Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

做股票量化，真没必要什么都从零开发挖到 6 个很硬核的开源项目，分别负责数据、AI 研究、策略回测、组合优化、绩效分析和实盘交易。以前想搭一套完整的量化系统，光数据接口、回测引擎、风控和交易执行就够折腾了。现在不一样了，很多基础模块已经有成熟的开源实现。分享 6 个值得研究的项目： 1. OpenBB｜金融数据底座把股票、宏观、期权等金融数据统一接入，Python 和 AI Agent 都能调用。 2. Microsoft RD-Agent｜AI 自动研究微软开源的 AI 研发 Agent，可以自动探索因子、设计模型并迭代研究方案。 3. vectorbt｜策略回测基于 NumPy、pandas 和 Numba 的高速回测框架，适合批量测试策略和参数。 4. PyPortfolioOpt｜组合优化把资产配置、风险平价、Black-Litterman 等组合优化方法封装好了。 5. QuantStats｜绩效分析策略跑完直接分析收益、Sharpe、最大回撤等指标，还能生成绩效报告。 6. QuantConnect LEAN｜交易执行支持股票、期货、期权、外汇和 Crypto，多资产回测和实盘可以使用同一套引擎。这 6 个项目分开看是工具，按流程组合起来，就有了一套量化研究与交易系统的基础：金融数据 →... show more

爱吃折耳根的Ace

7,096 subscribers

23,137 görüntüleme • 2 gün önce •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

8 Yorum

no profil fotoğrafı

no2 gün önce

@ragechadoc 比我会玩多了呢。

伯灵 profil fotoğrafı

伯灵2 gün önce

RD-Agent自动挖因子这个想试试

爱吃折耳根的Ace profil fotoğrafı

爱吃折耳根的Ace2 gün önce

自动找因子确实有点意思的

Linxiao profil fotoğrafı

Linxiao2 gün önce

我就只能做到接数据源他没法自己交易

Juñáíd Âlī profil fotoğrafı

Juñáíd Âlī2 gün önce

@ragechadoc 没你这开源刺激啊~

Bosnian Heritage profil fotoğrafı

Bosnian Heritage2 gün önce

@ragechadoc 还是你懂怎么撩量化~

晚晚 profil fotoğrafı

晚晚2 gün önce

模块都有了，接起来估计还得掉不少头发

爱吃折耳根的Ace profil fotoğrafı

爱吃折耳根的Ace2 gün önce

最难的从来不是找模块，是让它们别互相打架

Benzer Videolar

🚨 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

59,785 görüntüleme • 3 ay önce

做股票量化，其实真不一定非得拉一整支团队。我把几个成熟的开源项目拼起来，一个人也能搭出一套比较完整的股票量化工作流：数据获取 → 因子/模型研究 → 回测验证 → 模拟/实盘执行我目前重点看的 5 个： Qlib 48k star 微软出的 AI 量化投研平台。因子研究、机器学习、Walk-forward 都比较完整，适合把一个交易想法真正做成预测模型。 vnpy 44.8k star 中文量化里绕不开的框架。股票、期货都能做，回测和实盘基本是一套逻辑，网关和文档也很成熟。 AKShare 22.3k star A股 / 港股 / 美股的数据入口。行情、基本面、指数成分这些都能拉，很多国内量化项目的数据层就是从它开始。 QuantConnect Lean 21.4k star 偏机构级的多资产量化引擎。事件驱动、历史数据、回测和券商对接都比较完整，美股生态尤其成熟。 easytrader 10.1k star 偏 A 股实盘执行。可以接同花顺、miniQMT、雪球组合，把策略最终落到真实交易这一步。这 5 个组合起来，大致就是： AKShare 负责数据 → Qlib 负责研究和模型 → vnpy / Lean 负责回测与交易框架 → easytrader 负责 A 股执行。它们当然替代不了专业量化团队，但对个人来说，已经足够把一套股票量化流程真正跑起来。想自己系统搭一套股票量化工作流的，这几个项目值得收藏跑一下的。

做股票量化，其实真不一定非得拉一整支团队。我把几个成熟的开源项目拼起来，一个人也能搭出一套比较完整的股票量化工作流：数据获取 → 因子/模型研究 → 回测验证 → 模拟/实盘执行我目前重点看的 5 个： Qlib 48k star 微软出的 AI 量化投研平台。因子研究、机器学习、Walk-forward 都比较完整，适合把一个交易想法真正做成预测模型。 vnpy 44.8k star 中文量化里绕不开的框架。股票、期货都能做，回测和实盘基本是一套逻辑，网关和文档也很成熟。 AKShare 22.3k star A股 / 港股 / 美股的数据入口。行情、基本面、指数成分这些都能拉，很多国内量化项目的数据层就是从它开始。 QuantConnect Lean 21.4k star 偏机构级的多资产量化引擎。事件驱动、历史数据、回测和券商对接都比较完整，美股生态尤其成熟。 easytrader 10.1k star 偏 A 股实盘执行。可以接同花顺、miniQMT、雪球组合，把策略最终落到真实交易这一步。这 5 个组合起来，大致就是： AKShare 负责数据 → Qlib 负责研究和模型 → vnpy / Lean 负责回测与交易框架 → easytrader 负责 A 股执行。它们当然替代不了专业量化团队，但对个人来说，已经足够把一套股票量化流程真正跑起来。想自己系统搭一套股票量化工作流的，这几个项目值得收藏跑一下的。

爱吃折耳根的Ace

20,323 görüntüleme • 1 ay önce

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

36,409 görüntüleme • 2 ay önce

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

58,772 görüntüleme • 2 ay önce

一个高性能的开源量化研究框架（尤其适合 A 股） Hikyuu 是基于 C++/Python 开发的超高速量化交易研究框架，核心目标是支持策略建模、回测和金融数据分析。它最大的特点是性能强 + 模块化设计，把交易系统拆解成市场环境判断、信号指示器、资金管理、止损止盈、滑点模拟等多个独立组件，方便组合和复用。核心特点如下： 1️⃣ C++ 核心，回测速度很快（全市场日线计算比较轻量） 2️⃣ 支持 Python 接口，可直接配合 pandas、numpy、TA-Lib 使用 3️⃣ 把交易系统拆成多个策略部件（信号、资金管理、止损、滑点等），方便组合和复用 4️⃣ 支持日线和分钟线数据，本地存储（HDF5 等）比较高效 5️⃣ 提供交互式工具，方便画 K 线、指标和信号 6️⃣ 深度适配 A 股数据体系，适合做全市场研究对做 A 股策略研究、系统化交易回测，或者想要一个高性能本地量化框架的人来说，这个项目值得关注。

