Loading video...

Video Failed to Load

Go Home

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...

_zheergen's profile picture

爱吃折耳根的Ace

5,861 subscribers

23,304 views • 1 month ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

3 Comments

晚晚's profile picture
晚晚1 month ago

先拿免费数据把流程跑通，再考虑数据质量和付费源。

爱吃折耳根的Ace's profile picture
爱吃折耳根的Ace1 month ago

是的，完美的回答

Adel Bucetta's profile picture
Adel Bucetta1 month ago

the honest answer is most folks overspend on data without even having a working system to put it through

Related Videos

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。
1:11

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 views • 1 month 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。
1:01

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 views • 1 month ago

🚨 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
0:51

🚨 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 views • 3 months ago

这可能是我见过最离谱的金融数据库之一。 FinanceDatabase 收录了 30万+ 金融资产： 股票、ETF、基金、指数、外汇、加密货币…… 还能按国家、行业、交易所、市值直接筛选。 做美股研究、量化、金融数据分析的，建议收藏： 一行安装： pip install financedatabase
0:33

这可能是我见过最离谱的金融数据库之一。 FinanceDatabase 收录了 30万+ 金融资产： 股票、ETF、基金、指数、外汇、加密货币…… 还能按国家、行业、交易所、市值直接筛选。 做美股研究、量化、金融数据分析的，建议收藏： 一行安装： pip install financedatabase

Smartpig

47,683 views • 19 days ago

🚨 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
0:51

🚨 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 views • 3 months ago

卧槽！TradingView 居然有隐藏接口，免费把实时行情 + 指标值全扒下来用 TradingView-API，4.7K stars，股票/币圈/期货全市场实时价，连邀请制私有指标都能拿到！ 做量化的炒币的都知道，实时行情和指标数据要么付费、要么自己挨个接交易所。 但这个开源库不一样，直接走 TradingView 的非官方接口，免费拿实时价 + 指标值。 核心能力： 1️⃣ 实时行情：直接获取 TradingView 上的实时市场价格 2️⃣ 指标数据：可以读取 TradingView 技术指标和自定义指标的实时数值 3️⃣ 支持 Invite-only Indicators：连邀请制指标也能读取结果 4️⃣ Screener / Hotlist：可以获取筛选器热门标的、榜单和市场异动 5️⃣ Replay：支持回放模式，甚至给免费账户提供 Fake Replay 6️⃣ 自动回测：可以批量测试不同策略和参数组合 7️⃣ 图表数据：还能读取你在 TradingView 图表上画的内容，以及指定时间范围的数据 想白嫖 TradingView 的数据能力，这个库值得收藏。
1:02

卧槽！TradingView 居然有隐藏接口，免费把实时行情 + 指标值全扒下来用 TradingView-API，4.7K stars，股票/币圈/期货全市场实时价，连邀请制私有指标都能拿到！ 做量化的炒币的都知道，实时行情和指标数据要么付费、要么自己挨个接交易所。 但这个开源库不一样，直接走 TradingView 的非官方接口，免费拿实时价 + 指标值。 核心能力： 1️⃣ 实时行情：直接获取 TradingView 上的实时市场价格 2️⃣ 指标数据：可以读取 TradingView 技术指标和自定义指标的实时数值 3️⃣ 支持 Invite-only Indicators：连邀请制指标也能读取结果 4️⃣ Screener / Hotlist：可以获取筛选器热门标的、榜单和市场异动 5️⃣ Replay：支持回放模式，甚至给免费账户提供 Fake Replay 6️⃣ 自动回测：可以批量测试不同策略和参数组合 7️⃣ 图表数据：还能读取你在 TradingView 图表上画的内容，以及指定时间范围的数据 想白嫖 TradingView 的数据能力，这个库值得收藏。

