Loading video...

Video Failed to Load

There was a problem loading this video. This could be due to a temporary network issue or the video might be unavailable.

A 股量化圈的老牌框架，11K stars，2016 年就在了，到现在还活着且刚做完 Rust 核心升级——QUANTAXIS。多数 A 股量化框架要么死在 Python 性能上，要么靠 C++ 但门槛高。 QUANTAXIS 走的是桥接路线：v2.1 引入 Rust 核心 QARS2，账户操作 100 倍加速、回测 10 倍提速、内存占用降 90%，但 API 完全兼容，没装 Rust 环境就自动回退纯 Python。它真正有用的能力： 1️⃣ 多市场数据层：采集、存储、清洗，MongoDB / ClickHouse 都支持 2️⃣ 统一账户协议 QIFI：股票、期货同一套账户逻辑，跨语言一致 3️⃣ 回测 + 模拟 + 实盘路径清晰，可对接 QMT、CTP 等 4️⃣ 任务调度与分布式部署，适合团队和多策略并行 5️⃣... show more

爱吃折耳根的Ace

4,298 subscribers

12,654 views • 2 days ago •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

🚨 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

58,912 views • 2 months ago

做 A 股量化，框架选 Python 还是 C++ 一直是个两难：Python 好写但慢，C++ 快但难写。 Hikyuu 把这个两难破了——C++ 核心 + Python 接口，3.4K stars，国内 A 股适配最深的开源框架。性能有多猛？AMD 7950X 实测：A 股全市场 1913 万根日 K 线，计算 20 日均线并求和，预热后只要 166 毫秒。做全市场选股、分钟级回测，Python 生态里找不到对手。核心亮点： 1️⃣ 超高速 C++ 引擎 + Python 接口，性能与易用兼得 2️⃣ 深度适配 A 股：涨跌停、T+1、除权复权这些国内特色全处理好了 3️⃣ 系统化交易架构：市场环境、信号、止损止盈、资金管理、滑点、多因子——每个组件独立可替换 4️⃣ 命令行风格语法极简，策略探索期快速验证想法 5️⃣ HDF5 / MySQL / ClickHouse / SQLite 四种存储，分钟级高频数据不卡 6️⃣ 可对接 QMT 等合规券商终端，实盘路径清晰它的本质，是把"系统化交易"理念做成了可自由拼装的积木。你专注策略逻辑，其他交给框架。做 A 股量化研究、又不想在性能上妥协的，这是目前国内最硬的开源选择。

做 A 股量化，框架选 Python 还是 C++ 一直是个两难：Python 好写但慢，C++ 快但难写。 Hikyuu 把这个两难破了——C++ 核心 + Python 接口，3.4K stars，国内 A 股适配最深的开源框架。性能有多猛？AMD 7950X 实测：A 股全市场 1913 万根日 K 线，计算 20 日均线并求和，预热后只要 166 毫秒。做全市场选股、分钟级回测，Python 生态里找不到对手。核心亮点： 1️⃣ 超高速 C++ 引擎 + Python 接口，性能与易用兼得 2️⃣ 深度适配 A 股：涨跌停、T+1、除权复权这些国内特色全处理好了 3️⃣ 系统化交易架构：市场环境、信号、止损止盈、资金管理、滑点、多因子——每个组件独立可替换 4️⃣ 命令行风格语法极简，策略探索期快速验证想法 5️⃣ HDF5 / MySQL / ClickHouse / SQLite 四种存储，分钟级高频数据不卡 6️⃣ 可对接 QMT 等合规券商终端，实盘路径清晰它的本质，是把"系统化交易"理念做成了可自由拼装的积木。你专注策略逻辑，其他交给框架。做 A 股量化研究、又不想在性能上妥协的，这是目前国内最硬的开源选择。

爱吃折耳根的Ace

31,132 views • 6 days ago

🚨 一个极致向量化、速度非常快的回测框架。 VectorBT，8.1K stars！别人跑一个回测的时间，你能跑一万个，史上最快的向量化回测框架！核心优势是完全向量化，能大幅提升回测和参数优化的速度。它特别适合需要跑大量策略、做参数扫描或者进行大规模回测的用户。相比传统循环式的回测方式，vectorbt 在处理大量数据和参数组合时速度优势明显。核心亮点： > 向量化矩阵回测：一万组参数同时跑，不是 for 循环一条条跑 > Numba + Rust 双引擎，比传统事件驱动框架快 100-1000 倍 > 内置 TA-Lib + Pandas TA，技术指标开箱即用 > Walk-Forward 滚动优化 + Monte Carlo 鲁棒性测试 > QuantStats 集成，绩效报告一键生成 > Apache 2.0 开源，PyPI 总下载量 290 万次以前做参数优化：改一个参数 → 跑一遍回测 → 画一张图 → 再改 → 再跑 → 一天过去了。现在 VectorBT 一万组参数一次跑完，最优解直接出来。