一个高性能的开源量化研究框架（尤其适合 A 股） Hikyuu 是基于 C++/Python 开发的超高速量化交易研究框架，核心目标是支持策略建模、回测和金融数据分析。它最大的特点是性能强 + 模块化设计，把交易系统拆解成市场环境判断、信号指示器、资金管理、止损止盈、滑点模拟等多个独立组件，方便组合和复用。核心特点如下： 1️⃣ C++ 核心，回测速度很快（全市场日线计算比较轻量） 2️⃣ 支持 Python 接口，可直接配合 pandas、numpy、TA-Lib 使用 3️⃣ 把交易系统拆成多个策略部件（信号、资金管理、止损、滑点等），方便组合和复用 4️⃣ 支持日线和分钟线数据，本地存储（HDF5 等）比较高效 5️⃣ 提供交互式工具，方便画 K 线、指标和信号 6️⃣ 深度适配 A 股数据体系，适合做全市场研究对做 A 股策略研究、系统化交易回测，或者想要一个高性能本地量化框架的人来说，这个项目值得关注。

爱吃折耳根的Ace

12,515 görüntüleme • 2 ay önce

🚨卧槽！量化技能全景导航库来了 quantskills 组织开源的 quantskills 仓库，是一个专门为量化交易和金融 AI Agent 打造的全景导航地图，把大量可复用、可被 Agent 调用的量化技能进行了系统化整理。核心亮点： > 覆盖 9 大核心类目：数据接口、因子研究、策略回测、风险监控、市场分析、AI Agent 等 > 收录 500+ 个经过验证的因子技能，涵盖量价、风险、方向性和统计类 > 强调技能的标准化设计，便于 AI Agent 直接调用和组合 > 包含大量实用工具链：因子 IC 分析、事件风险预警、新闻情绪分析、组合优化等 > 提供技能与 Agent 的开发模板和治理机制，方便社区共建 > 同时整理了大量未分类的高价值研究工具和复现项目对做量化因子开发、策略研究，或者想构建能自主使用量化工具的金融 AI Agent 的开发者来说，这是一个目前开源里整理得最系统、最具导航价值的资源库之一。

🚨卧槽！量化技能全景导航库来了 quantskills 组织开源的 quantskills 仓库，是一个专门为量化交易和金融 AI Agent 打造的全景导航地图，把大量可复用、可被 Agent 调用的量化技能进行了系统化整理。核心亮点： > 覆盖 9 大核心类目：数据接口、因子研究、策略回测、风险监控、市场分析、AI Agent 等 > 收录 500+ 个经过验证的因子技能，涵盖量价、风险、方向性和统计类 > 强调技能的标准化设计，便于 AI Agent 直接调用和组合 > 包含大量实用工具链：因子 IC 分析、事件风险预警、新闻情绪分析、组合优化等 > 提供技能与 Agent 的开发模板和治理机制，方便社区共建 > 同时整理了大量未分类的高价值研究工具和复现项目对做量化因子开发、策略研究，或者想构建能自主使用量化工具的金融 AI Agent 的开发者来说，这是一个目前开源里整理得最系统、最具导航价值的资源库之一。

爱吃折耳根的Ace

23,353 görüntüleme • 2 ay önce

离谱！港大实验室把一支迷你量化对冲基金，直接开源了 Vibe-Trading，34K+ Stars，MIT 开源，一套能自己找数据、挖因子、跑回测、组 Agent 团队的金融研究平台。以前做一个量化策略，要自己找数据、写因子、选回测引擎、调参数、看结果，整个流程全靠人一点点拼。 Vibe-Trading 不一样，你只需要用自然语言说想研究什么，剩下的数据、因子、回测、Agent 分工，它自己往下跑。核心能力： 1️⃣ 90 个 Finance Skills：行情、期权、因子、回测、研究工具都能直接让 Agent 调用 2️⃣ 462 个现成 Alpha：Qlib158、Alpha101、GTJA191、学术因子、基本面因子都已经整理好 3️⃣ 10+ 回测引擎：A 股、全球股票、Crypto、期货、外汇、期权等多个市场都能直接测 4️⃣ 30 个 Swarm Teams：投资委员会、Quant Desk、Risk Review、Macro、Crypto 等团队可以直接拉起来协作 5️⃣ Persistent Memory：过去研究、Session、Skills 和上下文可以继续保留，不用每次从零开始 6️⃣ Shadow Account：上传自己的 Broker Journal，AI 可以反推你的交易模式，再做反事实回测和审计我觉得它最有意思的地方，是 AI 终于不只是“回答金融问题”。而是开始真正执行一条研究链：你提问题，它自己找数据、做分析、跑回测、拉 Agent 开会，最后把研究结果交回来。以前要一桌量化研究员干的活，现在开始变成一句话启动。做 AI 量化、股票研究、Crypto、因子挖掘，或者想把 Agent 真正接进投研流程的，这个很值得收藏。