爱吃折耳根的Ace

109,111 views • 17 days ago

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。
0:44

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 views • 2 months ago

Codex 5.6 在股票分析上的能力其实还是被低估了 最近把几个数据源和回测工具接到一起用，发现它在投研流程上能覆盖得比较完整。 目前主要在用的几个： - Public Equity Investing(内置插件搜索就有)： 按买方分析框架拆解公司，输出财报、估值、催化剂和风险判断，还能生成可交互的投研看板 - global-stock-data： 免费获取美股和港股数据，涵盖行情、财务、机构持仓、期权链等，不需要额外申请 API Key - a-stock-data： 补齐 A 股数据能力，支持资金流、财务和全市场筛选 - Vibe-Trading MCP： 把分析结论放进历史数据里做回测，支持 Walk-Forward 和蒙特卡洛，最后直接出 HTML/PDF 报告 把这些组合起来后，从拿数据、做基本面判断到验证策略，基本能形成一条比较顺畅的链路。 对经常用 Codex 做股票研究的人来说，这几个工具配合使用后的效率提升还是比较明显的。
0:53

Codex 5.6 在股票分析上的能力其实还是被低估了 最近把几个数据源和回测工具接到一起用，发现它在投研流程上能覆盖得比较完整。 目前主要在用的几个： - Public Equity Investing(内置插件搜索就有)： 按买方分析框架拆解公司，输出财报、估值、催化剂和风险判断，还能生成可交互的投研看板 - global-stock-data： 免费获取美股和港股数据，涵盖行情、财务、机构持仓、期权链等，不需要额外申请 API Key - a-stock-data： 补齐 A 股数据能力，支持资金流、财务和全市场筛选 - Vibe-Trading MCP： 把分析结论放进历史数据里做回测，支持 Walk-Forward 和蒙特卡洛，最后直接出 HTML/PDF 报告 把这些组合起来后，从拿数据、做基本面判断到验证策略，基本能形成一条比较顺畅的链路。 对经常用 Codex 做股票研究的人来说，这几个工具配合使用后的效率提升还是比较明显的。

爱吃折耳根的Ace

44,578 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。
0:44

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 • 2 months 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。
0:54

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 views • 1 month ago

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。
1:17

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

49,529 views • 9 days ago

如果你经常用 Claude、Cursor、Codex 做金融分析，这个可以直接给 AI 装一套金融数据底座——FinanceMCP 它不是单纯接一个行情 API，而是把股票、基金、债券、期货、宏观、新闻和 Crypto 数据统一封装成 MCP，让 Agent 自己按需要调用。 核心能力： 1️⃣ 19 个金融 MCP Tools：行情、分钟 K、财务、基金、资金流、龙虎榜、融资融券、宏观、7×24 新闻等都已经封装好 2️⃣ 多市场覆盖：A 股、港股、美股、指数、基金、债券、期货、外汇、宏观和加密资产 3️⃣ 多数据源路由：支持 Tushare、Qveris、Twingly、Binance，Agent 不需要自己判断该调哪个接口 4️⃣ 自动降级：某个数据源限流、超时或没有覆盖时，会自动切换到下一个可用来源 5️⃣ 来源可追溯：每次返回都会标记实际用了哪个数据源，方便检查 AI 到底拿了什么数据 6️⃣ 技术指标：MACD、RSI、KDJ、BOLL、MA 可以直接计算，不用每次让模型自己写 7️⃣ Claude / Cursor / Codex 都能接：支持本地 stdio，也支持自己部署 Streamable HTTP 以前想让 AI 帮你查 A股数据，得自己写一堆 Tushare 接口、处理降级、再拼指标。 FinanceMCP 不一样，一个 MCP 服务把 19 个金融数据工具全封装好，A股/港股/美股/基金/债券/期货/外汇/币圈全覆盖，接上 Claude/Cursor 直接用。 我比较喜欢它的一点是：很多金融 Agent 最大的问题，不是模型不够聪明，而是数据源太乱。 AI 查 A 股用一个接口，查 Crypto 又换一个，新闻再换一个，任何一个接口挂了，整条分析链路就断。 想让 AI 真正能查 A股数据、写研报、做分析，这个 MCP 值得接上。
1:03