🚨 一个极致向量化、速度非常快的回测框架。 VectorBT，8.1K stars！别人跑一个回测的时间，你能跑一万个，史上最快的向量化回测框架！核心优势是完全向量化，能大幅提升回测和参数优化的速度。它特别适合需要跑大量策略、做参数扫描或者进行大规模回测的用户。相比传统循环式的回测方式，vectorbt 在处理大量数据和参数组合时速度优势明显。核心亮点： > 向量化矩阵回测：一万组参数同时跑，不是 for 循环一条条跑 > Numba + Rust 双引擎，比传统事件驱动框架快 100-1000 倍 > 内置 TA-Lib + Pandas TA，技术指标开箱即用 > Walk-Forward 滚动优化 + Monte Carlo 鲁棒性测试 > QuantStats 集成，绩效报告一键生成 > Apache 2.0 开源，PyPI 总下载量 290 万次以前做参数优化：改一个参数 → 跑一遍回测 → 画一张图 → 再改 → 再跑 → 一天过去了。现在 VectorBT 一万组参数一次跑完，最优解直接出来。

爱吃折耳根的Ace

15,198 views • 1 month ago

做量化最烦的不是写策略，是搭数据管道。 zvt 这个开源框架把"数据采集 + 因子 + 回测 + 机器学习 + 可视化"全焊死了，4.2K stars，A 股美股全覆盖。作者自己说的核心思路就一句话：一行代码完成数据抓取、持久化、增量更新、机器学习、预测、展示。 Stock.record_data() 拉全 A 股 4000 多只票，Stock1dHfqKdata 拉 K 线，MaStockMLMachine 直接训练预测画图——全是模块化封装好的。核心亮点： 1️⃣ 一套代码同时支持 A 股和美股，数据源东方财富/同花顺等国内渠道直连 2️⃣ 数据、因子、信号、交易、ML 五大模块解耦，每个都能独立用 3️⃣ 内置机器学习机器（Machine），MA 策略等经典模型开箱即练 4️⃣ Dash + Plotly 可视化界面，回测和研究场景够用 5️⃣ REST API + 独立前端，配合动态标签系统做 AI + 人工结合的实盘 6️⃣ 支持 QMT 行情和 tick 数据，实盘路径清晰它的本质，是给 A 股量化研究者一个"从数据到模型"的完整底座。不用再自己拼 yfinance、AkShare、backtrader，zvt 一套框架把这条路铺好了。做 A 股量化、想快速验证想法的，值得试试。

做量化最烦的不是写策略，是搭数据管道。 zvt 这个开源框架把"数据采集 + 因子 + 回测 + 机器学习 + 可视化"全焊死了，4.2K stars，A 股美股全覆盖。作者自己说的核心思路就一句话：一行代码完成数据抓取、持久化、增量更新、机器学习、预测、展示。 Stock.record_data() 拉全 A 股 4000 多只票，Stock1dHfqKdata 拉 K 线，MaStockMLMachine 直接训练预测画图——全是模块化封装好的。核心亮点： 1️⃣ 一套代码同时支持 A 股和美股，数据源东方财富/同花顺等国内渠道直连 2️⃣ 数据、因子、信号、交易、ML 五大模块解耦，每个都能独立用 3️⃣ 内置机器学习机器（Machine），MA 策略等经典模型开箱即练 4️⃣ Dash + Plotly 可视化界面，回测和研究场景够用 5️⃣ REST API + 独立前端，配合动态标签系统做 AI + 人工结合的实盘 6️⃣ 支持 QMT 行情和 tick 数据，实盘路径清晰它的本质，是给 A 股量化研究者一个"从数据到模型"的完整底座。不用再自己拼 yfinance、AkShare、backtrader，zvt 一套框架把这条路铺好了。做 A 股量化、想快速验证想法的，值得试试。