离谱！港大实验室把一支迷你量化对冲基金，直接开源了 Vibe-Trading，34K+ Stars，MIT 开源，一套能自己找数据、挖因子、跑回测、组 Agent 团队的金融研究平台。以前做一个量化策略，要自己找数据、写因子、选回测引擎、调参数、看结果，整个流程全靠人一点点拼。 Vibe-Trading 不一样，你只需要用自然语言说想研究什么，剩下的数据、因子、回测、Agent 分工，它自己往下跑。核心能力： 1️⃣ 90 个 Finance Skills：行情、期权、因子、回测、研究工具都能直接让 Agent 调用 2️⃣ 462 个现成 Alpha：Qlib158、Alpha101、GTJA191、学术因子、基本面因子都已经整理好 3️⃣ 10+ 回测引擎：A 股、全球股票、Crypto、期货、外汇、期权等多个市场都能直接测 4️⃣ 30 个 Swarm Teams：投资委员会、Quant Desk、Risk Review、Macro、Crypto 等团队可以直接拉起来协作 5️⃣ Persistent Memory：过去研究、Session、Skills 和上下文可以继续保留，不用每次从零开始 6️⃣ Shadow Account：上传自己的 Broker Journal，AI 可以反推你的交易模式，再做反事实回测和审计我觉得它最有意思的地方，是 AI 终于不只是“回答金融问题”。而是开始真正执行一条研究链：你提问题，它自己找数据、做分析、跑回测、拉 Agent 开会，最后把研究结果交回来。以前要一桌量化研究员干的活，现在开始变成一句话启动。做 AI 量化、股票研究、Crypto、因子挖掘，或者想把 Agent 真正接进投研流程的，这个很值得收藏。

爱吃折耳根的Ace

84,503 görüntüleme • 8 gün önce

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 görüntüleme • 2 ay önce

别急着买数据！这 6 个 Python 工具帮你搭建量化系统很多人刚开始做量化，策略还没跑起来，就先把钱交给了数据商。其实你缺的，可能不是付费数据，而是这几个实用的 Python 工具。第一期先分享最常用的 6 个 1️⃣ yfinance 25k star 输入股票代码，就能从 Yahoo Finance 获取历史行情、分时数据、基本面、期权、外汇和加密资产。画 K 线、验证想法、快速回测，它通常是最省事的起点。 2️⃣ pandas-datareader 3.2k star 不只看股价，还能把宏观指标和 Fama-French 因子直接读进 Pandas。利率、通胀、市场因子，可以和资产价格放在一起研究。 3️⃣ Alpha Vantage 4.9k star 申请免费密钥后，就能调用股票、外汇、加密资产和常用技术指标。想快速获取 RSI、MACD 等数据，很方便。 4️⃣ Nasdaq Data Link 更像一个金融数据仓库，覆盖金融、经济和另类数据。平台既有免费资源，也有付费内容，研究时可以直接筛选免费部分。 5️⃣ Alpaca-py 1.5k star 官方 Python SDK，不仅可以获取市场数据，还能订阅实时数据流，并连接模拟交易。研究、信号和执行，可以逐步接到同一套流程里。 6️⃣ Finnhub 1.1k star 通过 REST 和 WebSocket 覆盖股票、外汇与加密资产，还能补充公司新闻和基本面信息，适合做实时监控和事件策略。这 6 个工具，不只是简单收藏。它们可以组合成一条完整的量化研究流程：行情数据 → 宏观因子 → 策略研究 → 回测验证 → 实时监控 → 模拟交易免费数据不一定适合直接实盘，但足够帮助你把量化研究系统搭起来。

别急着买数据！这 6 个 Python 工具帮你搭建量化系统很多人刚开始做量化，策略还没跑起来，就先把钱交给了数据商。其实你缺的，可能不是付费数据，而是这几个实用的 Python 工具。第一期先分享最常用的 6 个 1️⃣ yfinance 25k star 输入股票代码，就能从 Yahoo Finance 获取历史行情、分时数据、基本面、期权、外汇和加密资产。画 K 线、验证想法、快速回测，它通常是最省事的起点。 2️⃣ pandas-datareader 3.2k star 不只看股价，还能把宏观指标和 Fama-French 因子直接读进 Pandas。利率、通胀、市场因子，可以和资产价格放在一起研究。 3️⃣ Alpha Vantage 4.9k star 申请免费密钥后，就能调用股票、外汇、加密资产和常用技术指标。想快速获取 RSI、MACD 等数据，很方便。 4️⃣ Nasdaq Data Link 更像一个金融数据仓库，覆盖金融、经济和另类数据。平台既有免费资源，也有付费内容，研究时可以直接筛选免费部分。 5️⃣ Alpaca-py 1.5k star 官方 Python SDK，不仅可以获取市场数据，还能订阅实时数据流，并连接模拟交易。研究、信号和执行，可以逐步接到同一套流程里。 6️⃣ Finnhub 1.1k star 通过 REST 和 WebSocket 覆盖股票、外汇与加密资产，还能补充公司新闻和基本面信息，适合做实时监控和事件策略。这 6 个工具，不只是简单收藏。它们可以组合成一条完整的量化研究流程：行情数据 → 宏观因子 → 策略研究 → 回测验证 → 实时监控 → 模拟交易免费数据不一定适合直接实盘，但足够帮助你把量化研究系统搭起来。

爱吃折耳根的Ace

23,304 görüntüleme • 2 ay önce

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

13,143 görüntüleme • 2 ay önce

我去！加密量化框架的天花板，策略从回测到实盘，一个 Python 类就能写完。 Jesse，8.5K stars。自托管框架。should_long / go_long 写逻辑，带止盈止损。多周期、多标的一起测，官方强调没有未来函数。杠杆、做空、部分成交都支持。以前加密量化，回测一套、实盘再换交易所 SDK，指标还得自己对齐 K 线。 Jesse 不一样，研究、优化、模拟盘、实盘同一套策略代码。核心能力： 1️⃣ 策略回测：支持多币种、多周期同时回测，并避免 Look-ahead Bias 2️⃣ 300+ 技术指标：均线、RSI、MACD 等直接调用，不用自己重复造轮子 3️⃣ 参数优化：通过 Optuna + Ray 并行搜索策略参数，批量寻找更好的组合 4️⃣ 策略验证：支持规则显著性检验和 Monte Carlo，检查收益到底是策略优势还是运气 5️⃣ 机器学习：可以从回测中采集训练数据，训练分类/回归模型，再直接放回策略里预测 6️⃣ 模拟盘 + 实盘：支持 Spot、Futures、杠杆、做空、分批成交以及多账户交易 7️⃣ Jesse MCP：可以直接接 Claude、Codex、Cursor、VS Code 等，让 AI 帮你写策略、跑回测、优化参数和分析结果我比较喜欢它的一点是：指标已经迁到 Rust，重计算会快一截。Hyperliquid、Binance 等现货和合约都能接。本机 PostgreSQL + Redis，策略不出自己机器。做 Crypto 量化、策略回测、机器学习交易或者 AI Trading Agent 的，这个框架值得上手。 GitHub：

