Loading video...

Video Failed to Load

Go Home

🚨 卧槽！华尔街花500万训练的金融AI， 普通人现在0成本就能白嫖！ 量化基金几百万年薪养的那帮量化研究员，手里最核心的武器，强化学习交易框架，被人直接开源了！ FinRL，15.4K+ stars，哥伦比亚大学团队发起，全球首个金融强化学习开源框架。 把交易建模成马尔可夫决策过程，让 AI 像下围棋一样学交易——不是预测涨跌，是在市场中学会何时买、何时卖、何时不动。 FinRL 核心亮点： > 五大 DRL 算法内置：PPO、DDPG、SAC、TD3、A2C，选股+调仓+择时三合一 > OpenAI Gym 标准接口：换策略像换游戏手柄，插上就跑 > 并行训练 2048 个环境，GPU 加速 1650× > FinRL-X 2026 新版：数据 → 策略 → 回测 → 实盘，四层模块化架构，不是胶水代码 > LLM + RL 融合：FinRL-DeepSeek 接入大模型情绪信号，市场情绪强时放大动作、弱时收敛 > 实盘对接 Alpaca，纸盘先跑再切真钱 > 学术血统：NeurIPS + ACM ICAIF...

_zheergen's profile picture

爱吃折耳根的Ace

5,536 subscribers

28,529 views • 2 months ago •via X (Twitter)

Science & TechnologyFinance
LIVE

Anya Rossi• Live Now

Private livecam show

1 Comments

晚晚's profile picture
晚晚2 months ago

听着很猛，但实盘和回测中间还隔着一条河

Related Videos

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

35,185 views • 1 month ago

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：
0:54

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

25,110 views • 5 days 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

15,243 views • 2 months 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

59,507 views • 2 months ago

🚨 卧槽！A 股、美股、港股、加密、量化研究的人有福了 清华大学重磅开源：全球首款 K 线金融大模型 Kronos 来了！现在 GitHub 已经 32K+ stars，它把 K 线当成一种市场语言 不是只看收盘价，而是把 open、high、low、close、volume、amount 这些信息，转换成模型能理解的 token，然后像语言模型学习文字一样，去学习金融市场里的价格波动、成交量变化和跨资产节奏，核心亮点： > 45 个全球交易所数据 > 120 亿+ K 线记录预训练 > 支持价格序列预测 > 支持波动率预测 > 支持合成 K 线生成 > Zero-shot 场景表现不错 > 提供 Kronos-mini / small / base 等模型 > 适合量化研究、策略验证、市场结构分析 金融市场噪音很大，K 线也不是水晶球。真正用起来，还是要结合基本面、资金面、宏观、成交结构和风控。 但对于做 A 股、美股、港股、加密、量化策略的人来说，Kronos 这个方向强烈建议收藏
0:53

🚨 卧槽！A 股、美股、港股、加密、量化研究的人有福了 清华大学重磅开源：全球首款 K 线金融大模型 Kronos 来了！现在 GitHub 已经 32K+ stars，它把 K 线当成一种市场语言 不是只看收盘价，而是把 open、high、low、close、volume、amount 这些信息，转换成模型能理解的 token，然后像语言模型学习文字一样，去学习金融市场里的价格波动、成交量变化和跨资产节奏，核心亮点： > 45 个全球交易所数据 > 120 亿+ K 线记录预训练 > 支持价格序列预测 > 支持波动率预测 > 支持合成 K 线生成 > Zero-shot 场景表现不错 > 提供 Kronos-mini / small / base 等模型 > 适合量化研究、策略验证、市场结构分析 金融市场噪音很大，K 线也不是水晶球。真正用起来，还是要结合基本面、资金面、宏观、成交结构和风控。 但对于做 A 股、美股、港股、加密、量化策略的人来说，Kronos 这个方向强烈建议收藏

