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。

兄弟们！又挖到一个 Python 股票全能工具 —— InStock myhhub/stock 这个仓库把 A 股量化分析做得挺全的，数据抓取、指标计算、选股、回测、自动交易一条龙。核心功能我挑重点说下： 1️⃣ 实时抓取 A 股数据 + 30+ 技术指标（MACD、KDJ、BOLL 等，和同花顺结果一致） 2️⃣ 识别 61 种 K 线形态，直接给出买卖信号 3️⃣ 筹码分布分析（CYQ），看主力成本区间 4️⃣ 200+ 维度综合选股，支持自定义策略 5️⃣ 内置多个经典策略 + 回测验证功能 6️⃣ 支持自动打新股（需配置券商客户端） 7️⃣ Web 页面，手机电脑都能看，操作挺方便最实用的是支持 Docker 一键部署，数据处理也比较快（普通笔记本跑一天数据大概 4 分钟左右）。对想自己搞量化、做选股策略、或者学习 A 股技术分析的兄弟来说，这个仓库直接能上手。

爱吃折耳根的Ace

3,541 subscribers

21,538 次观看 • 3 个月前 •via X (Twitter)

科学技术教育财经

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

兄弟们！这个 Python 股票开源项目真的有点东西 myhhub/stock 不是那种只跑一次 demo 的玩具，而是一个能实际落地的 A 股分析系统：数据抓取、指标计算、形态识别、选股、回测、甚至自动交易全都有。它每天自动抓取 A 股数据，计算 17 个常用技术指标，并生成买卖信号参考，同时提供 Web 界面查看图表和数据。核心功能： > 实时拉 A 股数据 + 30+ 技术指标 > 自动识别 61 种 K 线形态 > 筹码分布分析（这个功能比较少见） > 支持自定义策略 + 回测验证 > Web 界面手机电脑都能看 > Docker 一键部署，定时任务自动跑数据对想自己搞量化、验证策略，或者系统学习 A 股技术分析的人来说，这个仓库的完整度算比较高的了。想快速玩的直接 Docker 部署就行，不想折腾也能先看看 Web 界面长什么样。

兄弟们！这个 Python 股票开源项目真的有点东西 myhhub/stock 不是那种只跑一次 demo 的玩具，而是一个能实际落地的 A 股分析系统：数据抓取、指标计算、形态识别、选股、回测、甚至自动交易全都有。它每天自动抓取 A 股数据，计算 17 个常用技术指标，并生成买卖信号参考，同时提供 Web 界面查看图表和数据。核心功能： > 实时拉 A 股数据 + 30+ 技术指标 > 自动识别 61 种 K 线形态 > 筹码分布分析（这个功能比较少见） > 支持自定义策略 + 回测验证 > Web 界面手机电脑都能看 > Docker 一键部署，定时任务自动跑数据对想自己搞量化、验证策略，或者系统学习 A 股技术分析的人来说，这个仓库的完整度算比较高的了。想快速玩的直接 Docker 部署就行，不想折腾也能先看看 Web 界面长什么样。

爱吃折耳根的Ace

11,577 次观看 • 3 个月前

我去！有人把 A 股选股、筹码分布、龙虎榜、61 种 K 线形态识别，甚至策略回测和自动交易，全做成了一套开源系统！ InStock，14.9K Stars，一套基于 Python 的股票量化分析系统。以前研究 A 股，财报看一个网站，资金流向看另一个，筛选股票还得自己写代码，想验证策略又要重新搭回测环境。这套系统有点东西，直接把股票数据采集、技术分析、智能筛选和策略验证整合起来，电脑、手机都能查看。核心能力： 1️⃣ 200+ 选股条件：自由组合基本面、技术指标、资金流向、行业、人气等条件 2️⃣ 61 种 K 线形态：自动识别锤头线、吞没形态、晨星、黄昏之星等技术信号 3️⃣ 筹码分布分析：默认计算 210 个交易日的持仓成本分布，观察潜在压力和支撑 4️⃣ A 股数据采集：涵盖龙虎榜、主力资金、财报、涨停原因、ETF 和板块资金流向 5️⃣ 量化策略选股：内置海龟交易、放量突破、均线多头、回踩年线等策略 6️⃣ 回测与自动交易：支持历史策略验证，也提供 Windows 券商客户端自动交易示例比较实用的是，可以先用基本面筛选股票，再结合资金流向、筹码分布和 K 线形态，最后用历史数据验证策略效果。项目支持 Docker 部署，还有 Web 可视化界面，不用自己从零开发整套选股平台。不过自动交易需要单独配置券商客户端，目前主要支持 Windows，策略信号也不代表一定盈利。做 A 股量化、技术分析、自动选股或者 Python 策略开发的，这套值得收藏。

我去！有人把 A 股选股、筹码分布、龙虎榜、61 种 K 线形态识别，甚至策略回测和自动交易，全做成了一套开源系统！ InStock，14.9K Stars，一套基于 Python 的股票量化分析系统。以前研究 A 股，财报看一个网站，资金流向看另一个，筛选股票还得自己写代码，想验证策略又要重新搭回测环境。这套系统有点东西，直接把股票数据采集、技术分析、智能筛选和策略验证整合起来，电脑、手机都能查看。核心能力： 1️⃣ 200+ 选股条件：自由组合基本面、技术指标、资金流向、行业、人气等条件 2️⃣ 61 种 K 线形态：自动识别锤头线、吞没形态、晨星、黄昏之星等技术信号 3️⃣ 筹码分布分析：默认计算 210 个交易日的持仓成本分布，观察潜在压力和支撑 4️⃣ A 股数据采集：涵盖龙虎榜、主力资金、财报、涨停原因、ETF 和板块资金流向 5️⃣ 量化策略选股：内置海龟交易、放量突破、均线多头、回踩年线等策略 6️⃣ 回测与自动交易：支持历史策略验证，也提供 Windows 券商客户端自动交易示例比较实用的是，可以先用基本面筛选股票，再结合资金流向、筹码分布和 K 线形态，最后用历史数据验证策略效果。项目支持 Docker 部署，还有 Web 可视化界面，不用自己从零开发整套选股平台。不过自动交易需要单独配置券商客户端，目前主要支持 Windows，策略信号也不代表一定盈利。做 A 股量化、技术分析、自动选股或者 Python 策略开发的，这套值得收藏。