我去！加密量化框架的天花板，策略从回测到实盘，一个 Python 类就能写完。 Jesse，8.5K stars。自托管框架。should_long / go_long 写逻辑，带止盈止损。多周期、多标的一起测，官方强调没有未来函数。杠杆、做空、部分成交都支持。以前加密量化，回测一套、实盘再换交易所 SDK，指标还得自己对齐 K 线。 Jesse 不一样，研究、优化、模拟盘、实盘同一套策略代码。核心能力： 1️⃣ 策略回测：支持多币种、多周期同时回测，并避免 Look-ahead Bias 2️⃣ 300+ 技术指标：均线、RSI、MACD 等直接调用，不用自己重复造轮子 3️⃣ 参数优化：通过 Optuna + Ray 并行搜索策略参数，批量寻找更好的组合 4️⃣ 策略验证：支持规则显著性检验和 Monte Carlo，检查收益到底是策略优势还是运气 5️⃣ 机器学习：可以从回测中采集训练数据，训练分类/回归模型，再直接放回策略里预测 6️⃣ 模拟盘 + 实盘：支持 Spot、Futures、杠杆、做空、分批成交以及多账户交易 7️⃣ Jesse MCP：可以直接接 Claude、Codex、Cursor、VS Code 等，让 AI 帮你写策略、跑回测、优化参数和分析结果我比较喜欢它的一点是：指标已经迁到 Rust，重计算会快一截。Hyperliquid、Binance 等现货和合约都能接。本机 PostgreSQL + Redis，策略不出自己机器。做 Crypto 量化、策略回测、机器学习交易或者 AI Trading Agent 的，这个框架值得上手。 GitHub：

爱吃折耳根的Ace

27,184 görüntüleme • 29 gün önce

兄弟们！想自己做量化，最浪费时间的往往不是写策略。而是数据去哪找、框架怎么选、回测用什么、机器学习怎么接，最后实盘又得重新拼一套。这 6 个 GitHub 仓库，基本把量化从“找资料”一路铺到“回测和交易”。 1️⃣ awesome-quant 30K star 量化圈的资源总目录。数据源、技术指标、定价、回测、组合优化、风险分析全都分类整理好了，不知道用什么库先来这里找。 2️⃣ machine-learning-for-trading 21K star 21K Stars，机器学习做量化的一整套教材 + 代码。从金融数据、特征工程、模型训练，一路做到回测、风险和实盘部署。 3️⃣ quant-trading 11K star 11K star 现成策略仓库。配对交易、统计套利、MACD、布林带、VIX、期权、CTA 都有，最适合直接拆别人的策略思路。 4️⃣ Backtrader 23.3K star Python 量化回测老牌框架。策略写完先扔历史行情里跑，订单、仓位、手续费、指标这些基础设施都给你准备好了。 5️⃣ Zipline Reloaded 2K star Quantopian 当年那套事件驱动回测引擎的持续维护版。想研究专业回测框架到底怎么设计，这个很值得拆。 6️⃣ CCXT 44.2K star 做 Crypto 基本绕不开。100+ 交易所统一成一套 API，行情、K 线、订单簿、账户、下单不用每家交易所重新对接。如果你刚开始搭自己的量化系统： awesome-quant 找工具 machine-learning-for-trading 学完整流程 quant-trading 找策略灵感 Backtrader / Zipline 跑回测 CCXT 接加密交易所这套先吃透，比一上来自己从零造轮子省太多时间。做股票量化、Crypto 量化或者准备自己搭交易系统的，这 6 个建议直接保持看。

兄弟们！想自己做量化，最浪费时间的往往不是写策略。而是数据去哪找、框架怎么选、回测用什么、机器学习怎么接，最后实盘又得重新拼一套。这 6 个 GitHub 仓库，基本把量化从“找资料”一路铺到“回测和交易”。 1️⃣ awesome-quant 30K star 量化圈的资源总目录。数据源、技术指标、定价、回测、组合优化、风险分析全都分类整理好了，不知道用什么库先来这里找。 2️⃣ machine-learning-for-trading 21K star 21K Stars，机器学习做量化的一整套教材 + 代码。从金融数据、特征工程、模型训练，一路做到回测、风险和实盘部署。 3️⃣ quant-trading 11K star 11K star 现成策略仓库。配对交易、统计套利、MACD、布林带、VIX、期权、CTA 都有，最适合直接拆别人的策略思路。 4️⃣ Backtrader 23.3K star Python 量化回测老牌框架。策略写完先扔历史行情里跑，订单、仓位、手续费、指标这些基础设施都给你准备好了。 5️⃣ Zipline Reloaded 2K star Quantopian 当年那套事件驱动回测引擎的持续维护版。想研究专业回测框架到底怎么设计，这个很值得拆。 6️⃣ CCXT 44.2K star 做 Crypto 基本绕不开。100+ 交易所统一成一套 API，行情、K 线、订单簿、账户、下单不用每家交易所重新对接。如果你刚开始搭自己的量化系统： awesome-quant 找工具 machine-learning-for-trading 学完整流程 quant-trading 找策略灵感 Backtrader / Zipline 跑回测 CCXT 接加密交易所这套先吃透，比一上来自己从零造轮子省太多时间。做股票量化、Crypto 量化或者准备自己搭交易系统的，这 6 个建议直接保持看。

爱吃折耳根的Ace

38,165 görüntüleme • 16 gün önce

🚨 卧槽！AI 自己写策略、自己回测、自己优化参数的量化平台来了 QuantDinger 现在 GitHub 8.8K stars 定位很直接：一个 self-hosted、local-first 的 AI 量化交易平台它把「策略研究 → 回测验证 → 实盘执行」这个流程，用 AI 的方式串联了起来，核心亮点： > 支持 crypto、股票、外汇等市场 > 支持 OpenAI、Claude、Gemini、DeepSeek、Grok 等多 LLM 研究 > 支持 Python-native 策略开发 > 支持确定性回测、手续费、滑点、逐笔交易分析 > 支持 IBKR、MT5、Alpaca、10+ crypto venues > 自托管，API keys 和交易凭证留在自己环境里 > Agent 默认 paper-only，实盘需要显式解锁和权限配置 > 每次 Agent 调用都有 audit log 对于玩 A 股、美股、港股、加密和外汇的人来说，它的价值不是预测明天涨跌，而是把交易想法变成一套可验证的策略流程，强烈保存看看

