Video yükleniyor...

Video Yüklenemedi

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

Ana Sayfaya Dön

全球最大对冲基金之一的 Man Group 把自己的数据库引擎开源了兄弟们！这个 DataFrame 数据库是专门给量化设计的 Man Group 开源的 ArcticDB，是一个高性能、无服务器的 DataFrame 数据库，专为 Python 数据科学和量化场景打造，目前有 2.5K Star。核心特点如下： 1️⃣ 直接读写 Pandas DataFrame，用起来很自然 2️⃣ 专为时间序列优化，能处理数十亿行数据 3️⃣ 无服务器架构，数据可存 S3、LMDB 或 Azure 4️⃣ 支持版本回溯（Time Travel）和快照 5️⃣ Schema 灵活，可随时追加和修改 6️⃣ C++ 引擎加速，查询和处理速度很快对需要管理大规模行情、因子或回测数据的量化研究者来说，这个工具解决了“数据存取慢、管理麻烦”的痛点。以前存行情数据：CSV 存爆硬盘 → 换数据库 → 查询慢成狗 → 放弃。现在 ArcticDB 几十亿行行情数据本地就能跑。量化人的"数据仓库"，终于有正解了。

爱吃折耳根的Ace

5,012 subscribers

28,860 görüntüleme • 1 ay önce •via X (Twitter)

Bilim & Teknoloji

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

🚨 终于有人把“金融数据 + AI Agent”这件事打通了 OpenBB 目前 GitHub 上已有近 7 万 star，是一个开源的金融数据与研究平台，被很多人称为「开源版 Bloomberg Terminal」以前做金融研究，最烦的不是不会分析，而是数据太散：一个终端看行情，一个表格存模型，一个网站翻 SEC 文件，一个工具跑图表，最后还要复制给 AI 总结。现在它把过去只有机构才能轻松获取的专业数据，整合成了人人可用的工具，核心亮点： > 覆盖股票、期权、加密货币、外汇、宏观经济、固定收益等多个市场 > 包含财务数据、高管信息、股东结构、地区分布等细粒度信息 > 支持 AI 集成，一条指令就能让 AI 调取数据并生成深度研报 > 数据可自部署，保护隐私和数据安全只输入一条指令，AI 就能调取数据、生成深度研报，全球金融数据接口真的被打通了做股票研究、量化分析、基金投研、AI 金融 Agent 的，强烈建议保存看看

🚨 终于有人把“金融数据 + AI Agent”这件事打通了 OpenBB 目前 GitHub 上已有近 7 万 star，是一个开源的金融数据与研究平台，被很多人称为「开源版 Bloomberg Terminal」以前做金融研究，最烦的不是不会分析，而是数据太散：一个终端看行情，一个表格存模型，一个网站翻 SEC 文件，一个工具跑图表，最后还要复制给 AI 总结。现在它把过去只有机构才能轻松获取的专业数据，整合成了人人可用的工具，核心亮点： > 覆盖股票、期权、加密货币、外汇、宏观经济、固定收益等多个市场 > 包含财务数据、高管信息、股东结构、地区分布等细粒度信息 > 支持 AI 集成，一条指令就能让 AI 调取数据并生成深度研报 > 数据可自部署，保护隐私和数据安全只输入一条指令，AI 就能调取数据、生成深度研报，全球金融数据接口真的被打通了做股票研究、量化分析、基金投研、AI 金融 Agent 的，强烈建议保存看看

爱吃折耳根的Ace

18,508 görüntüleme • 3 ay önce

Supabase 官方推出 MCP服务器让Supabase可以与如 Cursor 或 Claude等AI公交无缝连接让AI可以直接与 Supabase 的数据库、项目管理和配置进行交互比如创建表格、读取数据、运行 SQL 等。 Supabase MCP Server 目前已经支持 20 多种能力，未来还会支持像自动部署边缘函数、更智能的数据库识别、更安全的数据操作等功能。这意味着，未来你可以只用一句话让 AI 帮你设计、部署并管理整个数据库项目！

