正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

50秒的视频--用CodeX尝试入门量化交易/AI交易以前量化交易门槛很高，普通人基本接触不到——不懂复杂的数学模型、不会写代码，很难上手现在有了Codex，你可以完全不懂代码了。配合微软开源的明星AI 量化平台--Qlib（GitHub 43k+星），从数据处理、因子挖掘到信号生成全流程都开源了这是我目前正在测试的玩法： ➤ Qlib —— 微软开源的 AI 量化全流程平台，能基于比特币历史数据自动挖掘因子、训练模型，输出多空预测信号 ➤ Moss MOSS —— 100%模拟 Hyperliquid 实盘环境。支持一句话生成 Agent实时测试，完全免费。还能每周自动进化策略，最近新增了更多币种，是验证自己交易策略最好的地方我现在只用 Codex ，结合 Qlib + Moss，完全接管我交易 Agent，所有策略制定、开仓平仓、仓位、杠杆、风控，全部基于 Qlib 生成的信号自主决策，并且实时跑在MOSS MOSS 中文的模拟盘上测试，真正 24/7 全自动运行 moss直达：具体提示词在下一条推文👇

梭哈.AI

28,473 subscribers

25,778 次观看 • 2 个月前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

🚨 卧槽！终于有一个把量化全流程打通的开源平台了 Qbot 是一个支持完全本地部署的 AI 量化投研平台，从数据获取、策略开发、回测、模拟交易到实盘交易，形成完整闭环 Qbot核心特点： > 支持股票、基金、期货和加密货币 > 内置大量因子和策略模型，还支持自动化因子挖掘 > 支持机器学习、深度学习和强化学习策略 > 提供 GUI 和 Web 界面，操作相对友好 > 支持邮件、飞书、微信等实时通知 > 持续更新中，功能已经比较完善简单来说，它把量化交易中最麻烦的「数据 → 策略 → 回测 → 实盘」这一整套流程，打造成了一个相对完整的本地化平台我是 Ace，这边平时也会整理一些 AI / Web3 / 加密市场的新工具和实测体验，不整太多术语。感兴趣的朋友可以顺手关注一下，下次见！

🚨 卧槽！终于有一个把量化全流程打通的开源平台了 Qbot 是一个支持完全本地部署的 AI 量化投研平台，从数据获取、策略开发、回测、模拟交易到实盘交易，形成完整闭环 Qbot核心特点： > 支持股票、基金、期货和加密货币 > 内置大量因子和策略模型，还支持自动化因子挖掘 > 支持机器学习、深度学习和强化学习策略 > 提供 GUI 和 Web 界面，操作相对友好 > 支持邮件、飞书、微信等实时通知 > 持续更新中，功能已经比较完善简单来说，它把量化交易中最麻烦的「数据 → 策略 → 回测 → 实盘」这一整套流程，打造成了一个相对完整的本地化平台我是 Ace，这边平时也会整理一些 AI / Web3 / 加密市场的新工具和实测体验，不整太多术语。感兴趣的朋友可以顺手关注一下，下次见！

爱吃折耳根的Ace

15,090 次观看 • 1 个月前

发现个量化交易神器！QuantDinger 直接把量化交易的门槛砸碎了！ QuantDinger（量化丁格），你的私人 AI 量化操作系统，几天时间就在 GitHub 拿下 4.2k stars！这不是普通的交易工具，而是个具备自我进化能力的 AI 交易员： 🤖 AI 智能分析引擎国内外股市、期货、加密货币、外汇全支持 24 小时监控全球交易机会实时推送到手机，不错过任何机会 📊 全自动工作流 AI 自动分析市场 → 生成策略代码 → 自动回测根据历史收益、风险数据自动优化参数大模型帮你调参，让策略更稳定 💻 部署超简单 Docker 一键私有化本地部署两分钟就能跑起来不懂代码的小白也能快速上手 🔒 完全私有在你自己的服务器和自己的密钥上运行数据、策略全掌控支持实盘数据、多市场同时监控、智能风控... 搞量化交易的兄弟，这个必须试试！项目地址放评论区了👇

发现个量化交易神器！QuantDinger 直接把量化交易的门槛砸碎了！ QuantDinger（量化丁格），你的私人 AI 量化操作系统，几天时间就在 GitHub 拿下 4.2k stars！这不是普通的交易工具，而是个具备自我进化能力的 AI 交易员： 🤖 AI 智能分析引擎国内外股市、期货、加密货币、外汇全支持 24 小时监控全球交易机会实时推送到手机，不错过任何机会 📊 全自动工作流 AI 自动分析市场 → 生成策略代码 → 自动回测根据历史收益、风险数据自动优化参数大模型帮你调参，让策略更稳定 💻 部署超简单 Docker 一键私有化本地部署两分钟就能跑起来不懂代码的小白也能快速上手 🔒 完全私有在你自己的服务器和自己的密钥上运行数据、策略全掌控支持实盘数据、多市场同时监控、智能风控... 搞量化交易的兄弟，这个必须试试！项目地址放评论区了👇

Vincent

29,522 次观看 • 3 个月前

🚨 卧槽！终于有开源项目把量化交易全流程打通了 QuantConnect Lean 目前 GitHub 上已有 20k+ star，是一个成熟的开源算法交易引擎。它把数据接入、策略开发、回测、模拟盘和实盘执行全部整合在一起，形成了一套完整的量化闭环，而不是只做其中某一块，核心能力： > 支持股票、加密货币、外汇、期权、期货等多个资产 > 高性能事件驱动回测引擎，可精准模拟滑点、交易成本和市场冲击 > 支持 Python 和 C# 编写策略 > 可直接对接多家券商和数据源，实现从回测到实盘的一条龙 > 内置丰富的绩效分析和可视化工具它真正有用的地方，是把量化交易最麻烦的工程底座标准化：你负责策略逻辑，它负责回测、撮合、组合、交易执行这些脏活。做股票、期货、期权、加密货币量化研究，或者想让 AI Agent 写策略、回测策略的人，建议保存看看