爱吃折耳根的Ace

39,571 views • 2 months ago

多数开源量化框架的作者，自己都不用。 pysystemtrade 是个例外——作者 Rob Carver 拿它做自己的实盘交易系统，每周 5 天、每天 20 小时在跑，3.4K stars。 Rob Carver 就是那本经典《Systematic Trading》的作者，前 AHL 基金经理。 这个库是他书里那套系统化交易框架的开源实现，不是演示 demo，是"我靠它吃饭的引擎，顺手开源给你"。 核心亮点： 1️⃣ 作者实盘在用：他靠这套引擎交易期货，等于用真钱帮你做了测试 2️⃣ 完整系统化框架：回测、参数优化、组合构建、风控，书里原则全实现 3️⃣ 自动化实盘：ib_insync 直连 Interactive Brokers，能真正下单 4️⃣ 经典策略全套：趋势跟踪、均值回归、多品种组合，书中策略全有现成代码 5️⃣ 文档扎实：introduction、backtesting、data、production 一步步教到生产环境 它的本质，是"一个职业交易员把自己吃饭的家伙公开了"。 做期货系统化交易、想学机构级趋势跟踪怎么从回测走到实盘的，这是目前最接近生产级的学习范本。
0:57

多数开源量化框架的作者，自己都不用。 pysystemtrade 是个例外——作者 Rob Carver 拿它做自己的实盘交易系统，每周 5 天、每天 20 小时在跑，3.4K stars。 Rob Carver 就是那本经典《Systematic Trading》的作者，前 AHL 基金经理。 这个库是他书里那套系统化交易框架的开源实现，不是演示 demo，是"我靠它吃饭的引擎，顺手开源给你"。 核心亮点： 1️⃣ 作者实盘在用：他靠这套引擎交易期货，等于用真钱帮你做了测试 2️⃣ 完整系统化框架：回测、参数优化、组合构建、风控，书里原则全实现 3️⃣ 自动化实盘：ib_insync 直连 Interactive Brokers，能真正下单 4️⃣ 经典策略全套：趋势跟踪、均值回归、多品种组合，书中策略全有现成代码 5️⃣ 文档扎实：introduction、backtesting、data、production 一步步教到生产环境 它的本质，是"一个职业交易员把自己吃饭的家伙公开了"。 做期货系统化交易、想学机构级趋势跟踪怎么从回测走到实盘的，这是目前最接近生产级的学习范本。

爱吃折耳根的Ace

22,096 views • 28 days ago

50秒的视频--用CodeX尝试入门量化交易/AI交易 以前量化交易门槛很高，普通人基本接触不到——不懂复杂的数学模型、不会写代码，很难上手 现在有了Codex，你可以完全不懂代码了。配合微软开源的明星AI 量化平台--Qlib（GitHub 43k+星），从数据处理、因子挖掘到信号生成全流程都开源了 这是我目前正在测试的玩法： ➤ Qlib —— 微软开源的 AI 量化全流程平台，能基于比特币历史数据自动挖掘因子、训练模型，输出多空预测信号 ➤ Moss MOSS —— 100%模拟 Hyperliquid 实盘环境。支持一句话生成 Agent实时测试，完全免费。还能每周自动进化策略，最近新增了更多币种，是验证自己交易策略最好的地方 我现在只用 Codex ，结合 Qlib + Moss，完全接管我交易 Agent，所有策略制定、开仓平仓、仓位、杠杆、风控，全部基于 Qlib 生成的信号自主决策，并且实时跑在MOSS MOSS 中文的模拟盘上测试，真正 24/7 全自动运行 moss直达： 具体提示词在下一条推文👇
0:50