如果你经常用 Claude、Cursor、Codex 做金融分析，这个可以直接给 AI 装一套金融数据底座——FinanceMCP 它不是单纯接一个行情 API，而是把股票、基金、债券、期货、宏观、新闻和 Crypto 数据统一封装成 MCP，让 Agent 自己按需要调用。 核心能力： 1️⃣ 19 个金融 MCP Tools：行情、分钟 K、财务、基金、资金流、龙虎榜、融资融券、宏观、7×24 新闻等都已经封装好 2️⃣ 多市场覆盖：A 股、港股、美股、指数、基金、债券、期货、外汇、宏观和加密资产 3️⃣ 多数据源路由：支持 Tushare、Qveris、Twingly、Binance，Agent 不需要自己判断该调哪个接口 4️⃣ 自动降级：某个数据源限流、超时或没有覆盖时，会自动切换到下一个可用来源 5️⃣ 来源可追溯：每次返回都会标记实际用了哪个数据源，方便检查 AI 到底拿了什么数据 6️⃣ 技术指标：MACD、RSI、KDJ、BOLL、MA 可以直接计算，不用每次让模型自己写 7️⃣ Claude / Cursor / Codex 都能接：支持本地 stdio，也支持自己部署 Streamable HTTP 以前想让 AI 帮你查 A股数据，得自己写一堆 Tushare 接口、处理降级、再拼指标。 FinanceMCP 不一样，一个 MCP 服务把 19 个金融数据工具全封装好，A股/港股/美股/基金/债券/期货/外汇/币圈全覆盖，接上 Claude/Cursor 直接用。 我比较喜欢它的一点是：很多金融 Agent 最大的问题，不是模型不够聪明，而是数据源太乱。 AI 查 A 股用一个接口，查 Crypto 又换一个，新闻再换一个，任何一个接口挂了，整条分析链路就断。 想让 AI 真正能查 A股数据、写研报、做分析，这个 MCP 值得接上。

爱吃折耳根的Ace

15,826 views • 16 days ago

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：
1:36

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

18,605 views • 11 days 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。
1:21

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 views • 1 month ago

这下省事了！取股票/基金/期货/可转债数据，不用再注册 key、写爬虫了 efinance，4K stars，免费开源免 token，一行代码直接出 DataFrame！ 以前做量化，第一步就卡在数据上：要么掏钱上 Wind/聚宽，要么自己写爬虫抓，费时费钱还容易被封。 efinance 不一样——免费开源、不用注册 key，ef.stock.get_quote_history('600519') 一行就出完整数据。 核心亮点： 1️⃣ 股票/基金/可转债/期货 四大类数据全覆盖，A股 + 美股港股（苹果、微软直接输中文名都能查） 2️⃣ 免注册、免 key、免费开源，一行代码出 DataFrame，回测数据源直接接上 3️⃣ 股票数据含日K/5分钟K/实时行情/龙虎榜/季度业绩/资金流向（主力·超大单·大单·中单·小单净流入） 4️⃣ 基金净值+持仓、可转债行情、期货主力合约历史数据全都有 5️⃣ 4K stars、747 forks，pip install efinance 即装即用，Python 3.6+ 量化第一步就是数据，别再为个历史 K 线去注册一堆接口了，这个库免费还全。
0:57

这下省事了！取股票/基金/期货/可转债数据，不用再注册 key、写爬虫了 efinance，4K stars，免费开源免 token，一行代码直接出 DataFrame！ 以前做量化，第一步就卡在数据上：要么掏钱上 Wind/聚宽，要么自己写爬虫抓，费时费钱还容易被封。 efinance 不一样——免费开源、不用注册 key，ef.stock.get_quote_history('600519') 一行就出完整数据。 核心亮点： 1️⃣ 股票/基金/可转债/期货 四大类数据全覆盖，A股 + 美股港股（苹果、微软直接输中文名都能查） 2️⃣ 免注册、免 key、免费开源，一行代码出 DataFrame，回测数据源直接接上 3️⃣ 股票数据含日K/5分钟K/实时行情/龙虎榜/季度业绩/资金流向（主力·超大单·大单·中单·小单净流入） 4️⃣ 基金净值+持仓、可转债行情、期货主力合约历史数据全都有 5️⃣ 4K stars、747 forks，pip install efinance 即装即用，Python 3.6+ 量化第一步就是数据，别再为个历史 K 线去注册一堆接口了，这个库免费还全。