🚨 卧槽！终于有开源项目把量化交易全流程打通了 QuantConnect Lean 目前 GitHub 上已有 20k+ star，是一个成熟的开源算法交易引擎。它把数据接入、策略开发、回测、模拟盘和实盘执行全部整合在一起，形成了一套完整的量化闭环，而不是只做其中某一块，核心能力： > 支持股票、加密货币、外汇、期权、期货等多个资产 > 高性能事件驱动回测引擎，可精准模拟滑点、交易成本和市场冲击 > 支持 Python 和 C# 编写策略 > 可直接对接多家券商和数据源，实现从回测到实盘的一条龙 > 内置丰富的绩效分析和可视化工具它真正有用的地方，是把量化交易最麻烦的工程底座标准化：你负责策略逻辑，它负责回测、撮合、组合、交易执行这些脏活。做股票、期货、期权、加密货币量化研究，或者想让 AI Agent 写策略、回测策略的人，建议保存看看

爱吃折耳根的Ace

58,332 次观看 • 1 个月前

1分钟的懒人视频——教你一句话创建美股AI Agent交易策略 + 优化X信息流这个视频我专门演示了两个实用功能：第一个功能：用自然语言一句话创建AI Agent交易策略以前想做一个交易策略，要写代码、调一堆参数、自己跑回测，搞得特别麻烦。现在用 Moss 直接一句话自然语言就能把加密货币、美股、大宗商品的标的变成可执行的AI Agent 我的策略就一句话：「做一个 $MRVL 的无脑看多策略，在恐惧的时候买入，在FOMO的时候卖出」为什么选 $MRVL？因为我直接跟单黄仁勋了😂，长期看涨 $MRVL。对于长期看好的标的，最简单的策略就是恐惧入场，别人FOMO追高时卖出第二个功能：装Moss插件优化X信息流在Chrome商店搜 Moss 插件安装后，它直接嵌入你的X Feed：实时浓缩市场热点 + 聚合关键KOL观点 + 提取On-chain Alpha信号 + 自动过滤广告和噪音 Moss MOSS 现在可以做到：一句话把想法变成完整策略（自动生成30+参数）、支持全市场交易（加密永续 + 美股个股 + 黄金原油 + S&P500等）、自动回测 + 每周自进化、24/7托管运行，还有透明的实时Leaderboard和跟单顶级Agent 我的 $HYPE 策略已经稳定运行一个多月了，总体盈利50%+。建议大家去试试！ 😎 直达链接： MOSS 中文

1分钟的懒人视频——教你一句话创建美股AI Agent交易策略 + 优化X信息流这个视频我专门演示了两个实用功能：第一个功能：用自然语言一句话创建AI Agent交易策略以前想做一个交易策略，要写代码、调一堆参数、自己跑回测，搞得特别麻烦。现在用 Moss 直接一句话自然语言就能把加密货币、美股、大宗商品的标的变成可执行的AI Agent 我的策略就一句话：「做一个 $MRVL 的无脑看多策略，在恐惧的时候买入，在FOMO的时候卖出」为什么选 $MRVL？因为我直接跟单黄仁勋了😂，长期看涨 $MRVL。对于长期看好的标的，最简单的策略就是恐惧入场，别人FOMO追高时卖出第二个功能：装Moss插件优化X信息流在Chrome商店搜 Moss 插件安装后，它直接嵌入你的X Feed：实时浓缩市场热点 + 聚合关键KOL观点 + 提取On-chain Alpha信号 + 自动过滤广告和噪音 Moss MOSS 现在可以做到：一句话把想法变成完整策略（自动生成30+参数）、支持全市场交易（加密永续 + 美股个股 + 黄金原油 + S&P500等）、自动回测 + 每周自进化、24/7托管运行，还有透明的实时Leaderboard和跟单顶级Agent 我的 $HYPE 策略已经稳定运行一个多月了，总体盈利50%+。建议大家去试试！ 😎 直达链接： MOSS 中文

梭哈.AI

12,263 次观看 • 1 个月前

做量化不一定非要有一整支团队。把几个开源项目组合起来，已经能搭出一套比较完整的 AI 量化工作流：从市场研究 → 策略生成 → 回测验证 → 交易执行。我目前重点看的几个： QuantDinger 10.3k star AI 量化操作系统。支持市场研究、自然语言生成策略、回测和交易执行，覆盖面比较广。 Freqtrade 53k star 加密货币自动化交易机器人。连接多交易所，策略执行和优化都比较成熟。 vnpy 44.3k star 中文量化里很核心的一个框架，适合股票、期货等市场的策略开发和实盘。 StockSharp 10.5k star 跨市场交易平台，支持股票、外汇、加密等，带策略开发和回测能力。 AI Trader 21.2k star 多 Agent 协作模式，不同角色分工研究、辩论和风控，模拟小型投研团队。 TradeMaster / FinRL 16k star 偏强化学习和策略训练，适合想让模型自己学习和进化的方向。这些项目组合后，大致能覆盖：研究分析 → 策略生成 → 回测验证 → 模拟/实盘执行它们并不能完全替代专业团队，但已经能让个人交易者拥有一套可运行的 AI 量化工作流。对想系统尝试 AI 量化的人来说，值得自己去搭建和验证。

做量化不一定非要有一整支团队。把几个开源项目组合起来，已经能搭出一套比较完整的 AI 量化工作流：从市场研究 → 策略生成 → 回测验证 → 交易执行。我目前重点看的几个： QuantDinger 10.3k star AI 量化操作系统。支持市场研究、自然语言生成策略、回测和交易执行，覆盖面比较广。 Freqtrade 53k star 加密货币自动化交易机器人。连接多交易所，策略执行和优化都比较成熟。 vnpy 44.3k star 中文量化里很核心的一个框架，适合股票、期货等市场的策略开发和实盘。 StockSharp 10.5k star 跨市场交易平台，支持股票、外汇、加密等，带策略开发和回测能力。 AI Trader 21.2k star 多 Agent 协作模式，不同角色分工研究、辩论和风控，模拟小型投研团队。 TradeMaster / FinRL 16k star 偏强化学习和策略训练，适合想让模型自己学习和进化的方向。这些项目组合后，大致能覆盖：研究分析 → 策略生成 → 回测验证 → 模拟/实盘执行它们并不能完全替代专业团队，但已经能让个人交易者拥有一套可运行的 AI 量化工作流。对想系统尝试 AI 量化的人来说，值得自己去搭建和验证。