爱吃折耳根的Ace

17,645 次观看 • 12 天前

我去，这个开源项目几乎把 A 股量化从找数据一直做到自动交易了这个项目叫 stock（InStock），14.5K stars。它不是单独的选股器，而是把数据抓取、技术指标、筹码分布、K 线形态、策略选股、回测和交易放进了一套系统里。核心能力： 1️⃣ 综合选股支持 200+ 数据栏目，可以把基本面、技术面、资金、人气、行业、概念等条件自由组合 2️⃣ 自动抓取 A 股和 ETF 数据，包括资金流、龙虎榜、大宗交易、涨停原因、行业和概念资金等 3️⃣ 内置 MACD、KDJ、RSI、BOLL、Supertrend 等 30+ 技术指标，还能自动识别 61 种 K 线形态 4️⃣ 自带筹码分布，可以计算不同价格区间的持仓成本和筹码集中情况 5️⃣ 内置均线多头、回踩年线、突破平台、海龟交易等多种选股策略，也可以自己扩展策略 6️⃣ 选出来的股票还能继续做历史回测，并提供自动交易框架、交易日志和批量任务我比较喜欢它的一点是：它不是只帮你“找股票”，而是把量化最常用的一整套流程都串起来了。你可以自己定条件筛股，再看指标、筹码和形态，最后拿历史数据验证策略。而且自带 Web 界面，电脑、平板、手机都能用，也提供 Docker 镜像方便部署。做 A 股量化、技术选股或者想自己搭一套股票研究系统的，这个值得留着。仓库：

我去，这个开源项目几乎把 A 股量化从找数据一直做到自动交易了这个项目叫 stock（InStock），14.5K stars。它不是单独的选股器，而是把数据抓取、技术指标、筹码分布、K 线形态、策略选股、回测和交易放进了一套系统里。核心能力： 1️⃣ 综合选股支持 200+ 数据栏目，可以把基本面、技术面、资金、人气、行业、概念等条件自由组合 2️⃣ 自动抓取 A 股和 ETF 数据，包括资金流、龙虎榜、大宗交易、涨停原因、行业和概念资金等 3️⃣ 内置 MACD、KDJ、RSI、BOLL、Supertrend 等 30+ 技术指标，还能自动识别 61 种 K 线形态 4️⃣ 自带筹码分布，可以计算不同价格区间的持仓成本和筹码集中情况 5️⃣ 内置均线多头、回踩年线、突破平台、海龟交易等多种选股策略，也可以自己扩展策略 6️⃣ 选出来的股票还能继续做历史回测，并提供自动交易框架、交易日志和批量任务我比较喜欢它的一点是：它不是只帮你“找股票”，而是把量化最常用的一整套流程都串起来了。你可以自己定条件筛股，再看指标、筹码和形态，最后拿历史数据验证策略。而且自带 Web 界面，电脑、平板、手机都能用，也提供 Docker 镜像方便部署。做 A 股量化、技术选股或者想自己搭一套股票研究系统的，这个值得留着。仓库：

爱吃折耳根的Ace

18,949 次观看 • 1 个月前

卧槽！这个 TradingView MCP 工具能让 AI 直接做技术分析 atilaahmettaner 开源的 tradingview-mcp，是一个给 Claude、ChatGPT、Cursor 等 AI 用的 MCP 服务，能直接调取实时行情、技术指标、选股和回测功能。核心能力如下： 1️⃣ 实时行情数据（股票、加密货币、外汇、期货） 2️⃣ 37 种技术分析工具（RSI、MACD、布林带、K线形态等） 3️⃣ 多市场选股器 4️⃣ 内置多种策略回测（含夏普比率、胜率、回撤等指标） 5️⃣ 支持情绪和新闻相关分析 6️⃣ 无需 TradingView 账号，可自建或使用托管服务 7️⃣ npx 一行启动，Claude Code / Cursor / ChatGPT 全兼容一句话"帮我扫美股 10 亿市值以上、RSI 低于 30 的标的"，AI 直接调 TradingView 数据跑结果。对想让 AI 直接具备盯盘、技术分析和简单回测能力的人来说，这个工具比较实用。

卧槽！这个 TradingView MCP 工具能让 AI 直接做技术分析 atilaahmettaner 开源的 tradingview-mcp，是一个给 Claude、ChatGPT、Cursor 等 AI 用的 MCP 服务，能直接调取实时行情、技术指标、选股和回测功能。核心能力如下： 1️⃣ 实时行情数据（股票、加密货币、外汇、期货） 2️⃣ 37 种技术分析工具（RSI、MACD、布林带、K线形态等） 3️⃣ 多市场选股器 4️⃣ 内置多种策略回测（含夏普比率、胜率、回撤等指标） 5️⃣ 支持情绪和新闻相关分析 6️⃣ 无需 TradingView 账号，可自建或使用托管服务 7️⃣ npx 一行启动，Claude Code / Cursor / ChatGPT 全兼容一句话"帮我扫美股 10 亿市值以上、RSI 低于 30 的标的"，AI 直接调 TradingView 数据跑结果。对想让 AI 直接具备盯盘、技术分析和简单回测能力的人来说，这个工具比较实用。