🚨 卧槽！AI 自己写策略、自己回测、自己优化参数的量化平台来了 QuantDinger 现在 GitHub 8.8K stars 定位很直接：一个 self-hosted、local-first 的 AI 量化交易平台它把「策略研究 → 回测验证 → 实盘执行」这个流程，用 AI 的方式串联了起来，核心亮点： > 支持 crypto、股票、外汇等市场 > 支持 OpenAI、Claude、Gemini、DeepSeek、Grok 等多 LLM 研究 > 支持 Python-native 策略开发 > 支持确定性回测、手续费、滑点、逐笔交易分析 > 支持 IBKR、MT5、Alpaca、10+ crypto venues > 自托管，API keys 和交易凭证留在自己环境里 > Agent 默认 paper-only，实盘需要显式解锁和权限配置 > 每次 Agent 调用都有 audit log 对于玩 A 股、美股、港股、加密和外汇的人来说，它的价值不是预测明天涨跌，而是把交易想法变成一套可验证的策略流程，强烈保存看看

爱吃折耳根的Ace

31,630 görüntüleme • 3 ay önce

买不起彭博终端，不代表只能靠财经群和截图做研究。我把 GitHub 上 4 个开源金融项目交给 Codex，结果真能拼出一套 “私人版彭博 + AI 私人投研团队”。合计 122K+ Star，全部免费。我找出四个最能打的： daily_stock_analysis｜58.8K Star 覆盖 A 股、港股、美股等多个市场和 ETF，每天自动生成评分、趋势、买卖点、风险警报和研究报告。支持 15 种分析策略，GitHub Actions 约 5 分钟部署，不需要服务器。 FinceptTerminal｜29.1K Star 真正的开源金融终端。内置 37 个 AI Agent，覆盖巴菲特、格雷厄姆、芒格、宏观和地缘分析；还有 100+ 数据连接器，可接 FRED、IMF、世界银行、Yahoo Finance 等数据源。不只给数据，还能直接做估值、组合优化和风险分析。 Lean｜20.8K Star QuantConnect 的开源量化交易引擎。支持 Python 和 C#，从策略研究、历史回测到实盘执行全部打通。想认真学量化，这个基本绕不开。 ai-berkshire｜14.1K Star 专门为 Claude Code 和 Codex 设计的价值投资 Skill 合集。把巴菲特、芒格、段永平、李录的方法论塞进多个 Agent，同时分析商业模式、护城河、管理层、估值和风险，再汇总成完整投研报告。这四个项目刚好覆盖四个场景：每日简报、专业终端、算法交易、深度研究。严格来说，它们并不全是 Skill。但 Codex 可以通过 Skill、代码和命令行把它们串起来，从看盘、研究到回测，一套流程直接跑通。但对于个人研究来说，已经够狠了。下面视频展示了具体效果～

买不起彭博终端，不代表只能靠财经群和截图做研究。我把 GitHub 上 4 个开源金融项目交给 Codex，结果真能拼出一套 “私人版彭博 + AI 私人投研团队”。合计 122K+ Star，全部免费。我找出四个最能打的： daily_stock_analysis｜58.8K Star 覆盖 A 股、港股、美股等多个市场和 ETF，每天自动生成评分、趋势、买卖点、风险警报和研究报告。支持 15 种分析策略，GitHub Actions 约 5 分钟部署，不需要服务器。 FinceptTerminal｜29.1K Star 真正的开源金融终端。内置 37 个 AI Agent，覆盖巴菲特、格雷厄姆、芒格、宏观和地缘分析；还有 100+ 数据连接器，可接 FRED、IMF、世界银行、Yahoo Finance 等数据源。不只给数据，还能直接做估值、组合优化和风险分析。 Lean｜20.8K Star QuantConnect 的开源量化交易引擎。支持 Python 和 C#，从策略研究、历史回测到实盘执行全部打通。想认真学量化，这个基本绕不开。 ai-berkshire｜14.1K Star 专门为 Claude Code 和 Codex 设计的价值投资 Skill 合集。把巴菲特、芒格、段永平、李录的方法论塞进多个 Agent，同时分析商业模式、护城河、管理层、估值和风险，再汇总成完整投研报告。这四个项目刚好覆盖四个场景：每日简报、专业终端、算法交易、深度研究。严格来说，它们并不全是 Skill。但 Codex 可以通过 Skill、代码和命令行把它们串起来，从看盘、研究到回测，一套流程直接跑通。但对于个人研究来说，已经够狠了。下面视频展示了具体效果～

爱吃折耳根的Ace

16,872 görüntüleme • 2 ay önce

做加密量化，如果你不想回测一套、调参一套、实盘又重写一套，Freqtrade 基本把整条链路都给你接起来了。 freqtrade，54.3K stars，支持币安/OKX/Bybit 等所有主流交易所现货+合约，回测、FreqAI 机器学习、Telegram/网页控制全都有！以前写币圈交易机器人，得自己接交易所 API、做回测、做风控、做告警，一堆坑要踩。 freqtrade 不一样，开箱即用的完整交易机器人，交易所支持最全、社区最大、文档最全，全球量化玩家都在用。核心能力： 1️⃣ 策略回测：直接用交易所历史 OHLCV 数据测试策略，手续费也会计入结果 2️⃣ Hyperopt 调参：可以自动搜索入场、出场、ROI、止损、移动止损等参数 3️⃣ Dry-Run 模拟盘：先用实时行情跑模拟交易，不碰真钱，验证回测和真实市场之间的差距 4️⃣ 实盘自动交易：支持 Binance、Bybit、OKX、Gate、Kraken、Hyperliquid 等，覆盖现货和多个期货市场 5️⃣ FreqAI：可以训练自适应机器学习模型，并定期重新训练，让模型跟随市场变化 6️⃣ 风控与交易对管理：支持白名单、黑名单、动态交易对、仓位管理和保护机制 7️⃣ WebUI + Telegram：直接查看持仓、盈亏、交易记录，也能远程启动、停止和管理 Bot 它是一个 Python 开源量化交易框架，从历史数据、策略开发、回测、参数优化，到模拟盘和实盘交易，都可以在同一套系统里完成。做 Crypto 量化、策略回测、自动交易或者机器学习交易的，这个基本属于绕不开的项目。