爱吃折耳根的Ace

31,053 次观看 • 10 天前

普通人如何最低成本创建自己的量化交易？您只需要用最简单的方式就能创建自己的策略，从而24小时永不间断的去运行。关键是即使你的设备关机了它也能一直去运行下去，策略创建完成后进入Agent平台托管，除非你点击停止。那么这个时候就不用发愁配什么API key了，因为WalletV已经配备好了大模型（GPT、Qwen、minimax、Gemini、kimi、deepseek 这几个主流的大模型都有），也不发愁自己的主机风扇嗡嗡作响了。重点是现在跑策略不用自己掏 token 费用，官方暂时给兜底了，等于白嫖 AI 帮你自动交易，这确实良心哈哈。现在只要一部手机下载WalletV然后跟着下面我的视频进行操作，就能创建自己的Agent实现自动化的交易。狙击手的策略目前搬到WalletV正在进行测试中，我的策略是自己写的并且针对Qwen大模型去深度调试的，不过刚开始跑我拿了130U去跑的，等稳定了再增加仓位调整倍率等。对了资产是在自己创建的钱包里非常安全。狙击手始终认为AI Agent交易是普通人离量化最近的一步。想创建自己的策略兄弟们去看看吧：纯分享不是投资建议。

普通人如何最低成本创建自己的量化交易？您只需要用最简单的方式就能创建自己的策略，从而24小时永不间断的去运行。关键是即使你的设备关机了它也能一直去运行下去，策略创建完成后进入Agent平台托管，除非你点击停止。那么这个时候就不用发愁配什么API key了，因为WalletV已经配备好了大模型（GPT、Qwen、minimax、Gemini、kimi、deepseek 这几个主流的大模型都有），也不发愁自己的主机风扇嗡嗡作响了。重点是现在跑策略不用自己掏 token 费用，官方暂时给兜底了，等于白嫖 AI 帮你自动交易，这确实良心哈哈。现在只要一部手机下载WalletV然后跟着下面我的视频进行操作，就能创建自己的Agent实现自动化的交易。狙击手的策略目前搬到WalletV正在进行测试中，我的策略是自己写的并且针对Qwen大模型去深度调试的，不过刚开始跑我拿了130U去跑的，等稳定了再增加仓位调整倍率等。对了资产是在自己创建的钱包里非常安全。狙击手始终认为AI Agent交易是普通人离量化最近的一步。想创建自己的策略兄弟们去看看吧：纯分享不是投资建议。

DeFi狙击手 | Ai🕊️｜Gate美股0费率

23,142 次观看 • 26 天前

🧐 真正的 Vibe Trading ？来 Minara 把你喜欢的交易大神，蒸馏成量化代码吧！我觉得 Minara Minara AI 是 AI Trading 赛道，目前完成度最高的产品之一新上线的「Strategy Studio / 策略工作室」非常有意思，完全打通了从 “自然语言” 到 “程序化策略” 之间的壁垒 1️⃣ 用「自然语言」，完成策略设计、回测、参数优化，到最终实盘目前支持通过自然语言，甚至上传表格、代码、视频（比如交易员的直播切片）等方式，生成可以执行的量化策略代码期间，还可与 AI 协同，一键优化策略，再通过「K线历史数据」回测策略成绩，像调试代码一样调试策略泵泵这几天用 Minara 自带的「AI自适应超趋势」模板，优化了一版，跑了几天 $BTC 量化策略效果还不错，这几天波动很大，但竟然没有亏，还小赚，比我自己做的自动交易系统要稳健 🥹 2️⃣ 自然语言做量化，确实切中了一个真实痛点传统量化交易门槛高，需要编程能力和金融工程知识，Strategy Studio 试图把这个门槛大幅降低而且这套可玩性很高，每个人都可以 DIY 与众不同的交易系统，自己调试，自己部署运行 💡 想到一个有意思的应用场景：可以直接上传 #币安广场上，哪些 “顶级交易员” 们的直播切片让 Minara 把 “带单老师” 们的思路，蒸馏成具体的量化代码，为你 “全天候” 自动交易看看哪位老师的 “蒸馏体”，实盘比较厉害 🤣 ----------- 一直觉得交易是反人性的，你需要对抗人的动物属性，对抗身体的疲劳值盯盘，还要有严格风控的执行力，才能在高波动的加密市场里存活优秀的交易员，无一不是像机器一样严格执行地交易体系，那么为什么不直接交给更聪明的 “机器” 来做呢？ Minara 的技能池还挺深的，还有不少功能没有体验，后续泵泵再给大家更新！ ➤ 眼镜娘传送门：

🧐 真正的 Vibe Trading ？来 Minara 把你喜欢的交易大神，蒸馏成量化代码吧！我觉得 Minara Minara AI 是 AI Trading 赛道，目前完成度最高的产品之一新上线的「Strategy Studio / 策略工作室」非常有意思，完全打通了从 “自然语言” 到 “程序化策略” 之间的壁垒 1️⃣ 用「自然语言」，完成策略设计、回测、参数优化，到最终实盘目前支持通过自然语言，甚至上传表格、代码、视频（比如交易员的直播切片）等方式，生成可以执行的量化策略代码期间，还可与 AI 协同，一键优化策略，再通过「K线历史数据」回测策略成绩，像调试代码一样调试策略泵泵这几天用 Minara 自带的「AI自适应超趋势」模板，优化了一版，跑了几天 $BTC 量化策略效果还不错，这几天波动很大，但竟然没有亏，还小赚，比我自己做的自动交易系统要稳健 🥹 2️⃣ 自然语言做量化，确实切中了一个真实痛点传统量化交易门槛高，需要编程能力和金融工程知识，Strategy Studio 试图把这个门槛大幅降低而且这套可玩性很高，每个人都可以 DIY 与众不同的交易系统，自己调试，自己部署运行 💡 想到一个有意思的应用场景：可以直接上传 #币安广场上，哪些 “顶级交易员” 们的直播切片让 Minara 把 “带单老师” 们的思路，蒸馏成具体的量化代码，为你 “全天候” 自动交易看看哪位老师的 “蒸馏体”，实盘比较厉害 🤣 ----------- 一直觉得交易是反人性的，你需要对抗人的动物属性，对抗身体的疲劳值盯盘，还要有严格风控的执行力，才能在高波动的加密市场里存活优秀的交易员，无一不是像机器一样严格执行地交易体系，那么为什么不直接交给更聪明的 “机器” 来做呢？ Minara 的技能池还挺深的，还有不少功能没有体验，后续泵泵再给大家更新！ ➤ 眼镜娘传送门：