50秒的视频--用CodeX尝试入门量化交易/AI交易 以前量化交易门槛很高，普通人基本接触不到——不懂复杂的数学模型、不会写代码，很难上手 现在有了Codex，你可以完全不懂代码了。配合微软开源的明星AI 量化平台--Qlib（GitHub 43k+星），从数据处理、因子挖掘到信号生成全流程都开源了 这是我目前正在测试的玩法： ➤ Qlib —— 微软开源的 AI 量化全流程平台，能基于比特币历史数据自动挖掘因子、训练模型，输出多空预测信号 ➤ Moss MOSS —— 100%模拟 Hyperliquid 实盘环境。支持一句话生成 Agent实时测试，完全免费。还能每周自动进化策略，最近新增了更多币种，是验证自己交易策略最好的地方 我现在只用 Codex ，结合 Qlib + Moss，完全接管我交易 Agent，所有策略制定、开仓平仓、仓位、杠杆、风控，全部基于 Qlib 生成的信号自主决策，并且实时跑在MOSS MOSS 中文的模拟盘上测试，真正 24/7 全自动运行 moss直达： 具体提示词在下一条推文👇

梭哈.AI

26,607 views • 3 months ago

🚨 学 AI 量化的第一本书就是它 — Machine Learning for Trading，19.6K stars，第三版刚出！ Machine Learning for Trading 是 Stefan Jansen 写的实战交易开源书籍，不是纸上谈兵，是代码+案例直接跑给你看。 它系统地讲解了如何将机器学习应用到量化交易的完整流程，从数据获取、特征工程、模型训练、回测优化，一直到投资组合管理。 核心亮点： > 27 章一条龙：数据获取 → 特征工程 → 模型训练 → 回测 → 实盘执行，全链路覆盖 > 9 个跨资产案例：ETF、加密货币永续合约、日内股票、期权、外汇、期货——不是只讲美股 > 第三版新增：生成式 AI + 自主交易 Agent、因果 ML、强化学习、合成金融数据 > Polars + PyTorch + LightGBM + Optuna 全现代技术栈 > 实盘对接 Interactive Brokers、Alpaca、QuantConnect，不是玩具 > Google 高级总监 Antonio Gulli 作序推荐 以前学 AI 量化：看论文 → 看不懂 → 看 CSDN → 跑不通 → 放弃。这本书从理论到代码到实盘，一条路走到底。量化入门的信息差，终于有人填平了。
0:43

🚨 学 AI 量化的第一本书就是它 — Machine Learning for Trading，19.6K stars，第三版刚出！ Machine Learning for Trading 是 Stefan Jansen 写的实战交易开源书籍，不是纸上谈兵，是代码+案例直接跑给你看。 它系统地讲解了如何将机器学习应用到量化交易的完整流程，从数据获取、特征工程、模型训练、回测优化，一直到投资组合管理。 核心亮点： > 27 章一条龙：数据获取 → 特征工程 → 模型训练 → 回测 → 实盘执行，全链路覆盖 > 9 个跨资产案例：ETF、加密货币永续合约、日内股票、期权、外汇、期货——不是只讲美股 > 第三版新增：生成式 AI + 自主交易 Agent、因果 ML、强化学习、合成金融数据 > Polars + PyTorch + LightGBM + Optuna 全现代技术栈 > 实盘对接 Interactive Brokers、Alpaca、QuantConnect，不是玩具 > Google 高级总监 Antonio Gulli 作序推荐 以前学 AI 量化：看论文 → 看不懂 → 看 CSDN → 跑不通 → 放弃。这本书从理论到代码到实盘，一条路走到底。量化入门的信息差，终于有人填平了。