爱吃折耳根的Ace

16,950 views • 4 days ago

这个量化交易引擎把「回测和实盘不一致」的问题解决得比较彻底 NautilusTrader 是一个用 Rust 编写核心引擎的开源量化交易平台，专为高可靠性和高性能设计，支持从研究、回测到实盘交易的全流程。它最大的特点是回测与实盘使用同一套事件驱动架构和代码，能最大程度保证研究到实盘的一致性（research-to-live parity）。核心亮点： 1️⃣ Rust 核心引擎 + Python 策略接口（性能和灵活性兼顾） 2️⃣ 确定性事件驱动架构，支持纳秒级精度 3️⃣ 多资产、多交易所支持（加密货币、股票、期货等） 4️⃣ 高性能 Rust 核心，适合对延迟和稳定性要求较高的场景 5️⃣ 模块化适配器，方便接入不同交易所和数据源 6️⃣ 支持高级订单类型和完整的回测、实盘执行流程 7️⃣ 同一套策略代码，回测和实盘执行逻辑完全相同对想搭建专业级量化系统，或者需要把研究策略稳定迁移到实盘的人来说，这个项目目前开源里完成度比较高。

这个量化交易引擎把「回测和实盘不一致」的问题解决得比较彻底 NautilusTrader 是一个用 Rust 编写核心引擎的开源量化交易平台，专为高可靠性和高性能设计，支持从研究、回测到实盘交易的全流程。它最大的特点是回测与实盘使用同一套事件驱动架构和代码，能最大程度保证研究到实盘的一致性（research-to-live parity）。核心亮点： 1️⃣ Rust 核心引擎 + Python 策略接口（性能和灵活性兼顾） 2️⃣ 确定性事件驱动架构，支持纳秒级精度 3️⃣ 多资产、多交易所支持（加密货币、股票、期货等） 4️⃣ 高性能 Rust 核心，适合对延迟和稳定性要求较高的场景 5️⃣ 模块化适配器，方便接入不同交易所和数据源 6️⃣ 支持高级订单类型和完整的回测、实盘执行流程 7️⃣ 同一套策略代码，回测和实盘执行逻辑完全相同对想搭建专业级量化系统，或者需要把研究策略稳定迁移到实盘的人来说，这个项目目前开源里完成度比较高。

爱吃折耳根的Ace

12,987 views • 1 month ago

多数开源量化框架的作者，自己都不用。 pysystemtrade 是个例外——作者 Rob Carver 拿它做自己的实盘交易系统，每周 5 天、每天 20 小时在跑，3.4K stars。 Rob Carver 就是那本经典《Systematic Trading》的作者，前 AHL 基金经理。这个库是他书里那套系统化交易框架的开源实现，不是演示 demo，是"我靠它吃饭的引擎，顺手开源给你"。核心亮点： 1️⃣ 作者实盘在用：他靠这套引擎交易期货，等于用真钱帮你做了测试 2️⃣ 完整系统化框架：回测、参数优化、组合构建、风控，书里原则全实现 3️⃣ 自动化实盘：ib_insync 直连 Interactive Brokers，能真正下单 4️⃣ 经典策略全套：趋势跟踪、均值回归、多品种组合，书中策略全有现成代码 5️⃣ 文档扎实：introduction、backtesting、data、production 一步步教到生产环境它的本质，是"一个职业交易员把自己吃饭的家伙公开了"。做期货系统化交易、想学机构级趋势跟踪怎么从回测走到实盘的，这是目前最接近生产级的学习范本。

多数开源量化框架的作者，自己都不用。 pysystemtrade 是个例外——作者 Rob Carver 拿它做自己的实盘交易系统，每周 5 天、每天 20 小时在跑，3.4K stars。 Rob Carver 就是那本经典《Systematic Trading》的作者，前 AHL 基金经理。这个库是他书里那套系统化交易框架的开源实现，不是演示 demo，是"我靠它吃饭的引擎，顺手开源给你"。核心亮点： 1️⃣ 作者实盘在用：他靠这套引擎交易期货，等于用真钱帮你做了测试 2️⃣ 完整系统化框架：回测、参数优化、组合构建、风控，书里原则全实现 3️⃣ 自动化实盘：ib_insync 直连 Interactive Brokers，能真正下单 4️⃣ 经典策略全套：趋势跟踪、均值回归、多品种组合，书中策略全有现成代码 5️⃣ 文档扎实：introduction、backtesting、data、production 一步步教到生产环境它的本质，是"一个职业交易员把自己吃饭的家伙公开了"。做期货系统化交易、想学机构级趋势跟踪怎么从回测走到实盘的，这是目前最接近生产级的学习范本。