Supabase 官方推出 MCP服务器让Supabase可以与如 Cursor 或 Claude等AI公交无缝连接让AI可以直接与 Supabase 的数据库、项目管理和配置进行交互比如创建表格、读取数据、运行 SQL 等。 Supabase MCP Server 目前已经支持 20 多种能力，未来还会支持像自动部署边缘函数、更智能的数据库识别、更安全的数据操作等功能。这意味着，未来你可以只用一句话让 AI 帮你设计、部署并管理整个数据库项目！

小互

13,715 görüntüleme • 1 yıl önce

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 görüntüleme • 2 ay önce

近期我们研究员正在寻找优质的全流通项目，避免了VC抛售的困扰，同时属于热门赛道，比如 #DEPIN+#AI。并且尽可能上线币安等一线交易所。我很兴奋的给大家分享挖掘出的一颗宝石：Streamr Network ，代币名称为：#DATA ，币安上线。5000万市值，全球通，目前价格0.055。 #Streamr: 一个去中心化实时数据共享网络，旨在提供高速、可靠的数据流传输和处理。通过去中心化的 P2P 架构，无需中央服务器，避免供应商锁定和单点故障。Streamr 为开发者和企业提供了一个无需信任的环境来发布、订阅和交易数据流。其核心目标是使数据变得更加自由和开放，从而推动数据生态系统的发展。数据传输在 #AI 和 #DEPIN 领域应用广泛。数据隐私+低延迟+安全性+抗审查至关重要，#Streamr 为此努力了6年之久，今年一季度发布了 #Streamr 1.0 主网！标志着项目的重要里程碑，将带来更稳定和高效的数据网络性能。看好的理由： ①实时数据流 Streamr 支持实时数据的发布和订阅，用户可以创建或加入数据流，享受即时的数据更新。这在DEPIN、AI、金融市场数据分析等领域非常重要。 ②去中心化网络：网络的P2P去中心化架构确保了数据的安全性和隐私性，消除了单点故障的风险。所有数据流和交易都是在无需信任的环境中进行，具备抗审查性。 ③数据市场： Streamr 内置了一个数据市场，允许用户自由交易数据流。数据提供者可以通过出售数据流获利，而数据消费者可以根据需要购买实时数据。 ④集成与可扩展性： Streamr 提供了强大的 API 和 SDK，使开发者能够轻松地将数据流功能集成到现有的应用程序和平台中。此外，Streamr 网络能够与其他区块链系统（如以太坊）无缝对接，进一步拓展了其应用范围。实际使用案例： Crypto Queries：项目利用 AI 语言工具与 Web3 数据进行交互，提供了一个强大的工具来查询和分析区块链数据。 Streamr ML Demo：项目将 Streamr 平台与 Binance API 连接，使用 ARIMA 机器学习模型来预测未来的交易数据，并在网页上显示实时和预测数据。 Breathing Easy：项目通过Streamr网络和 AI 聊天机器人展示实时空气污染数据，使得用户可以轻松理解空气质量信息。 Streamr+AI： AI数据源：为AI模型提供高质量的实时数据以进行训练和微调。 $DATA 激励数据提供商推动AI数据经济的发展。同时 $DATA 可充当数据交换媒介，通过P2P网络大规模分发带宽密集型AI生成的内容（视频/音频）。 Streamr+DEPIN： DEPIN数据交换媒介：DePIN 中，Streamr 可以促进互联设备之间向去中心化数据交换的转变，使 DePIN 从中心化数据管道过渡到完全去中心化的贡献者阵列。Streamr 协议允许 DePIN 用户通过其网络和技术堆栈向上、向内或向下传输数据。未来展望 Streamr 的去中心化实时数据共享网络具有广阔的应用前景。随着 1.0 版本的发布和更多开发者加入生态系统，Streamr 有望在AI、DEPIN、金融数据和更多领域发挥重要作用。通过不断的技术创新和社区驱动的发展，Streamr 正在努力实现其构建开放和自由数据生态系统的愿景。 👇视频详细了解：

