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

3,820 subscribers

22,067 views • 6 days ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

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

55,869 views • 8 days 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 • 1 month 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

58,332 views • 1 month 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 • 25 days 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 • 18 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

31,053 views • 10 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

26,547 views • 3 days 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 • 22 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

29,244 views • 2 months ago

🚨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。
0:54

🚨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 views • 29 days 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。
1:15

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 • 22 days ago

🚨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。
1:03

🚨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

23,174 views • 1 month ago

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。
0:50

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

61,166 views • 7 days ago

强烈推荐给想系统入门量化交易的朋友。 这套《Algorithmic Trading Using Python》全长 4 小时 33 分钟，是目前比较完整的 Python 量化从基础到实战课程之一。 为什么值得看？ 最大特点是没有刻意剪掉错误，而是完整展示真实开发过程：API 报错、数据缺失、逻辑调试，直到策略最终跑通。 对于新手来说，这种带着问题一起解决的学习方式，比只展示最终结果的教程更有价值。 课程直接落地三类真实策略： 1️⃣ 等权重标普500（规避市值加权偏差） 2️⃣ 高质量动量选股（多周期 + 百分位评分） 3️⃣ 复合多因子价值筛选（避免单一估值陷阱） 完整流程覆盖： 真实金融数据获取 → 因子清洗 → 截面排序 → 股票分配 → 生成交易方案 整套流程可以作为学习量化研究框架的参考。 建议收藏，配合代码边看边练。 它最大的价值不是教你一个赚钱策略，而是让你理解专业量化研究从数据到策略的完整流程。 周末学起来吧。
4:33:02

强烈推荐给想系统入门量化交易的朋友。 这套《Algorithmic Trading Using Python》全长 4 小时 33 分钟，是目前比较完整的 Python 量化从基础到实战课程之一。 为什么值得看？ 最大特点是没有刻意剪掉错误，而是完整展示真实开发过程：API 报错、数据缺失、逻辑调试，直到策略最终跑通。 对于新手来说，这种带着问题一起解决的学习方式，比只展示最终结果的教程更有价值。 课程直接落地三类真实策略： 1️⃣ 等权重标普500（规避市值加权偏差） 2️⃣ 高质量动量选股（多周期 + 百分位评分） 3️⃣ 复合多因子价值筛选（避免单一估值陷阱） 完整流程覆盖： 真实金融数据获取 → 因子清洗 → 截面排序 → 股票分配 → 生成交易方案 整套流程可以作为学习量化研究框架的参考。 建议收藏，配合代码边看边练。 它最大的价值不是教你一个赚钱策略，而是让你理解专业量化研究从数据到策略的完整流程。 周末学起来吧。

爱吃折耳根的Ace

153,560 views • 10 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。
0:54

🚨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 • 25 days ago

反复用了很多金融工具和MCP插件，最终发现Anthropic官方的金融插件功能很丰富，但有一个大坑 研究特斯拉股票得出的结论是会下跌45%-70%？ 这个工具是financial-services，可以实时拉财报、股价、行业数据 + 自动跑DCF、Comps、三报表、LBO建模等 安装也非常简单：直接把这个链接丢给Claude code，它就会一步步帮你装好 仓库地址： 但是要注意：这个组合功能确实很强，但所有高级数据都依赖12个付费MCP数据源（Morningstar、FactSet、S&P Global、Moody’s等）。 免费额度非常少，用几次就容易耗尽。一旦免费额度用完，如果你不付费，基本上就没什么用了——要么你就充值，要么直接缺失关键数据，导致估值和操作建议严重偏差 最离谱的是：我用它跑特斯拉报告，结果Claude建议“快点卖出TSLA”会下跌“45%-70%”……但这个结论明显不准，就是因为数据缺失导致的
0:24

反复用了很多金融工具和MCP插件，最终发现Anthropic官方的金融插件功能很丰富，但有一个大坑 研究特斯拉股票得出的结论是会下跌45%-70%？ 这个工具是financial-services，可以实时拉财报、股价、行业数据 + 自动跑DCF、Comps、三报表、LBO建模等 安装也非常简单：直接把这个链接丢给Claude code，它就会一步步帮你装好 仓库地址： 但是要注意：这个组合功能确实很强，但所有高级数据都依赖12个付费MCP数据源（Morningstar、FactSet、S&P Global、Moody’s等）。 免费额度非常少，用几次就容易耗尽。一旦免费额度用完，如果你不付费，基本上就没什么用了——要么你就充值，要么直接缺失关键数据，导致估值和操作建议严重偏差 最离谱的是：我用它跑特斯拉报告，结果Claude建议“快点卖出TSLA”会下跌“45%-70%”……但这个结论明显不准，就是因为数据缺失导致的

梭哈.AI

24,964 views • 3 months 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！
0:53