爱吃折耳根的Ace

21,349 views • 3 days ago

终于有人把 A 股 / 美港股数据源与量化基建彻底打通了！分享一个开源量化天花板级的项目--LEAN，把数据获取、清洗、回测、实盘接口整合成完整闭环，开箱即用。 ✅ 核心能力告别数据荒：支持上百种数据源和主流券商接口，轻松集成美股、港股、A股等资产的历史 Tick 数据策略自由度拉满：高性能零延迟撮合，采用事件驱动 + 模块化架构，支持多智能体协作与自定义风险模型。全链路回测闭环：内置极致精准的本地回测引擎，深度模拟滑点、交易成本和市场冲击，提供专业风险评估、绩效分析和高清可视化看板。一键封装成skill，直接让你的 Cursor / Claude Code 调用，不仅能帮你生成策略，还能直接跑回测、看绩效，全套量化工作流一气呵成！感兴趣的可以看看哦～非投资建议，dyor 地址：

终于有人把 A 股 / 美港股数据源与量化基建彻底打通了！分享一个开源量化天花板级的项目--LEAN，把数据获取、清洗、回测、实盘接口整合成完整闭环，开箱即用。 ✅ 核心能力告别数据荒：支持上百种数据源和主流券商接口，轻松集成美股、港股、A股等资产的历史 Tick 数据策略自由度拉满：高性能零延迟撮合，采用事件驱动 + 模块化架构，支持多智能体协作与自定义风险模型。全链路回测闭环：内置极致精准的本地回测引擎，深度模拟滑点、交易成本和市场冲击，提供专业风险评估、绩效分析和高清可视化看板。一键封装成skill，直接让你的 Cursor / Claude Code 调用，不仅能帮你生成策略，还能直接跑回测、看绩效，全套量化工作流一气呵成！感兴趣的可以看看哦～非投资建议，dyor 地址：

爱丽丝呀！

30,411 views • 2 months ago

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 views • 24 days ago

别再手写回测系统了，这个经典开源量化项目已经帮你造好了 Backtrader 是一个功能非常完整的 Python 量化回测与交易框架，GitHub 上已有 22.6K Star。它的核心目标是让你专注写策略，而不是重复造轮子。核心特点如下： 1️⃣ 纯 Python 实现，支持多数据源、多周期、多策略同时运行 2️⃣ 内置丰富指标库，并可直接对接 TA-Lib 3️⃣ 支持多种订单类型（市价、限价、止损、追踪止损、OCO、括号单等） 4️⃣ 灵活的佣金、滑点、仓位管理（Sizer）模拟 5️⃣ 内置分析器（夏普、回撤、SQN 等）+ 可视化绘图 6️⃣ 可对接 Interactive Brokers、Oanda 等做实盘/模拟交易对想快速验证策略逻辑、做系统化回测，或者学习完整量化框架设计的人来说，这个项目依然很值得上手。

别再手写回测系统了，这个经典开源量化项目已经帮你造好了 Backtrader 是一个功能非常完整的 Python 量化回测与交易框架，GitHub 上已有 22.6K Star。它的核心目标是让你专注写策略，而不是重复造轮子。核心特点如下： 1️⃣ 纯 Python 实现，支持多数据源、多周期、多策略同时运行 2️⃣ 内置丰富指标库，并可直接对接 TA-Lib 3️⃣ 支持多种订单类型（市价、限价、止损、追踪止损、OCO、括号单等） 4️⃣ 灵活的佣金、滑点、仓位管理（Sizer）模拟 5️⃣ 内置分析器（夏普、回撤、SQN 等）+ 可视化绘图 6️⃣ 可对接 Interactive Brokers、Oanda 等做实盘/模拟交易对想快速验证策略逻辑、做系统化回测，或者学习完整量化框架设计的人来说，这个项目依然很值得上手。