近期我们研究员正在寻找优质的全流通项目，避免了VC抛售的困扰，同时属于热门赛道，比如 #DEPIN+#AI。并且尽可能上线币安等一线交易所。我很兴奋的给大家分享挖掘出的一颗宝石：Streamr Network ，代币名称为：#DATA ，币安上线。5000万市值，全球通，目前价格0.055。 #Streamr: 一个去中心化实时数据共享网络，旨在提供高速、可靠的数据流传输和处理。通过去中心化的 P2P 架构，无需中央服务器，避免供应商锁定和单点故障。Streamr 为开发者和企业提供了一个无需信任的环境来发布、订阅和交易数据流。其核心目标是使数据变得更加自由和开放，从而推动数据生态系统的发展。数据传输在 #AI 和 #DEPIN 领域应用广泛。数据隐私+低延迟+安全性+抗审查至关重要，#Streamr 为此努力了6年之久，今年一季度发布了 #Streamr 1.0 主网！标志着项目的重要里程碑，将带来更稳定和高效的数据网络性能。看好的理由： ①实时数据流 Streamr 支持实时数据的发布和订阅，用户可以创建或加入数据流，享受即时的数据更新。这在DEPIN、AI、金融市场数据分析等领域非常重要。 ②去中心化网络：网络的P2P去中心化架构确保了数据的安全性和隐私性，消除了单点故障的风险。所有数据流和交易都是在无需信任的环境中进行，具备抗审查性。 ③数据市场： Streamr 内置了一个数据市场，允许用户自由交易数据流。数据提供者可以通过出售数据流获利，而数据消费者可以根据需要购买实时数据。 ④集成与可扩展性： Streamr 提供了强大的 API 和 SDK，使开发者能够轻松地将数据流功能集成到现有的应用程序和平台中。此外，Streamr 网络能够与其他区块链系统（如以太坊）无缝对接，进一步拓展了其应用范围。实际使用案例： Crypto Queries：项目利用 AI 语言工具与 Web3 数据进行交互，提供了一个强大的工具来查询和分析区块链数据。 Streamr ML Demo：项目将 Streamr 平台与 Binance API 连接，使用 ARIMA 机器学习模型来预测未来的交易数据，并在网页上显示实时和预测数据。 Breathing Easy：项目通过Streamr网络和 AI 聊天机器人展示实时空气污染数据，使得用户可以轻松理解空气质量信息。 Streamr+AI： AI数据源：为AI模型提供高质量的实时数据以进行训练和微调。 $DATA 激励数据提供商推动AI数据经济的发展。同时 $DATA 可充当数据交换媒介，通过P2P网络大规模分发带宽密集型AI生成的内容（视频/音频）。 Streamr+DEPIN： DEPIN数据交换媒介：DePIN 中，Streamr 可以促进互联设备之间向去中心化数据交换的转变，使 DePIN 从中心化数据管道过渡到完全去中心化的贡献者阵列。Streamr 协议允许 DePIN 用户通过其网络和技术堆栈向上、向内或向下传输数据。未来展望 Streamr 的去中心化实时数据共享网络具有广阔的应用前景。随着 1.0 版本的发布和更多开发者加入生态系统，Streamr 有望在AI、DEPIN、金融数据和更多领域发挥重要作用。通过不断的技术创新和社区驱动的发展，Streamr 正在努力实现其构建开放和自由数据生态系统的愿景。 👇视频详细了解：

Rocky

64,848 görüntüleme • 2 yıl önce

卧槽！同花顺官方下场了——A 股数据服务正式开源，一个 API Key 全搞定，AI Agent、量化、开发全支持！以前做 A 股量化，数据来源永远是块心病：爬虫怕封、第三方数据贵、Tushare 免费额度不够用。现在同花顺自己把数据服务开源了，实时行情、财务报表、估值、涨跌停池、龙虎榜、集合竞价——全市场数据一个 Key 打通。覆盖的能力很全： 1️⃣ 实时行情、历史 K 线、财务报表、估值快照 2️⃣ 集合竞价、涨停/炸板、龙虎榜、热榜等特色数据 3️⃣ 指数、板块、公募基金资料与净值 4️⃣ 支持 REST API、Python SDK、CLI、本地 DuckDB 5️⃣ 重点：原生支持 MCP + Agent Skill，Claude / Cursor 直接用自然语言查数最狠的是对 AI Agent 的适配。npx skills add 一条命令装 Skill，之后你直接跟 Claude 说"查询贵州茅台最新行情并分析均线趋势"，它自己就知道该调 API 还是 MCP 还是 CLI。 A 股量化党最大的痛点——数据——这次被官方自己解决了。收藏它，你会感谢我的。