泵泵超人 | Pumpman 🔶

74,282 次观看 • 3 个月前

接下来是见证奇迹的时刻🪄 我使用 OKX OnchainOS 的K线数据/代币信息/交易活动等全方位数据，结合均值回归/量价分析/Wyckoff/艾略特波了等经典理论，革新了K线走势的预测算法，完整演示请看 VCR： OnchainOS K线预测平台自带完整 Web UI AI 模型使用 Vercel AI SDK 接入，支持所有主流模型自带 SKILL 可供包含 openclaw 在内的所有 Agent 调用提示词请见评论区，由于预测成本过高暂不开放公网预览，赛后我会公开源码和朋友们一起交流学习

接下来是见证奇迹的时刻🪄 我使用 OKX OnchainOS 的K线数据/代币信息/交易活动等全方位数据，结合均值回归/量价分析/Wyckoff/艾略特波了等经典理论，革新了K线走势的预测算法，完整演示请看 VCR： OnchainOS K线预测平台自带完整 Web UI AI 模型使用 Vercel AI SDK 接入，支持所有主流模型自带 SKILL 可供包含 openclaw 在内的所有 Agent 调用提示词请见评论区，由于预测成本过高暂不开放公网预览，赛后我会公开源码和朋友们一起交流学习

大梦想家迪士尼

14,303 次观看 • 5 个月前

一个被全球赌场集体封杀的顶级量化，最后用AI在Polymarket上完成了史诗级逆袭他在菲律宾博彩集团做定价量化时，因为模型太准，被直接限注到每单只能下2美元。赌场一边偷偷用他的模型赚钱，一边把他所有账号全部封死。他没有废话，直接往Polymarket里存了4000美元，把自己用Claude开发的量化代理系统怼了上去。 84天后，账户变成了337,217美元。全程24,497笔交易，他本人连一笔都没手动下过。整个过程离谱得像科幻小说：他只输入了一句话：当市场对BTC小时级下跌定价不足时，做空它。 90秒后，一个完整的实盘交易机器人就自动上线了。这句话在后台经历了什么？自然语言 → 策略中间表示（IR） → 自动编译代码 → 拉取5年历史数据回测 → 参数自动优化 → 风控规则生成。这是一名年薪65万美元的初级量化研究员，不吃不喝也要花7周才能完成的工作量。更恐怖的是上线前的“死亡淘汰机制”——AlphaGPT三轮循环：生成器提出100个策略变种 → 码农智能体全部写成代码 → 挑战者智能体疯狂挑刺（过拟合？前视偏差？幸存者偏差？多重测试？） 99%的策略会在这一步被直接处死。活下来的，还要跑10,000条蒙特卡洛路径进行极端情景模拟。最终报告：最差P5情况收益+3.8%，最大回撤-8.8%，p值<0.01，夏普比率2.3 → 自动批准上线。很多人说这个策略本身很普通。没错，它确实不神秘。但普通人一辈子能测试多少个策略？ 100个？1000个？而这个系统一天就能测试10万个，然后把99.99%的垃圾全部淘汰掉。真正的优势，从来不是你能想出多么天才的策略，而是你的淘汰率有多高。你觉得未来3年，手动交易员还有多少生存空间？这个从被赌场集体封杀，到84天干出33.7万美元的菲律宾量化，用实际行动给出了最残酷的答案。

一个被全球赌场集体封杀的顶级量化，最后用AI在Polymarket上完成了史诗级逆袭他在菲律宾博彩集团做定价量化时，因为模型太准，被直接限注到每单只能下2美元。赌场一边偷偷用他的模型赚钱，一边把他所有账号全部封死。他没有废话，直接往Polymarket里存了4000美元，把自己用Claude开发的量化代理系统怼了上去。 84天后，账户变成了337,217美元。全程24,497笔交易，他本人连一笔都没手动下过。整个过程离谱得像科幻小说：他只输入了一句话：当市场对BTC小时级下跌定价不足时，做空它。 90秒后，一个完整的实盘交易机器人就自动上线了。这句话在后台经历了什么？自然语言 → 策略中间表示（IR） → 自动编译代码 → 拉取5年历史数据回测 → 参数自动优化 → 风控规则生成。这是一名年薪65万美元的初级量化研究员，不吃不喝也要花7周才能完成的工作量。更恐怖的是上线前的“死亡淘汰机制”——AlphaGPT三轮循环：生成器提出100个策略变种 → 码农智能体全部写成代码 → 挑战者智能体疯狂挑刺（过拟合？前视偏差？幸存者偏差？多重测试？） 99%的策略会在这一步被直接处死。活下来的，还要跑10,000条蒙特卡洛路径进行极端情景模拟。最终报告：最差P5情况收益+3.8%，最大回撤-8.8%，p值<0.01，夏普比率2.3 → 自动批准上线。很多人说这个策略本身很普通。没错，它确实不神秘。但普通人一辈子能测试多少个策略？ 100个？1000个？而这个系统一天就能测试10万个，然后把99.99%的垃圾全部淘汰掉。真正的优势，从来不是你能想出多么天才的策略，而是你的淘汰率有多高。你觉得未来3年，手动交易员还有多少生存空间？这个从被赌场集体封杀，到84天干出33.7万美元的菲律宾量化，用实际行动给出了最残酷的答案。

0XDegen

12,705 次观看 • 2 个月前

给兄弟们推荐个量化交易软件，朋友叫我试一下，我真就弄了1000U试了一下周二到现在，也就是5天收益百分之十，我给兄弟们录屏了，但是这个软件使用有个前提条件就是必须使用我的注册链接才可以，但是可以免费试用24小时下面给大家简单介绍一下：一段话概括惊蛰量化与外面量化的不同点，惊蛰量化是一款高度支持自定义的AI交易工具，专注于帮助用户快速构建、训练和部署专属的量化交易系统，告别情绪化交易。平台支持对交易逻辑进行自由编辑，可根据您的交易理念训练专属AI模型，并兼容导入TradingView等主流交易平台的策略源码及技术指标，实现策略智能化升级与全流程自动化执行。有兴趣私聊我就行，或者联系我的TG : @oxligeya