爱吃折耳根的Ace

17,130 views • 22 days ago

这可能是目前最完整的Python量化交易入门教程了遇到一位真正把 Python 量化交易从零到一讲透的老师。我问他，完全没有编程基础、也没有金融背景的人，能不能真正写出一套能跑通的量化回测系统？他不仅给了肯定的回答，还亲自录制了这支时长约 3 小时的完整实战教程。他从零开始，一步步手把手教你完成： 1️⃣环境搭建（Anaconda + Jupyter）与基础语法 2️⃣批量下载股票数据、数据清洗与归一化对比 3️⃣简单收益率 vs 对数收益率的核心区别 4️⃣风险收益指标、协方差、最大回撤计算 5️⃣手写双均线策略（做多+做空 & 仅做多） 6️⃣把整个回测逻辑封装成可复用的面向对象类（SMABacktester） 7️⃣最后接入 Alpha Vantage API，为后续实盘打基础这不是半成品代码演示，而是真正完整的 Zero to Hero 路径。只要跟着敲一遍，就能掌握量化数据处理和基础策略回测的全流程。时长虽然有 3 小时，但非常值得一看。建议直接收藏，回家安静保存着慢慢看，认真跟着做一遍，收获会远超预期。

这可能是目前最完整的Python量化交易入门教程了遇到一位真正把 Python 量化交易从零到一讲透的老师。我问他，完全没有编程基础、也没有金融背景的人，能不能真正写出一套能跑通的量化回测系统？他不仅给了肯定的回答，还亲自录制了这支时长约 3 小时的完整实战教程。他从零开始，一步步手把手教你完成： 1️⃣环境搭建（Anaconda + Jupyter）与基础语法 2️⃣批量下载股票数据、数据清洗与归一化对比 3️⃣简单收益率 vs 对数收益率的核心区别 4️⃣风险收益指标、协方差、最大回撤计算 5️⃣手写双均线策略（做多+做空 & 仅做多） 6️⃣把整个回测逻辑封装成可复用的面向对象类（SMABacktester） 7️⃣最后接入 Alpha Vantage API，为后续实盘打基础这不是半成品代码演示，而是真正完整的 Zero to Hero 路径。只要跟着敲一遍，就能掌握量化数据处理和基础策略回测的全流程。时长虽然有 3 小时，但非常值得一看。建议直接收藏，回家安静保存着慢慢看，认真跟着做一遍，收获会远超预期。

爱吃折耳根的Ace

33,924 views • 1 month ago

🚨 卧槽！A 股散户终于有自己的量化工作台了！选股 + 监控 + 回测全都有 tickflow-stock-panel，一个在浏览器里就能用的选股+回测+监控一体工作台，自己部署，零运维。最狠的是不需要写代码，用自然语言就能让 AI 帮你生成策略。核心亮点： > 内置 20 个选股策略，用 Polars 向量化计算，全 A 股秒级出结果 > 支持不写代码自定义信号，还能让 AI 帮你生成策略代码 > 实时监控支持多条件规则 + 飞书推送 > 回测系统考虑 T+1、手续费、滑点等真实交易约束 > AI 个股分析（技术面 + 基本面 + 财务 + 消息面） > Docker 一键部署，数据本地存储，基本零运维 > GitHub Actions 一键部署，Windows/Mac 都能跑以前做 A 股量化：装 Python → 配环境 → 学 Polars → 写因子 → 写回测 → 调飞书机器人。现在 tickflow-stock-panel 一个浏览器界面搞定，AI 替你写策略，自动复盘自动推送。A 股散户的装备终于升级了！

🚨 卧槽！A 股散户终于有自己的量化工作台了！选股 + 监控 + 回测全都有 tickflow-stock-panel，一个在浏览器里就能用的选股+回测+监控一体工作台，自己部署，零运维。最狠的是不需要写代码，用自然语言就能让 AI 帮你生成策略。核心亮点： > 内置 20 个选股策略，用 Polars 向量化计算，全 A 股秒级出结果 > 支持不写代码自定义信号，还能让 AI 帮你生成策略代码 > 实时监控支持多条件规则 + 飞书推送 > 回测系统考虑 T+1、手续费、滑点等真实交易约束 > AI 个股分析（技术面 + 基本面 + 财务 + 消息面） > Docker 一键部署，数据本地存储，基本零运维 > GitHub Actions 一键部署，Windows/Mac 都能跑以前做 A 股量化：装 Python → 配环境 → 学 Polars → 写因子 → 写回测 → 调飞书机器人。现在 tickflow-stock-panel 一个浏览器界面搞定，AI 替你写策略，自动复盘自动推送。A 股散户的装备终于升级了！