爱吃折耳根的Ace

11,441 次观看 • 3 个月前

卧槽！TradingView 选股器的数据被做成 Python 库了——tvscreener，1.2K stars，51K+ PyPI 下载！不用开浏览器、不用手动翻 TradingView 筛选器。pip install tvscreener，Python 代码直接拉股票、Crypto、外汇、期货、债券数据，13000+ 技术指标字段随便组合，结果返回 Pandas DataFrame，直接塞进你的量化策略。核心特点如下： 1️⃣ 无需登录 TradingView，就能获取选股数据 2️⃣ 支持大量技术指标和基本面字段 3️⃣ 结果直接返回 Pandas DataFrame，方便后续分析 4️⃣ API 写法比较清晰，支持链式筛选 5️⃣ 覆盖股票、加密、外汇、期货等市场 6️⃣ 还支持 MCP，方便接入 Claude 等 AI 工具对想用代码批量筛选标的、或者把 TradingView 选股能力接到自己量化流程里的人来说，这个库比较实用。以前用 TradingView 选股：打开网页 → 点筛选器 → 手动加条件 → 截图 → 手动录入 Excel。现在 tvscreener 三行代码扫完全市场，数据直接进策略。TradingView 选股器的 Python 接口，终于有人做了。

卧槽！TradingView 选股器的数据被做成 Python 库了——tvscreener，1.2K stars，51K+ PyPI 下载！不用开浏览器、不用手动翻 TradingView 筛选器。pip install tvscreener，Python 代码直接拉股票、Crypto、外汇、期货、债券数据，13000+ 技术指标字段随便组合，结果返回 Pandas DataFrame，直接塞进你的量化策略。核心特点如下： 1️⃣ 无需登录 TradingView，就能获取选股数据 2️⃣ 支持大量技术指标和基本面字段 3️⃣ 结果直接返回 Pandas DataFrame，方便后续分析 4️⃣ API 写法比较清晰，支持链式筛选 5️⃣ 覆盖股票、加密、外汇、期货等市场 6️⃣ 还支持 MCP，方便接入 Claude 等 AI 工具对想用代码批量筛选标的、或者把 TradingView 选股能力接到自己量化流程里的人来说，这个库比较实用。以前用 TradingView 选股：打开网页 → 点筛选器 → 手动加条件 → 截图 → 手动录入 Excel。现在 tvscreener 三行代码扫完全市场，数据直接进策略。TradingView 选股器的 Python 接口，终于有人做了。

爱吃折耳根的Ace

63,968 次观看 • 3 个月前

终于有人把 A 股选股、买卖择时和策略回测做成一套了！ 12 套选股策略、8 套择时策略，覆盖 5000 多只 A 股，连资金流、股票评分和仓位风控都整合进去了。这个开源项目就是 KHunter，一套基于 Python 的 A 股量化研究系统。以前做 A 股量化，选股、技术分析、资金流向、策略回测都要分开处理，筛出股票后还得自己判断什么时候买卖。这套系统直接把全市场选股、五维评分、择时交易和风险管理串起来，整个研究流程方便不少。核心能力： 1️⃣ 12 套选股策略：涨停回马枪、金三角、龙头股、突破、超跌反弹等 2️⃣ 8 套择时策略：布林带、RSI、海龟、趋势回调缩量，辅助判断买卖时机 3️⃣ 五维股票评分：技术面、资金流、基本面、板块强度、事件驱动 4️⃣ 全市场数据：覆盖 5000+ A 股，自动更新行情，支持历史数据分析 5️⃣ 策略回测与风控：分析收益、胜率、最大回撤，结合 VaR 和大盘 ADX 控制风险 6️⃣ 可视化操作：Web 界面查看 K 线、策略信号、股票排名和候选股更实用的是，比如先用涨停回马枪筛选股票，再结合资金流和板块强度评分，最后通过择时策略寻找入场机会。它还支持根据大盘趋势调整开仓条件，不是筛出股票就直接买入。做 A 股量化、自动选股或者 Python 策略开发的，这套值得收藏！ GitHub：

终于有人把 A 股选股、买卖择时和策略回测做成一套了！ 12 套选股策略、8 套择时策略，覆盖 5000 多只 A 股，连资金流、股票评分和仓位风控都整合进去了。这个开源项目就是 KHunter，一套基于 Python 的 A 股量化研究系统。以前做 A 股量化，选股、技术分析、资金流向、策略回测都要分开处理，筛出股票后还得自己判断什么时候买卖。这套系统直接把全市场选股、五维评分、择时交易和风险管理串起来，整个研究流程方便不少。核心能力： 1️⃣ 12 套选股策略：涨停回马枪、金三角、龙头股、突破、超跌反弹等 2️⃣ 8 套择时策略：布林带、RSI、海龟、趋势回调缩量，辅助判断买卖时机 3️⃣ 五维股票评分：技术面、资金流、基本面、板块强度、事件驱动 4️⃣ 全市场数据：覆盖 5000+ A 股，自动更新行情，支持历史数据分析 5️⃣ 策略回测与风控：分析收益、胜率、最大回撤，结合 VaR 和大盘 ADX 控制风险 6️⃣ 可视化操作：Web 界面查看 K 线、策略信号、股票排名和候选股更实用的是，比如先用涨停回马枪筛选股票，再结合资金流和板块强度评分，最后通过择时策略寻找入场机会。它还支持根据大盘趋势调整开仓条件，不是筛出股票就直接买入。做 A 股量化、自动选股或者 Python 策略开发的，这套值得收藏！ GitHub：

爱吃折耳根的Ace

10,600 次观看 • 11 天前

好家伙！一个库把美股量化从数据到实盘全包了 Finance，4.2K stars，行情、技术指标、选股、回测、组合优化、机器学习，一条龙全有！以前做美股量化，数据用 yfinance、指标自己写、回测再拼个 backtrader，来回倒腾。 Finance 不一样，一个库把数据、指标、选股、策略、回测、组合、模型全串起来，核心只依赖 NumPy + pandas。核心亮点： 1️⃣ 数据获取：支持 OHLCV、盘中行情、财报、新闻、分析师数据、内部人交易和财报电话会 2️⃣ 技术分析：内置均线、RSI、动量、波动率、成交量、支撑阻力和市场宽度等指标 3️⃣ 股票筛选：支持相对强弱、Minervini、趋势、成长、股息和机构持仓等筛选逻辑 4️⃣ 策略回测：支持多空交易、手续费、滑点、借券成本、止盈止损和基准对比 5️⃣ 组合优化：可以做资产配置、有效前沿、约束优化、相关性模拟，以及一次性买入和定投对比 6️⃣ 金融建模：包含 CAPM、ARIMA、PCA、市场状态识别、聚类和部分机器学习实验核心很直接：YahooFinance().history('AAPL', ...) 拿复权 OHLCV；indicators 不算网；backtest 用收盘出信号、开盘成交，带佣金和滑点。想从头搭一套美股研究/回测流程，这一个库基本够了