卧槽！同花顺官方下场了——A 股数据服务正式开源，一个 API Key 全搞定，AI Agent、量化、开发全支持！以前做 A 股量化，数据来源永远是块心病：爬虫怕封、第三方数据贵、Tushare 免费额度不够用。现在同花顺自己把数据服务开源了，实时行情、财务报表、估值、涨跌停池、龙虎榜、集合竞价——全市场数据一个 Key 打通。覆盖的能力很全： 1️⃣ 实时行情、历史 K 线、财务报表、估值快照 2️⃣ 集合竞价、涨停/炸板、龙虎榜、热榜等特色数据 3️⃣ 指数、板块、公募基金资料与净值 4️⃣ 支持 REST API、Python SDK、CLI、本地 DuckDB 5️⃣ 重点：原生支持 MCP + Agent Skill，Claude / Cursor 直接用自然语言查数最狠的是对 AI Agent 的适配。npx skills add 一条命令装 Skill，之后你直接跟 Claude 说"查询贵州茅台最新行情并分析均线趋势"，它自己就知道该调 API 还是 MCP 还是 CLI。 A 股量化党最大的痛点——数据——这次被官方自己解决了。收藏它，你会感谢我的。

爱吃折耳根的Ace

74,659 görüntüleme • 1 ay önce

2025年全球大模型厂商下载量排行榜终于爆肝了一个元旦假期弄完了, 给大家带来2025年全球大模型厂商开放权重模型下载量排行榜. 数据更多代表国内以外的区域的下载量, 因为还有很大一部分在阿里魔搭 (modelscope) 和其他平台, 不过这部分暂时没有开源数据可以用来统计. 画面上半部分是排行榜, 数据来源是 HuggingFace 统计的公开数据集 datasets/cfahlgren1/hub-stats 动画下半部分是当天发布的新模型展示，由于模型过多, 总计750万个模型... 所以这里只展示2025年总下载量超过10K的模型. 注意, HuggingFace 这份统计数据在 2025-02-27 之前的数据只有30天均值下载数据, 28号才增加了历史总下载数据(两天数据差可以推算出当天的精确下载量), 所以27号之前的每天下载量数据使用30天均值数据除以30得到. 因此存在一定的误差, 但理论上不影响最终排名.

2025年全球大模型厂商下载量排行榜终于爆肝了一个元旦假期弄完了, 给大家带来2025年全球大模型厂商开放权重模型下载量排行榜. 数据更多代表国内以外的区域的下载量, 因为还有很大一部分在阿里魔搭 (modelscope) 和其他平台, 不过这部分暂时没有开源数据可以用来统计. 画面上半部分是排行榜, 数据来源是 HuggingFace 统计的公开数据集 datasets/cfahlgren1/hub-stats 动画下半部分是当天发布的新模型展示，由于模型过多, 总计750万个模型... 所以这里只展示2025年总下载量超过10K的模型. 注意, HuggingFace 这份统计数据在 2025-02-27 之前的数据只有30天均值下载数据, 28号才增加了历史总下载数据(两天数据差可以推算出当天的精确下载量), 所以27号之前的每天下载量数据使用30天均值数据除以30得到. 因此存在一定的误差, 但理论上不影响最终排名.

karminski-牙医

16,146 görüntüleme • 9 ay önce

最近在开发圈很火的 GitHub 项目 Firecrawl，一个专门给 AI 用的智能爬虫，已经 7万+ Star 了。一句话总结：它可以把任何网站，直接变成 AI 能用的数据。只要给它一个 URL，它就会自动： - 抓取整站页面 - 清洗网页内容 - 解析结构信息 - 输出 Markdown / JSON 也就是说：网站 → 结构化数据 → 直接喂给 LLM。现在很多 AI 项目的数据流程其实都是：网站 → Firecrawl → 向量库 → RAG → AI 应用如果你在做： - AI Agent - RAG 知识库 - 自动化数据采集这个工具基本算是 AI 开发的基础设施了