爱吃折耳根的Ace

43,108 views • 1 month ago

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

32,946 views • 17 days ago

🚨 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

15,163 views • 1 month ago

把 26 年 A 股数据搬到自己电脑上，这个开源项目帮你搞定了 free-stockdb 是一个面向 A 股日线、分钟线和 ETF 数据的本地量化数据底座，目标是把数据同步、清洗、复权、存储和指标计算这些工程问题统一解决。它支持增量同步和本地缓存，数据落盘后可以离线使用，减少对远程 API 的依赖和限频问题。核心特点如下： > 覆盖 7400+ 只股票和 ETF，日线、周线、月线、1/5/15/30 分钟数据都有 > 总共约 1.1 亿条记录，前复权处理过，拿来直接做回测 > 完全本地运行，不用联网、不用注册、不限次数 > 自带更新程序，数据旧了可以一键刷新 > 支持 Python、HTTP API、Excel、网页和 AI MCP 多种调用方式 > 内置技术指标计算，查询速度也比较快对想做 A 股回测、策略研究，或者需要长期本地保存历史数据的人来说，这个项目挺实用。

把 26 年 A 股数据搬到自己电脑上，这个开源项目帮你搞定了 free-stockdb 是一个面向 A 股日线、分钟线和 ETF 数据的本地量化数据底座，目标是把数据同步、清洗、复权、存储和指标计算这些工程问题统一解决。它支持增量同步和本地缓存，数据落盘后可以离线使用，减少对远程 API 的依赖和限频问题。核心特点如下： > 覆盖 7400+ 只股票和 ETF，日线、周线、月线、1/5/15/30 分钟数据都有 > 总共约 1.1 亿条记录，前复权处理过，拿来直接做回测 > 完全本地运行，不用联网、不用注册、不限次数 > 自带更新程序，数据旧了可以一键刷新 > 支持 Python、HTTP API、Excel、网页和 AI MCP 多种调用方式 > 内置技术指标计算，查询速度也比较快对想做 A 股回测、策略研究，或者需要长期本地保存历史数据的人来说，这个项目挺实用。

爱吃折耳根的Ace

16,002 views • 29 days ago

$🚨卧槽！这个基金账户管理工具把定投和网格玩明白了 refraction-ray 开源的 xalpha，是一个专门做基金投资管理的 Python 引擎，特别适合定投、网格交易和多基金组合管理。它最实用的地方在于能把个人基金账户完整还原出来： 1️⃣ 从 CSV 交易记录直接重建账户，精确计算成本和收益 2️⃣ 穿透基金底层持仓，看清真正买了哪些股票和行业集中度 3️⃣ 一键获取基金、股票、指数的历史和实时数据 4️⃣ 支持 QDII 基金 T-0 净值预测（用期货数据估算） 5️⃣ 历史估值工具 + 可转债分析 6️⃣ Jupyter 里直接出图表，回测和可视化都很方便 7️⃣ 还支持 AI Agent 调用，方便自动化对长期做定投、网格，或者想系统管理多只基金组合的人来说，这个工具把数据、持仓、估值和回测整合得比较干净。$

🚨卧槽！这个基金账户管理工具把定投和网格玩明白了 refraction-ray 开源的 xalpha，是一个专门做基金投资管理的 Python 引擎，特别适合定投、网格交易和多基金组合管理。它最实用的地方在于能把个人基金账户完整还原出来： 1️⃣ 从 CSV 交易记录直接重建账户，精确计算成本和收益 2️⃣ 穿透基金底层持仓，看清真正买了哪些股票和行业集中度 3️⃣ 一键获取基金、股票、指数的历史和实时数据 4️⃣ 支持 QDII 基金 T-0 净值预测（用期货数据估算） 5️⃣ 历史估值工具 + 可转债分析 6️⃣ Jupyter 里直接出图表，回测和可视化都很方便 7️⃣ 还支持 AI Agent 调用，方便自动化对长期做定投、网格，或者想系统管理多只基金组合的人来说，这个工具把数据、持仓、估值和回测整合得比较干净。

爱吃折耳根的Ace

23,339 views • 1 month ago

卧槽！Quantopian 倒闭了，但它的回测引擎被《Machine Learning for Trading》的作者救活了—zipline-reloaded！ Zipline 曾是全球最强大的 Python 回测框架，Quantopian 关站后 Stefan Jansen 接手维护，升级到 Python 3.11+、pandas 2.0+，pipeline API 因子计算、data bundle 数据管理、事件驱动引擎全部保留。核心特点如下： 1️⃣ 事件驱动回测架构，逻辑清晰 2️⃣ 与 Pandas 深度集成，方便处理数据 3️⃣ 支持常见技术指标和统计分析 4️⃣ 可配合 scikit-learn、statsmodels 等做机器学习策略 5️⃣ 兼容较新的 Python 和依赖版本 6️⃣ 有完整文档和示例，适合学习和研究以前 Zipline 装不上：Python 版本不对 → 依赖冲突 → 放弃了。现在 zipline-reloaded pip install 一行搞定。做因子选股 + 回测的，zipline-reloaded + Pyfolio 是最接近 Quantopian 体验的组合。