好家伙！一个库把美股量化从数据到实盘全包了 Finance，4.2K stars，行情、技术指标、选股、回测、组合优化、机器学习，一条龙全有！以前做美股量化，数据用 yfinance、指标自己写、回测再拼个 backtrader，来回倒腾。 Finance 不一样，一个库把数据、指标、选股、策略、回测、组合、模型全串起来，核心只依赖 NumPy + pandas。核心亮点： 1️⃣ 数据获取：支持 OHLCV、盘中行情、财报、新闻、分析师数据、内部人交易和财报电话会 2️⃣ 技术分析：内置均线、RSI、动量、波动率、成交量、支撑阻力和市场宽度等指标 3️⃣ 股票筛选：支持相对强弱、Minervini、趋势、成长、股息和机构持仓等筛选逻辑 4️⃣ 策略回测：支持多空交易、手续费、滑点、借券成本、止盈止损和基准对比 5️⃣ 组合优化：可以做资产配置、有效前沿、约束优化、相关性模拟，以及一次性买入和定投对比 6️⃣ 金融建模：包含 CAPM、ARIMA、PCA、市场状态识别、聚类和部分机器学习实验核心很直接：YahooFinance().history('AAPL', ...) 拿复权 OHLCV；indicators 不算网；backtest 用收盘出信号、开盘成交，带佣金和滑点。想从头搭一套美股研究/回测流程，这一个库基本够了

爱吃折耳根的Ace

16,030 次观看 • 2 个月前

🚨卧槽！LLM 驱动的每日股票智能分析系统来了 daily_stock_analysis（简称 DSA）是一个开源的自动化股票分析工具，能每天对你的自选股进行多维度分析，并生成结构化的决策报告。它整合了行情、技术指标、新闻舆情和基本面数据，通过大模型输出包含评分、趋势、买卖点、风险提示、催化因素的报告，并支持自动推送到企业微信、飞书、Telegram 等渠道。核心亮点： > 多市场覆盖：支持 A 股、港股、美股、日股、韩股等，同时支持 ETF > 结构化 AI 决策报告：输出评分、趋势判断、买卖点、风险预警、催化剂和操作清单 > 多源数据融合：行情 + 新闻 + 公告 + 基本面 + 舆情，自动聚合去重 > Agent 策略问股：支持缠论、均线、波浪等多策略视角进行多轮追问 > 零成本自动化：支持 GitHub Actions 定时运行，每天自动推送报告 > 提供 Web 看板 + 回测 + 组合管理功能，本地部署或 Actions 均可对需要每日系统化复盘 A 股和美股、又不想每天手动刷资讯的投资者和交易者来说，这是一个功能比较完整的开源 AI 分析方案。

🚨卧槽！LLM 驱动的每日股票智能分析系统来了 daily_stock_analysis（简称 DSA）是一个开源的自动化股票分析工具，能每天对你的自选股进行多维度分析，并生成结构化的决策报告。它整合了行情、技术指标、新闻舆情和基本面数据，通过大模型输出包含评分、趋势、买卖点、风险提示、催化因素的报告，并支持自动推送到企业微信、飞书、Telegram 等渠道。核心亮点： > 多市场覆盖：支持 A 股、港股、美股、日股、韩股等，同时支持 ETF > 结构化 AI 决策报告：输出评分、趋势判断、买卖点、风险预警、催化剂和操作清单 > 多源数据融合：行情 + 新闻 + 公告 + 基本面 + 舆情，自动聚合去重 > Agent 策略问股：支持缠论、均线、波浪等多策略视角进行多轮追问 > 零成本自动化：支持 GitHub Actions 定时运行，每天自动推送报告 > 提供 Web 看板 + 回测 + 组合管理功能，本地部署或 Actions 均可对需要每日系统化复盘 A 股和美股、又不想每天手动刷资讯的投资者和交易者来说，这是一个功能比较完整的开源 AI 分析方案。

爱吃折耳根的Ace

14,875 次观看 • 3 个月前

好家伙！TradingView 上那些常用的技术指标，Python 居然有一整套现成的 RSI、MACD、ATR、布林带，连 K 线形态识别都有，150 多种算法直接调用，做股票量化的可以看看！项目叫 TA-Lib Python，12K+ Stars，BSD-2-Clause 协议。它是经典 TA-Lib 技术分析库的 Python 封装，底层采用 C 语言计算，通过 Cython 提供高性能接口。以前开发量化策略，光是写指标公式、处理行情数据、验证计算结果，就得折腾不少时间。现在几行 Python 代码，就能把这些指标接进自己的量化系统。几个比较硬核的能力： 1️⃣ 150+ 技术指标：RSI、MACD、ADX、ATR、布林带等全覆盖，趋势、动量、波动率和成交量分析都有。 2️⃣ K 线形态识别：自动识别吞没形态、锤头线、十字星等，把原本靠肉眼判断的形态转换成量化信号。 3️⃣ Cython 高性能：底层调用 C 语言库，官方称相比旧版 SWIG 接口快 2–4 倍，适合批量指标计算。 4️⃣ Python 数据集成：支持 NumPy、Pandas、Polars，可以直接处理行情数据，接入自己的量化策略。 5️⃣ Streaming API：支持快速获取最新指标值，方便接入实时行情监控和交易信号系统。我觉得它真正厉害的，不是指标数量多，而是把量化开发中最重复的计算工作给解决了。比如用 yfinance 获取美股行情，TA-Lib 计算 RSI、MACD 和 ATR，再交给 vectorbt 批量回测。行情数据 → 技术指标 → 交易信号 → 策略回测，整个流程就串起来了。做 Python 股票量化、自动化选股或者策略研究的，这个项目值得收藏。仓库：