做加密量化，如果你不想回测一套、调参一套、实盘又重写一套，Freqtrade 基本把整条链路都给你接起来了。 freqtrade，54.3K stars，支持币安/OKX/Bybit 等所有主流交易所现货+合约，回测、FreqAI 机器学习、Telegram/网页控制全都有！以前写币圈交易机器人，得自己接交易所 API、做回测、做风控、做告警，一堆坑要踩。 freqtrade 不一样，开箱即用的完整交易机器人，交易所支持最全、社区最大、文档最全，全球量化玩家都在用。核心能力： 1️⃣ 策略回测：直接用交易所历史 OHLCV 数据测试策略，手续费也会计入结果 2️⃣ Hyperopt 调参：可以自动搜索入场、出场、ROI、止损、移动止损等参数 3️⃣ Dry-Run 模拟盘：先用实时行情跑模拟交易，不碰真钱，验证回测和真实市场之间的差距 4️⃣ 实盘自动交易：支持 Binance、Bybit、OKX、Gate、Kraken、Hyperliquid 等，覆盖现货和多个期货市场 5️⃣ FreqAI：可以训练自适应机器学习模型，并定期重新训练，让模型跟随市场变化 6️⃣ 风控与交易对管理：支持白名单、黑名单、动态交易对、仓位管理和保护机制 7️⃣ WebUI + Telegram：直接查看持仓、盈亏、交易记录，也能远程启动、停止和管理 Bot 它是一个 Python 开源量化交易框架，从历史数据、策略开发、回测、参数优化，到模拟盘和实盘交易，都可以在同一套系统里完成。做 Crypto 量化、策略回测、自动交易或者机器学习交易的，这个基本属于绕不开的项目。

爱吃折耳根的Ace

23,631 görüntüleme • 28 gün önce

我去！13 个 AI 智能体组团去炒股票这个开源项目叫 PRISM-INSIGHT。盯美股韩股、自动抓异动股、写研报、还能真金白银下单。一个人就能开一家 AI 交易公司！以前那些 AI 选股工具，大多就一个模型来回问答，要么只出报告、不能下单。 PRISM-INSIGHT 不一样，13 个 agent 分成宏观/分析/策略/交易/沟通几支小队协作，从盯盘到下单一条龙，还带交易日志自我进化。核心能力： 1️⃣ 异动股扫描：自动检测成交量、价格突然异常的股票，生成观察池 2️⃣ 13+ AI Agent：宏观、技术、财务、行业、新闻、策略、交易等分工协作 3️⃣ 自动生成研报：分析完成后可以直接生成完整研究报告和 PDF 4️⃣ 模拟交易：AI 根据研究结果做 Buy / Sell，并持续记录组合、交易和绩效 5️⃣ 自动交易：支持通过韩国投资证券 API 接真实交易，也可以先用 Demo 模式测试 6️⃣ 自我反馈：Trading Journal 会把历史交易结果重新反馈给系统，影响后续决策 7️⃣ 美股 + 韩股：支持 NYSE / NASDAQ 和 KOSPI / KOSDAQ 8️⃣ 实时 Dashboard + Telegram：可以直接看组合表现，也能接收异动股和 AI 报告提醒而且现在不用先折腾完整环境，美股 Quickstart 只需要 OpenAI API Key，就能先生成 AAPL、NVDA、MSFT 这类股票的 AI 研究报告；也支持 Docker 自部署。做 AI 投研、多 Agent 股票研究或者自动交易系统的，这个值得研究。

我去！13 个 AI 智能体组团去炒股票这个开源项目叫 PRISM-INSIGHT。盯美股韩股、自动抓异动股、写研报、还能真金白银下单。一个人就能开一家 AI 交易公司！以前那些 AI 选股工具，大多就一个模型来回问答，要么只出报告、不能下单。 PRISM-INSIGHT 不一样，13 个 agent 分成宏观/分析/策略/交易/沟通几支小队协作，从盯盘到下单一条龙，还带交易日志自我进化。核心能力： 1️⃣ 异动股扫描：自动检测成交量、价格突然异常的股票，生成观察池 2️⃣ 13+ AI Agent：宏观、技术、财务、行业、新闻、策略、交易等分工协作 3️⃣ 自动生成研报：分析完成后可以直接生成完整研究报告和 PDF 4️⃣ 模拟交易：AI 根据研究结果做 Buy / Sell，并持续记录组合、交易和绩效 5️⃣ 自动交易：支持通过韩国投资证券 API 接真实交易，也可以先用 Demo 模式测试 6️⃣ 自我反馈：Trading Journal 会把历史交易结果重新反馈给系统，影响后续决策 7️⃣ 美股 + 韩股：支持 NYSE / NASDAQ 和 KOSPI / KOSDAQ 8️⃣ 实时 Dashboard + Telegram：可以直接看组合表现，也能接收异动股和 AI 报告提醒而且现在不用先折腾完整环境，美股 Quickstart 只需要 OpenAI API Key，就能先生成 AAPL、NVDA、MSFT 这类股票的 AI 研究报告；也支持 Docker 自部署。做 AI 投研、多 Agent 股票研究或者自动交易系统的，这个值得研究。