最近在开发圈很火的 GitHub 项目 Firecrawl，一个专门给 AI 用的智能爬虫，已经 7万+ Star 了。一句话总结：它可以把任何网站，直接变成 AI 能用的数据。只要给它一个 URL，它就会自动： - 抓取整站页面 - 清洗网页内容 - 解析结构信息 - 输出 Markdown / JSON 也就是说：网站 → 结构化数据 → 直接喂给 LLM。现在很多 AI 项目的数据流程其实都是：网站 → Firecrawl → 向量库 → RAG → AI 应用如果你在做： - AI Agent - RAG 知识库 - 自动化数据采集这个工具基本算是 AI 开发的基础设施了

开发者Hailey

140,708 görüntüleme • 6 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 • 1 ay önce

兄弟们！摩根大通内部 Python 量化培训资料，开源了！ jpmorganchase 开源的 python-training，是摩根大通内部给业务分析师和交易员用的 Python 培训内容，目前有 13.7K Star。虽然定位是数值计算和数据可视化入门，但内容我看了明显偏向金融和量化场景，主要包括： 1️⃣ 基础 Python 与数值计算 2️⃣ 期权相关案例（比如 Straddle） 3️⃣ 金融数据获取与处理 4️⃣ Altman Z-Score 等信用风险指标计算 5️⃣ 数据可视化与进阶绘图 6️⃣ 网页数据和 API 调用实操整体就是给交易员和分析师准备的实用型量化入门课，重点不是教完整编程，而是让人快速用 Python 处理金融数据和做简单分析。对想了解金融机构内部如何培训量化相关技能、或者需要偏实战金融案例的人来说，这份材料有参考价值。

兄弟们！摩根大通内部 Python 量化培训资料，开源了！ jpmorganchase 开源的 python-training，是摩根大通内部给业务分析师和交易员用的 Python 培训内容，目前有 13.7K Star。虽然定位是数值计算和数据可视化入门，但内容我看了明显偏向金融和量化场景，主要包括： 1️⃣ 基础 Python 与数值计算 2️⃣ 期权相关案例（比如 Straddle） 3️⃣ 金融数据获取与处理 4️⃣ Altman Z-Score 等信用风险指标计算 5️⃣ 数据可视化与进阶绘图 6️⃣ 网页数据和 API 调用实操整体就是给交易员和分析师准备的实用型量化入门课，重点不是教完整编程，而是让人快速用 Python 处理金融数据和做简单分析。对想了解金融机构内部如何培训量化相关技能、或者需要偏实战金融案例的人来说，这份材料有参考价值。

爱吃折耳根的Ace

13,344 görüntüleme • 2 ay önce

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

17,575 görüntüleme • 1 ay önce

工作中经常查询数据库获取相关数据，每次都要写 SQL 语句挺烦的，如果涉及多表关联查询更麻烦。可以试下，OpenChatBI 这个开源的智能 BI 工具，用自然语言就能查询和分析数据，告别手写 SQL 的烦恼。基于 LangGraph 和 LangChain 构建，通过自然语言描述，理解后自动转换为 SQL 语句，还能执行查询、生成可视化图表。 GitHub：除此之外，还支持通过 MCP 配置接入外部工具扩展功能，以及对知识库整合可以回答复杂问题。提供了直观的 Web UI 界面，通过 pip 或 uv 安装后配置 LLM 和数据库连接即可使用。

工作中经常查询数据库获取相关数据，每次都要写 SQL 语句挺烦的，如果涉及多表关联查询更麻烦。可以试下，OpenChatBI 这个开源的智能 BI 工具，用自然语言就能查询和分析数据，告别手写 SQL 的烦恼。基于 LangGraph 和 LangChain 构建，通过自然语言描述，理解后自动转换为 SQL 语句，还能执行查询、生成可视化图表。 GitHub：除此之外，还支持通过 MCP 配置接入外部工具扩展功能，以及对知识库整合可以回答复杂问题。提供了直观的 Web UI 界面，通过 pip 或 uv 安装后配置 LLM 和数据库连接即可使用。