给兄弟们推荐个量化交易软件，朋友叫我试一下，我真就弄了1000U试了一下周二到现在，也就是5天收益百分之十，我给兄弟们录屏了，但是这个软件使用有个前提条件就是必须使用我的注册链接才可以，但是可以免费试用24小时下面给大家简单介绍一下：一段话概括惊蛰量化与外面量化的不同点，惊蛰量化是一款高度支持自定义的AI交易工具，专注于帮助用户快速构建、训练和部署专属的量化交易系统，告别情绪化交易。平台支持对交易逻辑进行自由编辑，可根据您的交易理念训练专属AI模型，并兼容导入TradingView等主流交易平台的策略源码及技术指标，实现策略智能化升级与全流程自动化执行。有兴趣私聊我就行，或者联系我的TG : @oxligeya

0xLige - 李割

76,247 次观看 • 2 天前

微软开源了一款金融市场预测模型：MarS 它基于订单级别的真实历史金融市场数据训练，能够实现逼真的金融市场模拟在市场趋势预测中，MarS的模拟显著优于传统的直接预测模型，体现了其对市场动态的深刻理解。用户可以通过注入特定的订单或描述目标场景，控制模拟过程，以分析特定条件下的市场行为。还提供一个交互式环境，用户可以在其中测试不同的交易策略，观察其市场影响。

微软开源了一款金融市场预测模型：MarS 它基于订单级别的真实历史金融市场数据训练，能够实现逼真的金融市场模拟在市场趋势预测中，MarS的模拟显著优于传统的直接预测模型，体现了其对市场动态的深刻理解。用户可以通过注入特定的订单或描述目标场景，控制模拟过程，以分析特定条件下的市场行为。还提供一个交互式环境，用户可以在其中测试不同的交易策略，观察其市场影响。

小互

85,751 次观看 • 1 年前

一个开源量化交易操作系统，从策略回测到实盘部署一站式完成 StockSharp 是一个免费的算法交易与量化交易平台，支持股票、外汇、加密货币和期权，可以直接用来开发交易机器人。它提供了可视化策略设计器（Designer）、数据管理工具（Hydra）、图表交易终端（Terminal），以及完整的 C# 框架，适合不同水平的用户使用。核心能力如下： > 可视化策略设计器：支持拖拽创建策略，也内置 C# 编辑器 > Hydra 数据工具：负责下载、存储和管理行情数据 > Terminal：提供图表和从图表直接交易的功能 > 支持多市场和多券商对接（Binance、Interactive Brokers、MT4 等） > 从策略研究、回测到实盘执行都能覆盖 > 代码开源，方便二次开发和定制对想用 C# 做量化交易、或者需要一个相对完整的开源交易框架的人来说，这个项目完成度比较高。

一个开源量化交易操作系统，从策略回测到实盘部署一站式完成 StockSharp 是一个免费的算法交易与量化交易平台，支持股票、外汇、加密货币和期权，可以直接用来开发交易机器人。它提供了可视化策略设计器（Designer）、数据管理工具（Hydra）、图表交易终端（Terminal），以及完整的 C# 框架，适合不同水平的用户使用。核心能力如下： > 可视化策略设计器：支持拖拽创建策略，也内置 C# 编辑器 > Hydra 数据工具：负责下载、存储和管理行情数据 > Terminal：提供图表和从图表直接交易的功能 > 支持多市场和多券商对接（Binance、Interactive Brokers、MT4 等） > 从策略研究、回测到实盘执行都能覆盖 > 代码开源，方便二次开发和定制对想用 C# 做量化交易、或者需要一个相对完整的开源交易框架的人来说，这个项目完成度比较高。

爱吃折耳根的Ace

11,202 次观看 • 18 天前

卧槽，发现了一个自动化黑盒测试的开源项目：Maestro Maestro 是一个极其现代化的自动化测试平台。最大的痛点杀手是：它将测试门槛降到了极低，甚至不需要你懂复杂的代码。全平台通吃：不管你是原生 iOS/Android，还是 React Native, Flutter，甚至是 Web，一套框架全部搞定。免手写代码：提供全能测试 IDE（Maestro Studio）。你只需要像普通用户一样在界面上点按，它就能自动录制操作并生成测试脚本。目前本地跑完全免费：开发者使用 Maestro CLI 和桌面端 Maestro Studio（支持 Mac/Win/Linux）在本地测试，0 成本。 Cloud Plan (企业级云端并发测试)：针对需要规模化、集成 CI 的团队是走收费模式。仓库地址见评论区👇

卧槽，发现了一个自动化黑盒测试的开源项目：Maestro Maestro 是一个极其现代化的自动化测试平台。最大的痛点杀手是：它将测试门槛降到了极低，甚至不需要你懂复杂的代码。全平台通吃：不管你是原生 iOS/Android，还是 React Native, Flutter，甚至是 Web，一套框架全部搞定。免手写代码：提供全能测试 IDE（Maestro Studio）。你只需要像普通用户一样在界面上点按，它就能自动录制操作并生成测试脚本。目前本地跑完全免费：开发者使用 Maestro CLI 和桌面端 Maestro Studio（支持 Mac/Win/Linux）在本地测试，0 成本。 Cloud Plan (企业级云端并发测试)：针对需要规模化、集成 CI 的团队是走收费模式。仓库地址见评论区👇

比特币橙子Trader

103,982 次观看 • 5 个月前

🚨 卧槽！华尔街花500万训练的金融AI，普通人现在0成本就能白嫖！量化基金几百万年薪养的那帮量化研究员，手里最核心的武器，强化学习交易框架，被人直接开源了！ FinRL，15.4K+ stars，哥伦比亚大学团队发起，全球首个金融强化学习开源框架。把交易建模成马尔可夫决策过程，让 AI 像下围棋一样学交易——不是预测涨跌，是在市场中学会何时买、何时卖、何时不动。 FinRL 核心亮点： > 五大 DRL 算法内置：PPO、DDPG、SAC、TD3、A2C，选股+调仓+择时三合一 > OpenAI Gym 标准接口：换策略像换游戏手柄，插上就跑 > 并行训练 2048 个环境，GPU 加速 1650× > FinRL-X 2026 新版：数据 → 策略 → 回测 → 实盘，四层模块化架构，不是胶水代码 > LLM + RL 融合：FinRL-DeepSeek 接入大模型情绪信号，市场情绪强时放大动作、弱时收敛 > 实盘对接 Alpaca，纸盘先跑再切真钱 > 学术血统：NeurIPS + ACM ICAIF + PAKDD 论文背书，不是野路子以前做量化：写因子 → 写策略 → 写回测 → 调参 → 过拟合 → 实盘亏钱 → 推倒重来。现在 FinRL 让 AI 自己在市场里试错学习，几百万次迭代找到最优策略。强化学习交易这件事，终于从顶会论文变成 pip install 了