爱吃折耳根的Ace

23,179 görüntüleme • 26 gün önce

终于有人把华尔街 20 年真实交易经验，拆成 13 章 Python 量化实战配方，连代码都一起开源了。 Python for Algorithmic Trading Cookbook，1.2K Stars，MIT 开源，Packt 官方配套代码仓库。作者 Jason Strimpel 干过芝加哥对冲基金交易、摩根大通风险管理，还做过 APAC CIO，这套内容明显不是拿几个 Demo 拼出来的。以前学量化，经常是数据一套教程、因子一套、回测一套，真正到 Broker 实盘又得重新找资料。它不一样，直接按完整交易链路往下教：拿数据、做因子、回测、评估风险，最后接 Interactive Brokers 真正部署。核心能力： 1️⃣ 市场数据：OpenBB、免费行情、期权等数据获取和清洗直接实战 2️⃣ 因子研究：从金融数据里构建 Alpha Factors，再把因子变成交易信号 3️⃣ VectorBT 回测：批量测试参数，还专门讲 Walk-forward Optimization 4️⃣ Zipline Reloaded：用事件驱动框架做更接近真实交易的策略回测 5️⃣ Alphalens + Pyfolio：因子表现、收益、Sharpe、回撤、风险全部继续拆 6️⃣ Interactive Brokers：从 API 配置、账户订单一路做到策略部署和真实交易环境我觉得这套最有价值的，不是哪一个策略。而是它把“一个 Python 量化策略到底怎么从想法走到市场”完整走了一遍。数据 → 因子 → 回测 → 风险 → Broker → Live。如果你正在学 Python 量化，又不想东拼西凑几十篇教程，这个仓库很适合从头啃一遍。仓库：

终于有人把华尔街 20 年真实交易经验，拆成 13 章 Python 量化实战配方，连代码都一起开源了。 Python for Algorithmic Trading Cookbook，1.2K Stars，MIT 开源，Packt 官方配套代码仓库。作者 Jason Strimpel 干过芝加哥对冲基金交易、摩根大通风险管理，还做过 APAC CIO，这套内容明显不是拿几个 Demo 拼出来的。以前学量化，经常是数据一套教程、因子一套、回测一套，真正到 Broker 实盘又得重新找资料。它不一样，直接按完整交易链路往下教：拿数据、做因子、回测、评估风险，最后接 Interactive Brokers 真正部署。核心能力： 1️⃣ 市场数据：OpenBB、免费行情、期权等数据获取和清洗直接实战 2️⃣ 因子研究：从金融数据里构建 Alpha Factors，再把因子变成交易信号 3️⃣ VectorBT 回测：批量测试参数，还专门讲 Walk-forward Optimization 4️⃣ Zipline Reloaded：用事件驱动框架做更接近真实交易的策略回测 5️⃣ Alphalens + Pyfolio：因子表现、收益、Sharpe、回撤、风险全部继续拆 6️⃣ Interactive Brokers：从 API 配置、账户订单一路做到策略部署和真实交易环境我觉得这套最有价值的，不是哪一个策略。而是它把“一个 Python 量化策略到底怎么从想法走到市场”完整走了一遍。数据 → 因子 → 回测 → 风险 → Broker → Live。如果你正在学 Python 量化，又不想东拼西凑几十篇教程，这个仓库很适合从头啃一遍。仓库：

爱吃折耳根的Ace

28,774 görüntüleme • 6 gün önce

卧槽！FMZ 官方直接开源了几百个现成策略，5.8K star、1.8K fork 直接整理了几千个现成量化策略，均线、趋势、网格、套利、资金费率、高频、期货、Crypto 基本都能找到。以前你写个币圈策略，光交易所 API、精度、撮合、资金费率这些脏活就得啃几天，写出来还不一定跑得通。它不一样，FMZ 就是发明者量化那个免费云平台，这仓库把策略广场里沉淀多年的源码一次性放出来，你直接抄、直接改、直接跑。核心能力： 1️⃣ 几千个量化策略案例，直接看源码、逻辑和参数，不用每次从零开始想 2️⃣ 覆盖趋势跟踪、网格、套利、马丁、资金费率、高频、多周期等不同交易思路 3️⃣ 支持 JavaScript、Python、C++、Rust、Pine Script、麦语言等多种开发方式 4️⃣ 策略可以直接拿到 FMZ 做历史回测，看收益、回撤、成交和资金曲线 5️⃣ 支持 Paper Trading 和 24/7 实盘，可以从研究继续走到真实运行 6️⃣ FMZ 现在还集成了 AI + MCP，可以直接用自然语言辅助写策略、查市场和做量化研究我比较喜欢它的一点是：当你突然想研究一个策略，比如资金费率套利、网格或者趋势跟踪，不用先从白纸开始。先来这里搜一遍别人怎么做，再拆逻辑、改参数、重新回测，效率会高很多。更关键的是，这些策略还能继续丢到 FMZ 里回测、模拟，甚至跑实盘。做 Crypto 量化、策略研究或者程序化交易的，这个很适合收藏。

卧槽！FMZ 官方直接开源了几百个现成策略，5.8K star、1.8K fork 直接整理了几千个现成量化策略，均线、趋势、网格、套利、资金费率、高频、期货、Crypto 基本都能找到。以前你写个币圈策略，光交易所 API、精度、撮合、资金费率这些脏活就得啃几天，写出来还不一定跑得通。它不一样，FMZ 就是发明者量化那个免费云平台，这仓库把策略广场里沉淀多年的源码一次性放出来，你直接抄、直接改、直接跑。核心能力： 1️⃣ 几千个量化策略案例，直接看源码、逻辑和参数，不用每次从零开始想 2️⃣ 覆盖趋势跟踪、网格、套利、马丁、资金费率、高频、多周期等不同交易思路 3️⃣ 支持 JavaScript、Python、C++、Rust、Pine Script、麦语言等多种开发方式 4️⃣ 策略可以直接拿到 FMZ 做历史回测，看收益、回撤、成交和资金曲线 5️⃣ 支持 Paper Trading 和 24/7 实盘，可以从研究继续走到真实运行 6️⃣ FMZ 现在还集成了 AI + MCP，可以直接用自然语言辅助写策略、查市场和做量化研究我比较喜欢它的一点是：当你突然想研究一个策略，比如资金费率套利、网格或者趋势跟踪，不用先从白纸开始。先来这里搜一遍别人怎么做，再拆逻辑、改参数、重新回测，效率会高很多。更关键的是，这些策略还能继续丢到 FMZ 里回测、模拟，甚至跑实盘。做 Crypto 量化、策略研究或者程序化交易的，这个很适合收藏。