GitHubDaily

22,081 görüntüleme • 10 ay 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

终于有人把 A 股 + 美港股免费数据源彻底打通了！两个极其硬核的GitHub开源项目，把原本散落在几十个源头的原始数据源，全部整合成一套 AI 直接能用的完整数据仓库。从此，彻底告别繁琐的接口对接、反爬虫折磨和昂贵的数据费。封装成 Skill，直接让你的 Claude / GPT等agent 觉醒，瞬间变成你的专业量化分析师！ ✅A 股版（a-stock-data） · 7 层架构 + 27 个端点 + 13 个数据源 · 覆盖：实时行情、资金流、股东户数、龙虎榜、全量公告、研报 PDF 下载、概念板块、北向、融资融券、大宗、解禁…… · 重点优化：东财统一限流防封 + 数据源优先级 ✅美港股版（global-stock-data） · 8 层架构 + 18 个端点 + 5 个数据源 · 亮点：美股期权链、SEC EDGAR 结构化 XBRL（503 个 GAAP 指标）、纯 Python 技术指标计算、资金流、财报三表（中英文）、全市场列表…… 直接省下几万块的专业数据费。感兴趣的可以看看哦～非投资建议，dyor

终于有人把 A 股 + 美港股免费数据源彻底打通了！两个极其硬核的GitHub开源项目，把原本散落在几十个源头的原始数据源，全部整合成一套 AI 直接能用的完整数据仓库。从此，彻底告别繁琐的接口对接、反爬虫折磨和昂贵的数据费。封装成 Skill，直接让你的 Claude / GPT等agent 觉醒，瞬间变成你的专业量化分析师！ ✅A 股版（a-stock-data） · 7 层架构 + 27 个端点 + 13 个数据源 · 覆盖：实时行情、资金流、股东户数、龙虎榜、全量公告、研报 PDF 下载、概念板块、北向、融资融券、大宗、解禁…… · 重点优化：东财统一限流防封 + 数据源优先级 ✅美港股版（global-stock-data） · 8 层架构 + 18 个端点 + 5 个数据源 · 亮点：美股期权链、SEC EDGAR 结构化 XBRL（503 个 GAAP 指标）、纯 Python 技术指标计算、资金流、财报三表（中英文）、全市场列表…… 直接省下几万块的专业数据费。感兴趣的可以看看哦～非投资建议，dyor

爱丽丝呀！

257,636 görüntüleme • 3 ay önce

初学者学习 Python，经常被引用、可变性这些概念搞得头晕，调试复杂数据结构，更是分不清变量之间的关系，非常头疼。可以看一下，memory_graph 这个可视化开源工具，它能让我们一眼看清 Python 数据结构和引用关系。通过直观清晰的图形界面，展示变量间的引用关系、数据共享情况和完整的调用栈，还支持各种 Python 环境包括 Jupyter、VS Code 调试器等。 GitHub：主要功能： - 可视化任意 Python 数据结构，包括列表、字典、自定义类等； - 清楚显示变量间的引用和共享关系，避免意外的数据修改； - 完整的函数调用栈可视化，理解程序执行流程和作用域； - 支持递归函数、二叉树、链表等复杂数据结构的动态展示。支持 VS Code、Jupyter、PyCharm 等多种开发环境，同时提供 Web 版调试器，无需安装即可在线体验和学习。