🚨 卧槽！华尔街花500万训练的金融AI，普通人现在0成本就能白嫖！量化基金几百万年薪养的那帮量化研究员，手里最核心的武器，强化学习交易框架，被人直接开源了！ FinRL，15.4K+ stars，哥伦比亚大学团队发起，全球首个金融强化学习开源框架。把交易建模成马尔可夫决策过程，让 AI 像下围棋一样学交易——不是预测涨跌，是在市场中学会何时买、何时卖、何时不动。 FinRL 核心亮点： > 五大 DRL 算法内置：PPO、DDPG、SAC、TD3、A2C，选股+调仓+择时三合一 > OpenAI Gym 标准接口：换策略像换游戏手柄，插上就跑 > 并行训练 2048 个环境，GPU 加速 1650× > FinRL-X 2026 新版：数据 → 策略 → 回测 → 实盘，四层模块化架构，不是胶水代码 > LLM + RL 融合：FinRL-DeepSeek 接入大模型情绪信号，市场情绪强时放大动作、弱时收敛 > 实盘对接 Alpaca，纸盘先跑再切真钱 > 学术血统：NeurIPS + ACM ICAIF + PAKDD 论文背书，不是野路子以前做量化：写因子 → 写策略 → 写回测 → 调参 → 过拟合 → 实盘亏钱 → 推倒重来。现在 FinRL 让 AI 自己在市场里试错学习，几百万次迭代找到最优策略。强化学习交易这件事，终于从顶会论文变成 pip install 了

爱吃折耳根的Ace

27,960 次观看 • 1 个月前

经过与 Openclaw 协作的 Vibe Coding，终于可以给大家看一眼我目前新开启的项目：A-Trading 了！这是一个内置 AI 的量化交易工具，你可以让 AI 在各个时间周期为你实时生成各种属性的量化策略，根据多策略的运行情况，进行策略杂交。简单来说就是用“优胜劣汰”的方式快速筛选最适合当下的交易策略！每当你切换新的时间周期或要求策略生成后，AI会立即生成10~20个随机策略，随后程序后台会立即根据策略与价格数据进行本地回测，从而对不同策略进行排名；当程序连续运行一段时间后，回测数据+实测数据表现最好的两个策略可以被选中进行繁殖... 点击“进化”按钮后，AI会继续根据优势策略，取长补短，在其基础上重新生成更多“子策略”，以此类推，理论上在这个模式下，你可以很快找到最适合当前市场结构的策略。随着时间推移，优势策略可能会被取代，没关系，继续进化繁殖即可，系统会自动淘汰落后的策略... 目前我刚刚完成了和 TradingView 同级别的K线显示系统，并加入了持仓、交易标记等功能。接下来除了对策略繁衍功能进行完善以外，还会尝试加入交易所API对接系统以及账户风控系统甚至实时 AI 交流框... 整个开发过程中，UI及自研K线部分是最头疼的，累积烧掉了近5000多万 Tokens... 接下来由于整体架构已经完善，就只需要慢慢增加更多的功能即可！感谢 OpenClaw🦞 ，让我感受到了远比 Cursor 快乐的 Coding 体验，除了他动不动造反以外都不错！未来我还会慢慢更新该项目的进展，大家有什么好的建议都可以提出来，我现在感觉无所不能！哈哈哈！

经过与 Openclaw 协作的 Vibe Coding，终于可以给大家看一眼我目前新开启的项目：A-Trading 了！这是一个内置 AI 的量化交易工具，你可以让 AI 在各个时间周期为你实时生成各种属性的量化策略，根据多策略的运行情况，进行策略杂交。简单来说就是用“优胜劣汰”的方式快速筛选最适合当下的交易策略！每当你切换新的时间周期或要求策略生成后，AI会立即生成10~20个随机策略，随后程序后台会立即根据策略与价格数据进行本地回测，从而对不同策略进行排名；当程序连续运行一段时间后，回测数据+实测数据表现最好的两个策略可以被选中进行繁殖... 点击“进化”按钮后，AI会继续根据优势策略，取长补短，在其基础上重新生成更多“子策略”，以此类推，理论上在这个模式下，你可以很快找到最适合当前市场结构的策略。随着时间推移，优势策略可能会被取代，没关系，继续进化繁殖即可，系统会自动淘汰落后的策略... 目前我刚刚完成了和 TradingView 同级别的K线显示系统，并加入了持仓、交易标记等功能。接下来除了对策略繁衍功能进行完善以外，还会尝试加入交易所API对接系统以及账户风控系统甚至实时 AI 交流框... 整个开发过程中，UI及自研K线部分是最头疼的，累积烧掉了近5000多万 Tokens... 接下来由于整体架构已经完善，就只需要慢慢增加更多的功能即可！感谢 OpenClaw🦞 ，让我感受到了远比 Cursor 快乐的 Coding 体验，除了他动不动造反以外都不错！未来我还会慢慢更新该项目的进展，大家有什么好的建议都可以提出来，我现在感觉无所不能！哈哈哈！

Crypto_Painter

129,959 次观看 • 6 个月前

分享 5 个开箱即用的 Polymarket 开源交易脚本。如果你打算在 Polymarket 上构建自动化交易系统，这里有你需要的基础组件。从底层的数据抓取、钱包追踪，到自动化执行和机器学习模型，基本涵盖了量化交易的全套流程。 1. 交易终端 (Trading terminal) 支持快捷键操作、极速下单、盈亏监控以及 Telegram 实时报警。彻底告别每 5 秒就需要手动确认一次钱包签名的繁琐操作。 GitHub: 2. 数据记录器 (Data recorder) 同步抓取 Polymarket 和币安的盘面数据。包括订单薄深度、历史成交和各项技术指标，全部落盘保存并提供实时可视化看板。 GitHub: 3. 自动化交易机器人 (Trading bot) 基于置信度公式动态计算仓位，并设定硬性止损。核心策略是在市场结算前约 4 分钟，系统自动买入当前的高胜率标的。 GitHub: 4. 钱包分析工具 (Wallet analyzer) 专门用于追踪聪明钱地址。输入任意钱包，自动提取其完整的交易历史，按具体预测市场进行分类，并生成可视化的建仓轨迹图表。 GitHub: 5. 机器学习模型 (ML model) 通过 TAAPI 接口拉取 208 种技术指标，用于预测市场走向并测算盘面的公允价值。 GitHub: 以上工具均为免费开源。你可以独立运行这些脚本模块，也可以将它们作为代码库直接喂给 Claude，用来辅助迭代和定制你自己的全自动化交易闭环。