卧槽！Quantopian 倒闭了，但它的回测引擎被《Machine Learning for Trading》的作者救活了—zipline-reloaded！ Zipline 曾是全球最强大的 Python 回测框架，Quantopian 关站后 Stefan Jansen 接手维护，升级到 Python 3.11+、pandas 2.0+，pipeline API 因子计算、data bundle 数据管理、事件驱动引擎全部保留。核心特点如下： 1️⃣ 事件驱动回测架构，逻辑清晰 2️⃣ 与 Pandas 深度集成，方便处理数据 3️⃣ 支持常见技术指标和统计分析 4️⃣ 可配合 scikit-learn、statsmodels 等做机器学习策略 5️⃣ 兼容较新的 Python 和依赖版本 6️⃣ 有完整文档和示例，适合学习和研究以前 Zipline 装不上：Python 版本不对 → 依赖冲突 → 放弃了。现在 zipline-reloaded pip install 一行搞定。做因子选股 + 回测的，zipline-reloaded + Pyfolio 是最接近 Quantopian 体验的组合。

爱吃折耳根的Ace

30,864 views • 15 days ago

卧槽！量化交易资源优质合集又发现一个比较全的 wangzhe3224 整理的 awesome-systematic-trading，把系统化交易相关的工具和资源做了分类汇总，目前有 4.8K Star。主要内容覆盖： 1️⃣ 回测与实盘框架（backtrader、Freqtrade、等） 2️⃣ AI / 机器学习量化工具（FinRL、Qlib、FinGPT 等） 3️⃣ 因子分析与策略相关资源 4️⃣ 数据处理、指标计算、风险管理工具 5️⃣ 数据源和券商接口 6️⃣ 相关书籍、博客和研究资料整体从数据、研究到回测和执行的工具都有覆盖，适合想系统找开源项目的人作为参考。同时支持股票、加密货币、期货、期权、外汇等多个市场，适合做量化交易和系统化策略研究的人参考。对做量化策略开发，或者想了解这个方向常用工具的人来说，这份列表比较实用。

卧槽！量化交易资源优质合集又发现一个比较全的 wangzhe3224 整理的 awesome-systematic-trading，把系统化交易相关的工具和资源做了分类汇总，目前有 4.8K Star。主要内容覆盖： 1️⃣ 回测与实盘框架（backtrader、Freqtrade、等） 2️⃣ AI / 机器学习量化工具（FinRL、Qlib、FinGPT 等） 3️⃣ 因子分析与策略相关资源 4️⃣ 数据处理、指标计算、风险管理工具 5️⃣ 数据源和券商接口 6️⃣ 相关书籍、博客和研究资料整体从数据、研究到回测和执行的工具都有覆盖，适合想系统找开源项目的人作为参考。同时支持股票、加密货币、期货、期权、外汇等多个市场，适合做量化交易和系统化策略研究的人参考。对做量化策略开发，或者想了解这个方向常用工具的人来说，这份列表比较实用。

爱吃折耳根的Ace

57,585 views • 14 days ago

有个叫 TradingAgents 的开源项目，直接把数亿级的量化系统公开了，华尔街那边估计不太淡定。这个 AI 多智能体量化框架，普通人也能上手，没有想象中那么难。说几个要点： · 用了 GPT-5.4 加 Claude 4.6 双大模型，多个智能体之间会互相讨论，最后给出一个综合的交易决策。 · 拿十年历史数据跑过回测，年化收益稳定在 30.5%，最大回撤控制得很好，表现比很多传统顶级对冲基金还强。 · 针对中文市场做了优化，A 股、港股、美股都覆盖，本地数据源也能很好地对接。 · 部署起来很方便，用 Docker 就能搭建，有 Web 界面，操作不复杂，还能自动生成投研报告。社区现在挺活跃，上手也快。AI 投研这套东西，正在让量化不再是少数有钱人的专属玩法。