爱吃折耳根的Ace

68,445 views • 23 days ago

这就舒服了！A股/港股免费实时行情，全市场五档盘口 200 多毫秒拿到 easyquotation，5.4K stars，MIT 开源。新浪 / 腾讯 / 集思录三源，单只 / 多只 / 全市场快照随便取。 现在的新库都在卷 MCP、卷 AI 接入，但很多人忘了一个最简单的需求：实时行情要快、要免费、要有五档盘口。 easyquotation 不一样，2015 年就上线，十年老牌，专干这一件事，Python 一行 use('sina') 就能拉全市场。 核心能力： 1️⃣ 支持新浪、腾讯等免费行情源，A 股实时价格、涨跌、成交量直接调 2️⃣ 可以一次拉全市场快照，也支持单只、多只股票批量查询 3️⃣ 买一卖一到五档盘口、开高低收、成交额这些盘中字段都能直接拿 4️⃣ 支持指数和港股行情，还能读取港股日 K 数据 5️⃣ 接入集思录，可以查 ETF 价格、PE/PB、净值、折溢价和基金规模 6️⃣ 安装只有一句 `pip install easyquotation`，拿到的数据继续接 Pandas、选股脚本、AI Agent 都很方便 我觉得它最舒服的地方，就是不折腾。 你只是想给自己的量化脚本补一层实时行情，它不会逼你先搭一整套金融数据平台。 先把数据拿到，再去写策略。 做 A 股量化、盘中监控、选股脚本，或者想给 Claude / Codex 补实时股票数据的，这个很适合留着。
0:48

这就舒服了！A股/港股免费实时行情，全市场五档盘口 200 多毫秒拿到 easyquotation，5.4K stars，MIT 开源。新浪 / 腾讯 / 集思录三源，单只 / 多只 / 全市场快照随便取。 现在的新库都在卷 MCP、卷 AI 接入，但很多人忘了一个最简单的需求：实时行情要快、要免费、要有五档盘口。 easyquotation 不一样，2015 年就上线，十年老牌，专干这一件事，Python 一行 use('sina') 就能拉全市场。 核心能力： 1️⃣ 支持新浪、腾讯等免费行情源，A 股实时价格、涨跌、成交量直接调 2️⃣ 可以一次拉全市场快照，也支持单只、多只股票批量查询 3️⃣ 买一卖一到五档盘口、开高低收、成交额这些盘中字段都能直接拿 4️⃣ 支持指数和港股行情，还能读取港股日 K 数据 5️⃣ 接入集思录，可以查 ETF 价格、PE/PB、净值、折溢价和基金规模 6️⃣ 安装只有一句 `pip install easyquotation`，拿到的数据继续接 Pandas、选股脚本、AI Agent 都很方便 我觉得它最舒服的地方，就是不折腾。 你只是想给自己的量化脚本补一层实时行情，它不会逼你先搭一整套金融数据平台。 先把数据拿到，再去写策略。 做 A 股量化、盘中监控、选股脚本，或者想给 Claude / Codex 补实时股票数据的，这个很适合留着。

爱吃折耳根的Ace

34,741 views • 4 days ago

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。
0:58

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

28,860 views • 1 month ago

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～
1:16

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 views • 2 months ago

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
1:00

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 views • 20 days ago

在 GitHub 上发现一个开源金融数据项目—OpenBB，已经获得了近7w star。 它把过去只有机构才用得起的专业数据，变成人人可用的开源工具。 股票、期权、加密货币、外汇、宏观经济、固定收益，全部都整合进来。 还收录了财务数据、高管信息、股东电话、地区分布等细粒度信息。 支持 AI 集成，数据可自部署。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。
0:26

在 GitHub 上发现一个开源金融数据项目—OpenBB，已经获得了近7w star。 它把过去只有机构才用得起的专业数据，变成人人可用的开源工具。 股票、期权、加密货币、外汇、宏观经济、固定收益，全部都整合进来。 还收录了财务数据、高管信息、股东电话、地区分布等细粒度信息。 支持 AI 集成，数据可自部署。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。

阿西_出海

29,442 views • 3 months ago