分享 5 个开箱即用的 Polymarket 开源交易脚本。如果你打算在 Polymarket 上构建自动化交易系统，这里有你需要的基础组件。从底层的数据抓取、钱包追踪，到自动化执行和机器学习模型，基本涵盖了量化交易的全套流程。 1. 交易终端 (Trading terminal) 支持快捷键操作、极速下单、盈亏监控以及 Telegram 实时报警。彻底告别每 5 秒就需要手动确认一次钱包签名的繁琐操作。 GitHub: 2. 数据记录器 (Data recorder) 同步抓取 Polymarket 和币安的盘面数据。包括订单薄深度、历史成交和各项技术指标，全部落盘保存并提供实时可视化看板。 GitHub: 3. 自动化交易机器人 (Trading bot) 基于置信度公式动态计算仓位，并设定硬性止损。核心策略是在市场结算前约 4 分钟，系统自动买入当前的高胜率标的。 GitHub: 4. 钱包分析工具 (Wallet analyzer) 专门用于追踪聪明钱地址。输入任意钱包，自动提取其完整的交易历史，按具体预测市场进行分类，并生成可视化的建仓轨迹图表。 GitHub: 5. 机器学习模型 (ML model) 通过 TAAPI 接口拉取 208 种技术指标，用于预测市场走向并测算盘面的公允价值。 GitHub: 以上工具均为免费开源。你可以独立运行这些脚本模块，也可以将它们作为代码库直接喂给 Claude，用来辅助迭代和定制你自己的全自动化交易闭环。

风少

209,672 次观看 • 5 个月前

🚨 学 AI 量化的第一本书就是它 — Machine Learning for Trading，19.6K stars，第三版刚出！ Machine Learning for Trading 是 Stefan Jansen 写的实战交易开源书籍，不是纸上谈兵，是代码+案例直接跑给你看。它系统地讲解了如何将机器学习应用到量化交易的完整流程，从数据获取、特征工程、模型训练、回测优化，一直到投资组合管理。核心亮点： > 27 章一条龙：数据获取 → 特征工程 → 模型训练 → 回测 → 实盘执行，全链路覆盖 > 9 个跨资产案例：ETF、加密货币永续合约、日内股票、期权、外汇、期货——不是只讲美股 > 第三版新增：生成式 AI + 自主交易 Agent、因果 ML、强化学习、合成金融数据 > Polars + PyTorch + LightGBM + Optuna 全现代技术栈 > 实盘对接 Interactive Brokers、Alpaca、QuantConnect，不是玩具 > Google 高级总监 Antonio Gulli 作序推荐以前学 AI 量化：看论文 → 看不懂 → 看 CSDN → 跑不通 → 放弃。这本书从理论到代码到实盘，一条路走到底。量化入门的信息差，终于有人填平了。

🚨 学 AI 量化的第一本书就是它 — Machine Learning for Trading，19.6K stars，第三版刚出！ Machine Learning for Trading 是 Stefan Jansen 写的实战交易开源书籍，不是纸上谈兵，是代码+案例直接跑给你看。它系统地讲解了如何将机器学习应用到量化交易的完整流程，从数据获取、特征工程、模型训练、回测优化，一直到投资组合管理。核心亮点： > 27 章一条龙：数据获取 → 特征工程 → 模型训练 → 回测 → 实盘执行，全链路覆盖 > 9 个跨资产案例：ETF、加密货币永续合约、日内股票、期权、外汇、期货——不是只讲美股 > 第三版新增：生成式 AI + 自主交易 Agent、因果 ML、强化学习、合成金融数据 > Polars + PyTorch + LightGBM + Optuna 全现代技术栈 > 实盘对接 Interactive Brokers、Alpaca、QuantConnect，不是玩具 > Google 高级总监 Antonio Gulli 作序推荐以前学 AI 量化：看论文 → 看不懂 → 看 CSDN → 跑不通 → 放弃。这本书从理论到代码到实盘，一条路走到底。量化入门的信息差，终于有人填平了。

爱吃折耳根的Ace

12,487 次观看 • 1 个月前

🚀 AI量化研究的天花板：Microsoft Qlib + Claude Code 还在用Zipline或Backtrader？那些都停更很久了。今天分享一个微软开源的AI量化库 Qlib，配合 Claude Code，让不懂代码的人也能跑通量化全流程。 ⚠️ 本文仅为技术研究，不构成投资建议。👇 为什么选 Qlib？ GitHub 4.2w+ Stars，微软亚洲研究院（MSRA）出品。 ✅ 持续更新 ✅ 自研数据格式（比MySQL快50倍） ✅ 内置27个AI模型（LightGBM, LSTM等） ✅ 真正的一体化：数据 -> 因子 -> 模型 -> 回测 Qlib 的 5 大模块 1️⃣ 数据引擎：.bin格式，极速读取。 2️⃣ 因子计算：内置Alpha158/Alpha360因子集。 3️⃣ 模型预测：一键切换LightGBM等模型。 4️⃣ 策略决策：TopkDropout（打分排名，汰弱留强）。 5️⃣ 回测分析：自动生成IC、IR、最大回撤报告。痛点：门槛太高 Qlib虽强，但对新手极不友好： ❌ 文档晦涩，抽象层太多 ❌ 配置文件（YAML）复杂，改一个参数报错一堆 ❌ 环境配置困难（Python版本冲突、依赖报错） ❌ 缺乏实盘接口，只能做研究 Claude Code (CC) 怎么帮你？ CC 就是你的量化副驾驶，它负责脏活累活： 1️⃣ 读懂代码库：解释158个因子的金融含义。 2️⃣ 配置文件代写：你提需求，CC帮你写YAML配置。 3️⃣ 部署排错：自动修复Python环境报错、依赖冲突。 4️⃣ 数据格式转换：自动把CSV数据转为Qlib的.bin格式。最佳工作流 🧑✈️ 你（主驾驶）：负责判断、策略方向、最终决策。 🤖 Claude Code（副驾驶）：负责写配置、跑数据、修Bug。 🏭 Qlib（引擎）：提供底层算力与模型。 📊 第三方数据（燃料）：提供最新的行情数据。一个下午，跑通从零到回测的全流程。实测结果 & 警告用 Alpha158 + LightGBM 跑了全A股5000只标的： 📈 回测年化收益：46.2%（含成本） ⚠️ 注意：回测 ≠ 实盘。公开因子（如Alpha158）是“驾校教练车”，不是“赛车”。因子会衰减，拥挤度会变高。实盘收益通常要打折。不要迷信公开因子的回测收益。这套组合的真正价值是：降低门槛，让你能利用 AI 快速挖掘出属于自己的“独家因子”。把“教练车”改装成你的“赛车”，才是量化的终极形态。🏁 项目地址放评论区了👇