初学者学习 Python，经常被引用、可变性这些概念搞得头晕，调试复杂数据结构，更是分不清变量之间的关系，非常头疼。可以看一下，memory_graph 这个可视化开源工具，它能让我们一眼看清 Python 数据结构和引用关系。通过直观清晰的图形界面，展示变量间的引用关系、数据共享情况和完整的调用栈，还支持各种 Python 环境包括 Jupyter、VS Code 调试器等。 GitHub：主要功能： - 可视化任意 Python 数据结构，包括列表、字典、自定义类等； - 清楚显示变量间的引用和共享关系，避免意外的数据修改； - 完整的函数调用栈可视化，理解程序执行流程和作用域； - 支持递归函数、二叉树、链表等复杂数据结构的动态展示。支持 VS Code、Jupyter、PyCharm 等多种开发环境，同时提供 Web 版调试器，无需安装即可在线体验和学习。

GitHubDaily

57,015 görüntüleme • 1 yıl önce

平时分析数据，从清洗、探索到建模、可视化，再到撰写报告，整个流程非常耗时，当要面对多个不同格式的数据文件时更是头疼。恰巧，找到了 DeepAnalyze 这个开源项目，它能让 AI 自主完成整个数据科学流程，真正做到无需人工干预。基于 DeepSeek-R1 和课程学习训练方法开发，支持数据准备、分析、建模、可视化到报告生成的全流程。可以处理数据库、CSV、Excel、JSON、XML 等各种格式数据，最终直接生成专业级的研究报告给我们。 GitHub：同时提供 50 万条训练数据集，完全开源模型和代码，方便我们二次开发。只需克隆代码到本地并下载模型后，通过 vLLM 部署即可使用。

平时分析数据，从清洗、探索到建模、可视化，再到撰写报告，整个流程非常耗时，当要面对多个不同格式的数据文件时更是头疼。恰巧，找到了 DeepAnalyze 这个开源项目，它能让 AI 自主完成整个数据科学流程，真正做到无需人工干预。基于 DeepSeek-R1 和课程学习训练方法开发，支持数据准备、分析、建模、可视化到报告生成的全流程。可以处理数据库、CSV、Excel、JSON、XML 等各种格式数据，最终直接生成专业级的研究报告给我们。 GitHub：同时提供 50 万条训练数据集，完全开源模型和代码，方便我们二次开发。只需克隆代码到本地并下载模型后，通过 vLLM 部署即可使用。

GitHubDaily

22,068 görüntüleme • 11 ay önce

什么才是数据中心最大的威胁？不是竞争。也不是监管。是去中心化。 Perplexity的CEO一语惊人。他说，真正的颠覆，是当AI被封装进你设备上的本地芯片里。到那时，还需要一个中心化的数据中心来处理一切吗？根本不需要。更进一步想。芯片自带的模型会不断适应你本人。 AI就在你的电脑上观察、学习、进化。因为它住在你的电脑里，而不是在遥远的服务器上，所以你很放心。你的数据，完全属于你。你的习惯，你的偏好，你的智能，都沉淀在你自己的设备里，成为你专属的“大脑”。你拥有它。这才是真正的数据主权。当这一切发生时，那些耗资数千亿、甚至数万亿建造的庞大中心化数据中心，还有存在的意义吗？建立在全球各地，为少数巨头收集和处理用户数据的模式，似乎走到了一个十字路口。这不仅是技术路线的改变。更是权力从少数中心化机构，回归到每一个普通人手中的开始。

什么才是数据中心最大的威胁？不是竞争。也不是监管。是去中心化。 Perplexity的CEO一语惊人。他说，真正的颠覆，是当AI被封装进你设备上的本地芯片里。到那时，还需要一个中心化的数据中心来处理一切吗？根本不需要。更进一步想。芯片自带的模型会不断适应你本人。 AI就在你的电脑上观察、学习、进化。因为它住在你的电脑里，而不是在遥远的服务器上，所以你很放心。你的数据，完全属于你。你的习惯，你的偏好，你的智能，都沉淀在你自己的设备里，成为你专属的“大脑”。你拥有它。这才是真正的数据主权。当这一切发生时，那些耗资数千亿、甚至数万亿建造的庞大中心化数据中心，还有存在的意义吗？建立在全球各地，为少数巨头收集和处理用户数据的模式，似乎走到了一个十字路口。这不仅是技术路线的改变。更是权力从少数中心化机构，回归到每一个普通人手中的开始。

墓碑科技

14,583 görüntüleme • 7 ay önce