有个叫 TradingAgents 的开源项目，直接把数亿级的量化系统公开了，华尔街那边估计不太淡定。这个 AI 多智能体量化框架，普通人也能上手，没有想象中那么难。说几个要点： · 用了 GPT-5.4 加 Claude 4.6 双大模型，多个智能体之间会互相讨论，最后给出一个综合的交易决策。 · 拿十年历史数据跑过回测，年化收益稳定在 30.5%，最大回撤控制得很好，表现比很多传统顶级对冲基金还强。 · 针对中文市场做了优化，A 股、港股、美股都覆盖，本地数据源也能很好地对接。 · 部署起来很方便，用 Docker 就能搭建，有 Web 界面，操作不复杂，还能自动生成投研报告。社区现在挺活跃，上手也快。AI 投研这套东西，正在让量化不再是少数有钱人的专属玩法。

区块链行情研究

13,877 views • 3 months ago

华尔街彻底慌了！开源项目 TradingAgents 直接公开数亿级量化系统普通人也能轻松上手 AI 多智能体量化框架 - 双大模型协同：GPT‑5.4 + Claude4.6，多智能体互相讨论，输出最优交易决策 - 十年历史回测：年化稳稳 30.5%，最大回撤超低，轻松碾压传统顶级对冲基金 - 中文市场优化：A 股/港股/美股全覆盖，本地数据源完美支持 - 一键部署 & 可视化：Docker 搭建，Web 界面操作简单，投研报告轻松生成社区活跃、上手快，AI 投研让量化不再是富人的游戏！

华尔街彻底慌了！开源项目 TradingAgents 直接公开数亿级量化系统普通人也能轻松上手 AI 多智能体量化框架 - 双大模型协同：GPT‑5.4 + Claude4.6，多智能体互相讨论，输出最优交易决策 - 十年历史回测：年化稳稳 30.5%，最大回撤超低，轻松碾压传统顶级对冲基金 - 中文市场优化：A 股/港股/美股全覆盖，本地数据源完美支持 - 一键部署 & 可视化：Docker 搭建，Web 界面操作简单，投研报告轻松生成社区活跃、上手快，AI 投研让量化不再是富人的游戏！

开发者Hailey

155,340 views • 4 months ago

别再用单体 AI 跑股票量化交易了！大模型做股票交易最大的弱点：不是幻觉，就是无法应对高频变盘的单向思维风暴。分享一个真正懂金融行为学的硬核 GitHub 开源项目 —— TradingAgents-CN 它专为股票分析设计，核心逻辑极其优雅：用多智能体社会学模拟，把单 LLM 的交易偏见彻底干碎！核心杀手锏：多角色盘前模拟辩论：框架内由宏观分析师、技术交易员、风控官等多个 Agent 角色组成。在系统内展开多轮激烈辩论，通过交叉验证寻找更稳妥的决策点。全链路金融行为学模拟：从宏观新闻感知、盘前技术面交叉对齐，到模拟盘中的动态仓位控制，完美还原专业投资机构的决策工作流。中文本地化与回测支持：无缝对接 A股、港股、美股等核心市场的数据与交易逻辑，而且完美适配 Claude、ChatGPT (OpenAI) 以及国内主流大模型底层。一站式回测支持：内置高频交易环境模拟与标准量化指标评估，直接输出带思维链（CoT）的决策报告。感兴趣的可以看看～dyor～地址：

别再用单体 AI 跑股票量化交易了！大模型做股票交易最大的弱点：不是幻觉，就是无法应对高频变盘的单向思维风暴。分享一个真正懂金融行为学的硬核 GitHub 开源项目 —— TradingAgents-CN 它专为股票分析设计，核心逻辑极其优雅：用多智能体社会学模拟，把单 LLM 的交易偏见彻底干碎！核心杀手锏：多角色盘前模拟辩论：框架内由宏观分析师、技术交易员、风控官等多个 Agent 角色组成。在系统内展开多轮激烈辩论，通过交叉验证寻找更稳妥的决策点。全链路金融行为学模拟：从宏观新闻感知、盘前技术面交叉对齐，到模拟盘中的动态仓位控制，完美还原专业投资机构的决策工作流。中文本地化与回测支持：无缝对接 A股、港股、美股等核心市场的数据与交易逻辑，而且完美适配 Claude、ChatGPT (OpenAI) 以及国内主流大模型底层。一站式回测支持：内置高频交易环境模拟与标准量化指标评估，直接输出带思维链（CoT）的决策报告。感兴趣的可以看看～dyor～地址：

爱丽丝呀！

32,866 views • 1 month ago