好家伙！TradingView 上那些常用的技术指标，Python 居然有一整套现成的 RSI、MACD、ATR、布林带，连 K 线形态识别都有，150 多种算法直接调用，做股票量化的可以看看！项目叫 TA-Lib Python，12K+ Stars，BSD-2-Clause 协议。它是经典 TA-Lib 技术分析库的 Python 封装，底层采用 C 语言计算，通过 Cython 提供高性能接口。以前开发量化策略，光是写指标公式、处理行情数据、验证计算结果，就得折腾不少时间。现在几行 Python 代码，就能把这些指标接进自己的量化系统。几个比较硬核的能力： 1️⃣ 150+ 技术指标：RSI、MACD、ADX、ATR、布林带等全覆盖，趋势、动量、波动率和成交量分析都有。 2️⃣ K 线形态识别：自动识别吞没形态、锤头线、十字星等，把原本靠肉眼判断的形态转换成量化信号。 3️⃣ Cython 高性能：底层调用 C 语言库，官方称相比旧版 SWIG 接口快 2–4 倍，适合批量指标计算。 4️⃣ Python 数据集成：支持 NumPy、Pandas、Polars，可以直接处理行情数据，接入自己的量化策略。 5️⃣ Streaming API：支持快速获取最新指标值，方便接入实时行情监控和交易信号系统。我觉得它真正厉害的，不是指标数量多，而是把量化开发中最重复的计算工作给解决了。比如用 yfinance 获取美股行情，TA-Lib 计算 RSI、MACD 和 ATR，再交给 vectorbt 批量回测。行情数据 → 技术指标 → 交易信号 → 策略回测，整个流程就串起来了。做 Python 股票量化、自动化选股或者策略研究的，这个项目值得收藏。仓库：

爱吃折耳根的Ace

25,237 次观看 • 1 个月前

卧槽！A 股量化最费时间的，可能根本不是写策略，而是把 7000+ 股票的分钟数据真正变成“能回测的数据”。 free-stockdb，2.6K Stars，MIT 开源，一套专门给 A 股量化做的本地数据引擎。以前做全市场回测，光数据就能耗死你：7000+ 股票分钟线拉数据 3-5 天、清洗 1-2 天、复权 1-2 天、建库 1-3 天、算指标 2-3 天，一套下来 10-15 个工作日才能跑通第一个策略。 free-stockdb 不一样，数据同步 / 清洗 / 复权 / 组织全在同步层完成，策略只读本地数据，C++ 时序引擎加 Rust 计算核心，开箱即用。核心能力： 1️⃣ 全市场本地数据：日 / 周 / 月线、1/5/15/30 分钟 K，ETF 和 Tick 数据也能继续接 2️⃣ 复权直接做好：前复权、后复权、不复权、原始复权因子统一查询 3️⃣ 增量更新：第一次同步完，后面只处理变化数据，断网也能继续研究和回测 4️⃣ 本地计算：内置 39 种指标 + 5 类指数，批量股票可以直接一起算 5️⃣ C++ 时序引擎 + Zstd 压缩，不用自己再折腾 MySQL、表结构和查询优化 6️⃣ Python、HTTP、Excel/WPS、网页、MCP 五种方式都能调用，Claude / Codex 也能直接接我觉得它真正有意思的地方，是把 A 股量化最脏、最费时间的数据工程先处理掉了。以前是：每跑一个策略 → 请求 API → 等数据 → 清洗 → 复权 → 再回测。现在更像是先把整个市场搬到自己电脑里，后面选股、因子、回测、AI Agent 全部围着本地数据跑。核心服务甚至只有约 2.2MB。做 A 股量化、全市场回测、因子研究，或者想给自己的 AI 股票 Agent 搭本地数据底座的，这个很值得收藏。仓库：

卧槽！A 股量化最费时间的，可能根本不是写策略，而是把 7000+ 股票的分钟数据真正变成“能回测的数据”。 free-stockdb，2.6K Stars，MIT 开源，一套专门给 A 股量化做的本地数据引擎。以前做全市场回测，光数据就能耗死你：7000+ 股票分钟线拉数据 3-5 天、清洗 1-2 天、复权 1-2 天、建库 1-3 天、算指标 2-3 天，一套下来 10-15 个工作日才能跑通第一个策略。 free-stockdb 不一样，数据同步 / 清洗 / 复权 / 组织全在同步层完成，策略只读本地数据，C++ 时序引擎加 Rust 计算核心，开箱即用。核心能力： 1️⃣ 全市场本地数据：日 / 周 / 月线、1/5/15/30 分钟 K，ETF 和 Tick 数据也能继续接 2️⃣ 复权直接做好：前复权、后复权、不复权、原始复权因子统一查询 3️⃣ 增量更新：第一次同步完，后面只处理变化数据，断网也能继续研究和回测 4️⃣ 本地计算：内置 39 种指标 + 5 类指数，批量股票可以直接一起算 5️⃣ C++ 时序引擎 + Zstd 压缩，不用自己再折腾 MySQL、表结构和查询优化 6️⃣ Python、HTTP、Excel/WPS、网页、MCP 五种方式都能调用，Claude / Codex 也能直接接我觉得它真正有意思的地方，是把 A 股量化最脏、最费时间的数据工程先处理掉了。以前是：每跑一个策略 → 请求 API → 等数据 → 清洗 → 复权 → 再回测。现在更像是先把整个市场搬到自己电脑里，后面选股、因子、回测、AI Agent 全部围着本地数据跑。核心服务甚至只有约 2.2MB。做 A 股量化、全市场回测、因子研究，或者想给自己的 AI 股票 Agent 搭本地数据底座的，这个很值得收藏。仓库：