🚀 AI量化研究的天花板：Microsoft Qlib + Claude Code 还在用Zipline或Backtrader？那些都停更很久了。今天分享一个微软开源的AI量化库 Qlib，配合 Claude Code，让不懂代码的人也能跑通量化全流程。 ⚠️ 本文仅为技术研究，不构成投资建议。👇 为什么选 Qlib？ GitHub 4.2w+ Stars，微软亚洲研究院（MSRA）出品。 ✅ 持续更新 ✅ 自研数据格式（比MySQL快50倍） ✅ 内置27个AI模型（LightGBM, LSTM等） ✅ 真正的一体化：数据 -> 因子 -> 模型 -> 回测 Qlib 的 5 大模块 1️⃣ 数据引擎：.bin格式，极速读取。 2️⃣ 因子计算：内置Alpha158/Alpha360因子集。 3️⃣ 模型预测：一键切换LightGBM等模型。 4️⃣ 策略决策：TopkDropout（打分排名，汰弱留强）。 5️⃣ 回测分析：自动生成IC、IR、最大回撤报告。痛点：门槛太高 Qlib虽强，但对新手极不友好： ❌ 文档晦涩，抽象层太多 ❌ 配置文件（YAML）复杂，改一个参数报错一堆 ❌ 环境配置困难（Python版本冲突、依赖报错） ❌ 缺乏实盘接口，只能做研究 Claude Code (CC) 怎么帮你？ CC 就是你的量化副驾驶，它负责脏活累活： 1️⃣ 读懂代码库：解释158个因子的金融含义。 2️⃣ 配置文件代写：你提需求，CC帮你写YAML配置。 3️⃣ 部署排错：自动修复Python环境报错、依赖冲突。 4️⃣ 数据格式转换：自动把CSV数据转为Qlib的.bin格式。最佳工作流 🧑✈️ 你（主驾驶）：负责判断、策略方向、最终决策。 🤖 Claude Code（副驾驶）：负责写配置、跑数据、修Bug。 🏭 Qlib（引擎）：提供底层算力与模型。 📊 第三方数据（燃料）：提供最新的行情数据。一个下午，跑通从零到回测的全流程。实测结果 & 警告用 Alpha158 + LightGBM 跑了全A股5000只标的： 📈 回测年化收益：46.2%（含成本） ⚠️ 注意：回测 ≠ 实盘。公开因子（如Alpha158）是“驾校教练车”，不是“赛车”。因子会衰减，拥挤度会变高。实盘收益通常要打折。不要迷信公开因子的回测收益。这套组合的真正价值是：降低门槛，让你能利用 AI 快速挖掘出属于自己的“独家因子”。把“教练车”改装成你的“赛车”，才是量化的终极形态。🏁 项目地址放评论区了👇

Vincent | 信号＞噪音

13,696 次观看 • 3 个月前

知道100种赚钱方法，不如把2到3种自己真正懂的策略钻透、执行到底。最近一直在深挖一个看似不可思议的 polymarket 交易策略，不预测币价、不高频交易，仅靠卖出波动率，居然也能达到 100% 胜率 $100K 盈利？明天我会详细拆解这个策略的全流程、如何复制，以及生成数据分析图表的 AI prompt

知道100种赚钱方法，不如把2到3种自己真正懂的策略钻透、执行到底。最近一直在深挖一个看似不可思议的 polymarket 交易策略，不预测币价、不高频交易，仅靠卖出波动率，居然也能达到 100% 胜率 $100K 盈利？明天我会详细拆解这个策略的全流程、如何复制，以及生成数据分析图表的 AI prompt

Vela

25,283 次观看 • 7 个月前

Python量化交易：教你从数据到买卖信号的完整实操遇到一位用 Python 把经典量化交易策略讲得非常清晰的老师。我就直接去问他，有没有从数据加载到信号生成、可视化再到策略评估的完整实操？他直接向我展示了一个非常经典的 Dual Moving Average Crossover（双均线交叉）框架：用 Python 在 Google Colab 上，以苹果股票（AAPL）为例，计算短期（SMA 30）与长期（SMA 100）简单移动平均线，生成买卖信号，并完整可视化策略表现。你在网上很难找到比这更适合入门算法交易的 Python 量化实操例子了。里面有什么： 1️⃣ 数据加载与可视化（2006–2011 年苹果历史股价） 2️⃣ 短期与长期简单移动平均线计算 3️⃣ 买卖信号生成逻辑（金叉买入、死叉卖出） 4️⃣ 策略表现可视化与优缺点评估（趋势行情表现好，震荡行情易产生 whipsaw）建议收藏，跟着敲一遍代码，快速理解 Python 量化交易策略的基本构建方式。

Python量化交易：教你从数据到买卖信号的完整实操遇到一位用 Python 把经典量化交易策略讲得非常清晰的老师。我就直接去问他，有没有从数据加载到信号生成、可视化再到策略评估的完整实操？他直接向我展示了一个非常经典的 Dual Moving Average Crossover（双均线交叉）框架：用 Python 在 Google Colab 上，以苹果股票（AAPL）为例，计算短期（SMA 30）与长期（SMA 100）简单移动平均线，生成买卖信号，并完整可视化策略表现。你在网上很难找到比这更适合入门算法交易的 Python 量化实操例子了。里面有什么： 1️⃣ 数据加载与可视化（2006–2011 年苹果历史股价） 2️⃣ 短期与长期简单移动平均线计算 3️⃣ 买卖信号生成逻辑（金叉买入、死叉卖出） 4️⃣ 策略表现可视化与优缺点评估（趋势行情表现好，震荡行情易产生 whipsaw）建议收藏，跟着敲一遍代码，快速理解 Python 量化交易策略的基本构建方式。

爱吃折耳根的Ace

20,474 次观看 • 20 天前