🚨 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

15,090 views • 1 month ago

全球最贵的金融团队都在 GitHub 上开源了什么？ 普通人怎么了解量化？直接上手是最快的 Jane Street、Goldman Sachs、J.P. Morgan 等顶级量化与高频交易机构，都放出了代表性的金融/工程工具，帮助普通量化爱好者免费学到机构级的定价模型、实时数据可视化和高精度性能调试能力👇 1. Jane Street magic-trace（5.4k stars） 基于 Intel Processor Trace 的高精度进程追踪工具。普通 profiler 看不清调用栈的时候，它能以纳秒级分辨率记录 CPU 每一条指令的完整执行过程。想深入调试性能、搞清楚程序到底卡在哪里的同学，强烈推荐试试 2. Goldman Sachs gs-quant（10.2k stars） 高盛交易员日常使用的衍生品定价和风险管理 Python 工具包。包含期权、掉期等常见衍生品的完整定价模型和风险计算模块。直接 pip 安装就能用，适合想系统学习机构级量化定价的同学，实用性很强 3. Perspective（原 J.P. Morgan 项目，10.5k stars） J.P. Morgan 开源的实时数据可视化利器，特别擅长处理海量流式行情数据。能快速搭建漂亮的交互式仪表盘和实时监控界面，支持 Jupyter，比很多付费终端还灵活。对做数据分析和行情可视化的朋友非常友好 这三个开源项目，能让你直接用上机构级的定价模型、实时行情仪表盘和高精度性能调试工具，帮普通开发者提升量化分析、数据可视化和代码优化能力，完全免费
0:22

全球最贵的金融团队都在 GitHub 上开源了什么？ 普通人怎么了解量化？直接上手是最快的 Jane Street、Goldman Sachs、J.P. Morgan 等顶级量化与高频交易机构，都放出了代表性的金融/工程工具，帮助普通量化爱好者免费学到机构级的定价模型、实时数据可视化和高精度性能调试能力👇 1. Jane Street magic-trace（5.4k stars） 基于 Intel Processor Trace 的高精度进程追踪工具。普通 profiler 看不清调用栈的时候，它能以纳秒级分辨率记录 CPU 每一条指令的完整执行过程。想深入调试性能、搞清楚程序到底卡在哪里的同学，强烈推荐试试 2. Goldman Sachs gs-quant（10.2k stars） 高盛交易员日常使用的衍生品定价和风险管理 Python 工具包。包含期权、掉期等常见衍生品的完整定价模型和风险计算模块。直接 pip 安装就能用，适合想系统学习机构级量化定价的同学，实用性很强 3. Perspective（原 J.P. Morgan 项目，10.5k stars） J.P. Morgan 开源的实时数据可视化利器，特别擅长处理海量流式行情数据。能快速搭建漂亮的交互式仪表盘和实时监控界面，支持 Jupyter，比很多付费终端还灵活。对做数据分析和行情可视化的朋友非常友好 这三个开源项目，能让你直接用上机构级的定价模型、实时行情仪表盘和高精度性能调试工具，帮普通开发者提升量化分析、数据可视化和代码优化能力，完全免费

梭哈.AI

97,581 views • 2 months ago

🚨 卧槽！终于有一个又轻又好用的股票行情统一 API 了！ 一个好的开源股票 API，直接让你每年省几万块数据订阅费。 stock-api，1.4K+ stars，MIT 开源。最大的卖点： 统一的 API 接口，A 股、港股、美股全包——你只需要换一个参数，底层数据源自动切，不用记十套不同接口。 核心亮点： > 支持 A 股、港股、美股以及场内基金 > 自动从多个数据源（腾讯、新浪、东方财富）获取数据并 fallback > 提供 CLI 命令行直接查询 > 支持 MCP，可以直接给 Claude Code、Cursor 等 AI 工具使用 > 非常轻量，几乎没有运行时依赖 以前做跨市场数据：A 股接 Tushare → 港股接 yfinance → 美股再接 Alpha Vantage，三套鉴权、三种格式、三个坑。现在 stock-api 一个接口全通。数据管道这件事，终于不用维护八套 SDK 了！ 对想自己写股票工具、或者用 AI 做量化/投研辅助的人来说，是一个比较实用的开源项目
0:42

🚨 卧槽！终于有一个又轻又好用的股票行情统一 API 了！ 一个好的开源股票 API，直接让你每年省几万块数据订阅费。 stock-api，1.4K+ stars，MIT 开源。最大的卖点： 统一的 API 接口，A 股、港股、美股全包——你只需要换一个参数，底层数据源自动切，不用记十套不同接口。 核心亮点： > 支持 A 股、港股、美股以及场内基金 > 自动从多个数据源（腾讯、新浪、东方财富）获取数据并 fallback > 提供 CLI 命令行直接查询 > 支持 MCP，可以直接给 Claude Code、Cursor 等 AI 工具使用 > 非常轻量，几乎没有运行时依赖 以前做跨市场数据：A 股接 Tushare → 港股接 yfinance → 美股再接 Alpha Vantage，三套鉴权、三种格式、三个坑。现在 stock-api 一个接口全通。数据管道这件事，终于不用维护八套 SDK 了！ 对想自己写股票工具、或者用 AI 做量化/投研辅助的人来说，是一个比较实用的开源项目

爱吃折耳根的Ace

83,231 views • 1 month ago

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。
0:44

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

11,133 views • 27 days ago