爱吃折耳根的Ace

20,687 次观看 • 1 个月前

做 AI 股票量化，这 6 个开源项目建议直接收藏。别再只把股票代码丢给 AI 问“能买吗”，真正好用的是把数据、选股、回测、Agent 全接起来。把这 6 个装上，数据、选股、分析、回测、复盘全补齐，直接搭一套自己的 AI 股票投研系统。 1️⃣. a-stock-data A 股数据底座，行情、财务、资金、研报、龙虎榜、宏观这些都能给 Agent 调。 2️⃣. global-stock-data 偏美股，行情、财报、SEC、期权、做空数据、Screener 都能查。 3️⃣. finance-quant-skills 直接给 Claude、Codex 装量化 Skills，AKShare、Tushare、QMT、Backtrader、聚宽都整理好了。 4️⃣. easy-tdx 把通达信接进 Python，行情、K 线、技术指标、选股都能自己调用。 5️⃣. TSP 本地股票量化工作台，选股、监控、指标、回测、复盘放在一个界面里。 6️⃣. TradingAgents-Astock 多 Agent 做 A 股研究，让不同 AI 分析、讨论、风控，最后再汇总结论。如果让我自己搭：数据用 a-stock-data 量化能力用 finance-quant-skills 行情接 easy-tdx 工作台用 TSP 最后让 TradingAgents 做研究这样 AI 才不是会聊股票，而是真的开始干投研。

做 AI 股票量化，这 6 个开源项目建议直接收藏。别再只把股票代码丢给 AI 问“能买吗”，真正好用的是把数据、选股、回测、Agent 全接起来。把这 6 个装上，数据、选股、分析、回测、复盘全补齐，直接搭一套自己的 AI 股票投研系统。 1️⃣. a-stock-data A 股数据底座，行情、财务、资金、研报、龙虎榜、宏观这些都能给 Agent 调。 2️⃣. global-stock-data 偏美股，行情、财报、SEC、期权、做空数据、Screener 都能查。 3️⃣. finance-quant-skills 直接给 Claude、Codex 装量化 Skills，AKShare、Tushare、QMT、Backtrader、聚宽都整理好了。 4️⃣. easy-tdx 把通达信接进 Python，行情、K 线、技术指标、选股都能自己调用。 5️⃣. TSP 本地股票量化工作台，选股、监控、指标、回测、复盘放在一个界面里。 6️⃣. TradingAgents-Astock 多 Agent 做 A 股研究，让不同 AI 分析、讨论、风控，最后再汇总结论。如果让我自己搭：数据用 a-stock-data 量化能力用 finance-quant-skills 行情接 easy-tdx 工作台用 TSP 最后让 TradingAgents 做研究这样 AI 才不是会聊股票，而是真的开始干投研。

爱吃折耳根的Ace

19,679 次观看 • 1 个月前

🚨 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

44,608 次观看 • 4 个月前

挖到一个 A 股开源量化神器 —— tickflow-stock-panel 选股、盯盘、回测、AI 复盘，全都塞进一个面板里，连历史行情数据都不用自己另外折腾。项目内置 18 个选股策略，MA、MACD、RSI、KDJ、布林、量比这些常用指标都能直接拿来筛全 A 股。不只是选股，盘中还能做策略监控、价格监控、个股信号和异动提醒。回测也专门考虑了 A 股规则，T+1、手续费、滑点、止损这些都能一起算进去，不是简单跑个历史收益曲线。个股分析这块也做得很全，可以从技术面、基本面、财务和消息面四个维度一起看。盘后还能自动做 AI 复盘，连板梯队、概念轮动、炸板/翘板这些 A 股常看的东西也整合进去了。数据源也给你接好了，基于 TickFlow 可以直接同步 A 股历史行情，历史日 K 不填 Key 也能用，后面还支持继续接第三方数据源。 AI 模型支持 DeepSeek、通义、Ollama 等 OpenAI 兼容接口，Web 面板直接操作，不需要一直敲命令。等于把：选股 ➡️盯盘 ➡️回测 ➡️ 个股分析 ➡️AI 复盘整套流程都做进了一个本地量化工作台。仅做开源分享，非投资建议地址：

挖到一个 A 股开源量化神器 —— tickflow-stock-panel 选股、盯盘、回测、AI 复盘，全都塞进一个面板里，连历史行情数据都不用自己另外折腾。项目内置 18 个选股策略，MA、MACD、RSI、KDJ、布林、量比这些常用指标都能直接拿来筛全 A 股。不只是选股，盘中还能做策略监控、价格监控、个股信号和异动提醒。回测也专门考虑了 A 股规则，T+1、手续费、滑点、止损这些都能一起算进去，不是简单跑个历史收益曲线。个股分析这块也做得很全，可以从技术面、基本面、财务和消息面四个维度一起看。盘后还能自动做 AI 复盘，连板梯队、概念轮动、炸板/翘板这些 A 股常看的东西也整合进去了。数据源也给你接好了，基于 TickFlow 可以直接同步 A 股历史行情，历史日 K 不填 Key 也能用，后面还支持继续接第三方数据源。 AI 模型支持 DeepSeek、通义、Ollama 等 OpenAI 兼容接口，Web 面板直接操作，不需要一直敲命令。等于把：选股 ➡️盯盘 ➡️回测 ➡️ 个股分析 ➡️AI 复盘整套流程都做进了一个本地量化工作台。仅做开源分享，非投资建议地址：

爱丽丝呀！

101,853 次观看 • 2 个月前

我去！A股开箱即用的量化交易系统——KHunter，15 种选股策略 + 5 种择时 + 五维评分 + 回测 + PTrade 自动交易，Web 界面点一点就选股！以前做 A股量化，数据、选股、择时、风控、回测、交易得自己一个个拼，没点代码基础根本玩不动。 KHunter 不一样，从数据到交易的全流程都给你做好了，还有 Web 界面，双击 start.bat 就能跑。核心能力： 1️⃣ 15 种选股策略：底部反转、涨停回马枪、W 底、趋势突破、多金叉共振等都已经内置 2️⃣ 5 种择时策略：布林带、RSI、支撑位、海龟、MACD + 布林带趋势跟随 3️⃣ 五维股票评分：技术面、资金面、基本面、板块强度、事件驱动一起打分 4️⃣ 完整回测：可以看收益率、胜率、最大回撤、交易记录和资金曲线 5️⃣ 风险控制：支持 VaR、市场温度监控，还会自动过滤 ST、退市、市值过低和短期涨幅过高的股票 6️⃣ 支持 PTrade：可以把选股信号继续接到自动交易流程里核心很直接：先初始化本地库，收盘后增量更新，再跑策略进「狩猎场」。五维打分：技术、资金各 35%，基本面、板块、事件各 10%。回测看收益和回撤。PTrade 模块可选，不是默认实盘。想从头跑一套 A股量化、又不想从零写代码，这个开箱即用的系统值得一试。仓库地址：