爱吃折耳根的Ace

52,674 görüntüleme • 19 gün önce

这个对做 A 股量化的人很实用！A股量化全套工具打包成 AI Skills finance-quant-skills，13 个技能：tushare/akshare/backtrader/rqalpha/miniqmt/问财选股，让 Claude 直接帮你查数据、写策略、跑回测！以前想让 AI 帮你做 A股量化，它不懂 tushare 怎么调、backtrader 怎么写，你还得自己查文档再喂给它。这个仓库不一样，把 A股量化常用的数据源、回测框架、券商接口全打包成标准 Agent Skills，AI 装上就能直接用。装好以后，AI 会知道不同数据源怎么调用、回测框架怎么写、QMT 怎么接、聚宽策略怎么开发。目前已经整理了 13 个金融量化 Skill： 1️⃣ AKShare：股票、期货、基金、加密、宏观数据 2️⃣ BaoStock：免费 A 股 K 线、财务数据、指数成分股 3️⃣ Tushare / 聚宽：行情、财务、因子和宏观数据 4️⃣ pywencai：直接调用同花顺问财做自然语言选股 5️⃣ MiniQMT / QMT：实时行情、策略开发，甚至可以继续接交易下单 6️⃣ Backtrader / RQAlpha：让 Agent 帮你写策略和做历史回测 7️⃣ AKQuant：事件驱动策略、风控和参数优化 8️⃣ 通达信 TdxQuant：行情、K 线、财务、板块和公式执行 9️⃣ Equity Researcher：生成投资速览和深度投研报告我比较喜欢它的一点是：它不冒充交易系统，就是给 Agent 一本 A 股工具手册。npx skills add lzwme/finance-quant-skills，或 Claude Code 加 marketplace。想让你的 AI 真正能干 A股量化的活，这个 Skills 仓库是现成的捷径。 GitHub：

这个对做 A 股量化的人很实用！A股量化全套工具打包成 AI Skills finance-quant-skills，13 个技能：tushare/akshare/backtrader/rqalpha/miniqmt/问财选股，让 Claude 直接帮你查数据、写策略、跑回测！以前想让 AI 帮你做 A股量化，它不懂 tushare 怎么调、backtrader 怎么写，你还得自己查文档再喂给它。这个仓库不一样，把 A股量化常用的数据源、回测框架、券商接口全打包成标准 Agent Skills，AI 装上就能直接用。装好以后，AI 会知道不同数据源怎么调用、回测框架怎么写、QMT 怎么接、聚宽策略怎么开发。目前已经整理了 13 个金融量化 Skill： 1️⃣ AKShare：股票、期货、基金、加密、宏观数据 2️⃣ BaoStock：免费 A 股 K 线、财务数据、指数成分股 3️⃣ Tushare / 聚宽：行情、财务、因子和宏观数据 4️⃣ pywencai：直接调用同花顺问财做自然语言选股 5️⃣ MiniQMT / QMT：实时行情、策略开发，甚至可以继续接交易下单 6️⃣ Backtrader / RQAlpha：让 Agent 帮你写策略和做历史回测 7️⃣ AKQuant：事件驱动策略、风控和参数优化 8️⃣ 通达信 TdxQuant：行情、K 线、财务、板块和公式执行 9️⃣ Equity Researcher：生成投资速览和深度投研报告我比较喜欢它的一点是：它不冒充交易系统，就是给 Agent 一本 A 股工具手册。npx skills add lzwme/finance-quant-skills，或 Claude Code 加 marketplace。想让你的 AI 真正能干 A股量化的活，这个 Skills 仓库是现成的捷径。 GitHub：

爱吃折耳根的Ace

38,739 görüntüleme • 29 gün önce

🚨兄弟们！28K Star 的量化金融资源大全，基本把能用到的工具都收全了 awesome-quant 是一个长期维护的 Awesome List，专门收集量化金融相关的优质资源。仓库里按类别整理了大量书籍、论文、工具库、数据源、课程和社区链接，覆盖了从入门到进阶的各个方向，核心亮点： > 覆盖量化全链路：数值计算、金融定价、技术指标、回测框架、组合优化、风险管理、因子研究等 > 多语言支持：Python、R、Julia、Java、JavaScript 等主流量化语言工具一应俱全 > 经典与现代并存：包含 QuantLib、Zipline、Backtrader 等老牌工具，也收录大量机器学习与另类数据项目 > 实用资源丰富：市场数据源、时间序列分析、情绪分析、预测市场等分类清晰 > 同时整理了大量书籍、论文复现和商业工具，适合不同阶段的学习和实践 > 社区活跃，持续更新，是目前开源里最全面的量化资源合集之一对想系统学习量化交易、构建交易系统，或者做量化研究的开发者、研究员和学生来说，这份列表目前是最好的起点资源库。

🚨兄弟们！28K Star 的量化金融资源大全，基本把能用到的工具都收全了 awesome-quant 是一个长期维护的 Awesome List，专门收集量化金融相关的优质资源。仓库里按类别整理了大量书籍、论文、工具库、数据源、课程和社区链接，覆盖了从入门到进阶的各个方向，核心亮点： > 覆盖量化全链路：数值计算、金融定价、技术指标、回测框架、组合优化、风险管理、因子研究等 > 多语言支持：Python、R、Julia、Java、JavaScript 等主流量化语言工具一应俱全 > 经典与现代并存：包含 QuantLib、Zipline、Backtrader 等老牌工具，也收录大量机器学习与另类数据项目 > 实用资源丰富：市场数据源、时间序列分析、情绪分析、预测市场等分类清晰 > 同时整理了大量书籍、论文复现和商业工具，适合不同阶段的学习和实践 > 社区活跃，持续更新，是目前开源里最全面的量化资源合集之一对想系统学习量化交易、构建交易系统，或者做量化研究的开发者、研究员和学生来说，这份列表目前是最好的起点资源库。

爱吃折耳根的Ace

17,664 görüntüleme • 2 ay önce