arXiv Radar は 2026-09-09 時点で 18503 件を索引し、うち focus papers が 9056 件、監視カテゴリは 10 と README のステータスブロックに記録されている。この数字が自分の調査対象を覆っているかを最初に見る。
コミュニティノート