我去！A股开箱即用的量化交易系统——KHunter，15 种选股策略 + 5 种择时 + 五维评分 + 回测 + PTrade 自动交易，Web 界面点一点就选股！以前做 A股量化，数据、选股、择时、风控、回测、交易得自己一个个拼，没点代码基础根本玩不动。 KHunter 不一样，从数据到交易的全流程都给你做好了，还有 Web 界面，双击 start.bat 就能跑。核心能力： 1️⃣ 15 种选股策略：底部反转、涨停回马枪、W 底、趋势突破、多金叉共振等都已经内置 2️⃣ 5 种择时策略：布林带、RSI、支撑位、海龟、MACD + 布林带趋势跟随 3️⃣ 五维股票评分：技术面、资金面、基本面、板块强度、事件驱动一起打分 4️⃣ 完整回测：可以看收益率、胜率、最大回撤、交易记录和资金曲线 5️⃣ 风险控制：支持 VaR、市场温度监控，还会自动过滤 ST、退市、市值过低和短期涨幅过高的股票 6️⃣ 支持 PTrade：可以把选股信号继续接到自动交易流程里核心很直接：先初始化本地库，收盘后增量更新，再跑策略进「狩猎场」。五维打分：技术、资金各 35%，基本面、板块、事件各 10%。回测看收益和回撤。PTrade 模块可选，不是默认实盘。想从头跑一套 A股量化、又不想从零写代码，这个开箱即用的系统值得一试。仓库地址：

爱吃折耳根的Ace

27,722 次观看 • 2 个月前

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

18,888 次观看 • 2 个月前

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

12,658 次观看 • 3 个月前

我去！一个横跨 A 股、港股、美股、期货四市场的开源量化工具——easy-tdx，不用注册、不用申请 API Key，装上就能用。直连通达信行情服务器，K 线、实时报价、分时、逐笔成交、资金流向、板块数据，毫秒级拉满。做量化最头疼的数据源问题，它用一个 pip install 解决了——免费、开源、无门槛。核心亮点： 1️⃣ 四市场通吃：A 股、港股、美股、期货，一套接口全拿 2️⃣ 零门槛：无需注册、无需 API Key，MIT 开源，装上就能跑 3️⃣ 34 个技术指标开箱即用，缠论分析一键出结果（笔、中枢、买卖点、背驰） 4️⃣ 内置回测引擎：18 个经典策略自带，多因子组合批量对比 5️⃣ 回测可视化 Web UI：K 线买卖点、净值回撤、19 项绩效指标 6️⃣ S/A/B/C/D 五档数据评级，不看收益率看风险调整后的持有体验 7️⃣ JSON 输出直接喂 Claude Code 等 AI Agent 不是又一个行情展示页，而是把「通达信数据」变成可编程接口。做 A 股选股、回测、本地量化的，可以直接 pip 装了试。

我去！一个横跨 A 股、港股、美股、期货四市场的开源量化工具——easy-tdx，不用注册、不用申请 API Key，装上就能用。直连通达信行情服务器，K 线、实时报价、分时、逐笔成交、资金流向、板块数据，毫秒级拉满。做量化最头疼的数据源问题，它用一个 pip install 解决了——免费、开源、无门槛。核心亮点： 1️⃣ 四市场通吃：A 股、港股、美股、期货，一套接口全拿 2️⃣ 零门槛：无需注册、无需 API Key，MIT 开源，装上就能跑 3️⃣ 34 个技术指标开箱即用，缠论分析一键出结果（笔、中枢、买卖点、背驰） 4️⃣ 内置回测引擎：18 个经典策略自带，多因子组合批量对比 5️⃣ 回测可视化 Web UI：K 线买卖点、净值回撤、19 项绩效指标 6️⃣ S/A/B/C/D 五档数据评级，不看收益率看风险调整后的持有体验 7️⃣ JSON 输出直接喂 Claude Code 等 AI Agent 不是又一个行情展示页，而是把「通达信数据」变成可编程接口。做 A 股选股、回测、本地量化的，可以直接 pip 装了试。

爱吃折耳根的Ace

17,437 次观看 • 2 个月前

我靠！一台开发板，13 秒就跑完了 3547 只 A 股的 11 年策略回测！有人把 C++ 的计算性能和 Python 的开发效率结合起来，连多策略组合、资金管理和真实交易规则都做进了框架！开源项目 Hikyuu，3.7K Stars，Apache-2.0 开源，一套专门面向系统化交易研究的高性能量化框架。以前自己搭 A 股量化系统，指标计算、策略回测、仓位管理和交易成本都得分别处理，数据一多还容易跑得很慢。 Hikyuu 直接把这些环节拆成可自由组合的模块，底层 C++ 负责计算，Python 负责策略开发。核心能力： 1️⃣ C++ 高性能引擎：作者测试 1913 万根 K 线的均线汇总计算，预热后仅需 166 毫秒 2️⃣ 模块化策略开发：买卖信号、止盈止损、仓位管理、滑点等模块自由组合 3️⃣ A 股交易规则：模拟手续费、印花税、停牌、除权除息和延迟成交 4️⃣ 多策略组合：支持多因子选股、资金分配、组合调仓和多层策略嵌套 5️⃣ 策略回测验证：支持 Walk-forward 滚动优化、交易记录和绩效分析 6️⃣ 数据与可视化：支持 HDF5、MySQL、ClickHouse、SQLite，配合 Python 绘制 K 线和交易信号比较厉害的是，比如你有均线突破、趋势跟踪和多因子选股三套策略。可以分别回测，再组合成一个投资组合，由框架统一管理资金、仓位和风险。而且作者特别强调回测真实性，手续费、成交延迟、除权除息都要算清楚，避免漂亮的收益曲线掩盖实际问题。项目支持 pip 安装，Python 3.10+ 即可使用。它主要面向 A 股研究，不自带券商实盘下单功能，美股等海外市场需要自己接入数据。做 A 股量化、Python 策略回测、多因子选股或者高性能交易系统开发的，这套值得认真研究！ GitHub：

我靠！一台开发板，13 秒就跑完了 3547 只 A 股的 11 年策略回测！有人把 C++ 的计算性能和 Python 的开发效率结合起来，连多策略组合、资金管理和真实交易规则都做进了框架！开源项目 Hikyuu，3.7K Stars，Apache-2.0 开源，一套专门面向系统化交易研究的高性能量化框架。以前自己搭 A 股量化系统，指标计算、策略回测、仓位管理和交易成本都得分别处理，数据一多还容易跑得很慢。 Hikyuu 直接把这些环节拆成可自由组合的模块，底层 C++ 负责计算，Python 负责策略开发。核心能力： 1️⃣ C++ 高性能引擎：作者测试 1913 万根 K 线的均线汇总计算，预热后仅需 166 毫秒 2️⃣ 模块化策略开发：买卖信号、止盈止损、仓位管理、滑点等模块自由组合 3️⃣ A 股交易规则：模拟手续费、印花税、停牌、除权除息和延迟成交 4️⃣ 多策略组合：支持多因子选股、资金分配、组合调仓和多层策略嵌套 5️⃣ 策略回测验证：支持 Walk-forward 滚动优化、交易记录和绩效分析 6️⃣ 数据与可视化：支持 HDF5、MySQL、ClickHouse、SQLite，配合 Python 绘制 K 线和交易信号比较厉害的是，比如你有均线突破、趋势跟踪和多因子选股三套策略。可以分别回测，再组合成一个投资组合，由框架统一管理资金、仓位和风险。而且作者特别强调回测真实性，手续费、成交延迟、除权除息都要算清楚，避免漂亮的收益曲线掩盖实际问题。项目支持 pip 安装，Python 3.10+ 即可使用。它主要面向 A 股研究，不自带券商实盘下单功能，美股等海外市场需要自己接入数据。做 A 股量化、Python 策略回测、多因子选股或者高性能交易系统开发的，这套值得认真研究！ GitHub：

爱吃折耳根的Ace

22,282 次观看 • 2 天前

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

38,839 次观看 • 1 个月前

卧槽，收盘后不用自己翻行情和新闻，自选股能直接交给一套自动分析流。项目叫 daily_stock_analysis，65K+ Stars，MIT 开源。你只要填好自选股和模型 API Key，它每天自动抓行情、技术指标、基本面、新闻和资金数据，再交给 AI 分析，最后把结论直接推到微信、飞书、Telegram。核心能力： 1️⃣ 支持 A 股、港股、美股、日股、韩股、台股和 ETF，一个系统覆盖多个市场 2️⃣ 自动生成决策报告，直接给出评分、趋势、关键买卖点、风险警报、催化因素和操作检查清单 3️⃣ 支持 DeepSeek、Claude、GPT、Gemini、Qwen，也可以接本地 Ollama 4️⃣ 行情聚合 AkShare、Tushare、Baostock、YFinance、Longbridge 等多个数据源，并支持自动 fallback 5️⃣ 自带交易纪律，比如默认乖离率超过 5% 会提示不要追高，强趋势股票会自动放宽阈值 6️⃣ Web 工作台可以看历史报告、持仓、完整 Markdown 报告和回测结果 7️⃣ 内置均线、缠论、波浪、趋势、热点、事件驱动等 15 种 Agent 策略，可以继续追问个股 8️⃣ 最省事的是 GitHub Actions：Fork 项目、填好 Secrets，5 分钟左右就能部署，不需要自己长期挂服务器我比较喜欢它的一点是：它不是让 AI 随便给一句“看多还是看空”。而是先把行情、新闻、基本面和风险数据都准备好，再输出具体的结论、点位和风险提示，而且第二天还能继续拿真实走势验证之前的分析。平时自选股比较多，又懒得每天自己一只一只复盘的，这个真的很实用。 GitHub：

卧槽，收盘后不用自己翻行情和新闻，自选股能直接交给一套自动分析流。项目叫 daily_stock_analysis，65K+ Stars，MIT 开源。你只要填好自选股和模型 API Key，它每天自动抓行情、技术指标、基本面、新闻和资金数据，再交给 AI 分析，最后把结论直接推到微信、飞书、Telegram。核心能力： 1️⃣ 支持 A 股、港股、美股、日股、韩股、台股和 ETF，一个系统覆盖多个市场 2️⃣ 自动生成决策报告，直接给出评分、趋势、关键买卖点、风险警报、催化因素和操作检查清单 3️⃣ 支持 DeepSeek、Claude、GPT、Gemini、Qwen，也可以接本地 Ollama 4️⃣ 行情聚合 AkShare、Tushare、Baostock、YFinance、Longbridge 等多个数据源，并支持自动 fallback 5️⃣ 自带交易纪律，比如默认乖离率超过 5% 会提示不要追高，强趋势股票会自动放宽阈值 6️⃣ Web 工作台可以看历史报告、持仓、完整 Markdown 报告和回测结果 7️⃣ 内置均线、缠论、波浪、趋势、热点、事件驱动等 15 种 Agent 策略，可以继续追问个股 8️⃣ 最省事的是 GitHub Actions：Fork 项目、填好 Secrets，5 分钟左右就能部署，不需要自己长期挂服务器我比较喜欢它的一点是：它不是让 AI 随便给一句“看多还是看空”。而是先把行情、新闻、基本面和风险数据都准备好，再输出具体的结论、点位和风险提示，而且第二天还能继续拿真实走势验证之前的分析。平时自选股比较多，又懒得每天自己一只一只复盘的，这个真的很实用。 GitHub：

爱吃折耳根的Ace

24,267 次观看 • 1 个月前