爱吃折耳根的Ace

12,692 views • 2 months ago

发现个量化交易神器！QuantDinger 直接把量化交易的门槛砸碎了！ QuantDinger（量化丁格），你的私人 AI 量化操作系统，几天时间就在 GitHub 拿下 4.2k stars！ 这不是普通的交易工具，而是个具备自我进化能力的 AI 交易员： 🤖 AI 智能分析引擎 国内外股市、期货、加密货币、外汇全支持 24 小时监控全球交易机会 实时推送到手机，不错过任何机会 📊 全自动工作流 AI 自动分析市场 → 生成策略代码 → 自动回测 根据历史收益、风险数据自动优化参数 大模型帮你调参，让策略更稳定 💻 部署超简单 Docker 一键私有化本地部署 两分钟就能跑起来 不懂代码的小白也能快速上手 🔒 完全私有 在你自己的服务器和自己的密钥上运行 数据、策略全掌控 支持实盘数据、多市场同时监控、智能风控... 搞量化交易的兄弟，这个必须试试！ 项目地址放评论区了👇
0:38

发现个量化交易神器！QuantDinger 直接把量化交易的门槛砸碎了！ QuantDinger（量化丁格），你的私人 AI 量化操作系统，几天时间就在 GitHub 拿下 4.2k stars！ 这不是普通的交易工具，而是个具备自我进化能力的 AI 交易员： 🤖 AI 智能分析引擎 国内外股市、期货、加密货币、外汇全支持 24 小时监控全球交易机会 实时推送到手机，不错过任何机会 📊 全自动工作流 AI 自动分析市场 → 生成策略代码 → 自动回测 根据历史收益、风险数据自动优化参数 大模型帮你调参，让策略更稳定 💻 部署超简单 Docker 一键私有化本地部署 两分钟就能跑起来 不懂代码的小白也能快速上手 🔒 完全私有 在你自己的服务器和自己的密钥上运行 数据、策略全掌控 支持实盘数据、多市场同时监控、智能风控... 搞量化交易的兄弟，这个必须试试！ 项目地址放评论区了👇

Vincent

30,236 views • 4 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 • 29 days ago

别再写死交易规则了，让 AI 自己学会做多做空 传统量化大多还是指标 → 阈值 → 开平仓，规则基本都是人提前写死的。 这个视频换了个思路：不告诉 AI 什么时候买卖，直接让它自己学交易。 用 PPO + Gym 搭了一套强化学习交易 Agent： 1️⃣ 过去 30 根 K 线 + RSI、SMA、ATR 作为输入 2️⃣ AI 自己决定观望 / 做多 / 做空，并设置止盈止损 3️⃣ 根据真实盈亏给奖励，同时处理止盈止损冲突，尽量避免回测作弊 最有意思的是结果： 训练 5 万步样本内很好看，但容易过拟合；反而 1 万步样本外更稳。 所以这期真正值得看的，不是又多了一个交易策略，而是把怎么训练一个强化学习交易 Agent，从环境、奖励函数到回测验证完整跑了一遍。 想自己搭 AI Trading Agent 的，这 20 分钟值得配合代码一起看。
19:51

别再写死交易规则了，让 AI 自己学会做多做空 传统量化大多还是指标 → 阈值 → 开平仓，规则基本都是人提前写死的。 这个视频换了个思路：不告诉 AI 什么时候买卖，直接让它自己学交易。 用 PPO + Gym 搭了一套强化学习交易 Agent： 1️⃣ 过去 30 根 K 线 + RSI、SMA、ATR 作为输入 2️⃣ AI 自己决定观望 / 做多 / 做空，并设置止盈止损 3️⃣ 根据真实盈亏给奖励，同时处理止盈止损冲突，尽量避免回测作弊 最有意思的是结果： 训练 5 万步样本内很好看，但容易过拟合；反而 1 万步样本外更稳。 所以这期真正值得看的，不是又多了一个交易策略，而是把怎么训练一个强化学习交易 Agent，从环境、奖励函数到回测验证完整跑了一遍。 想自己搭 AI Trading Agent 的，这 20 分钟值得配合代码一起看。

爱吃折耳根的Ace

20,237 views • 22 days ago

量化交易核心难题：如何应对 Market Regime Change？ 之前遇到一位做高频交易的朋友，他问了我一个问题： 为什么很多量化策略回测表现完美，但一到实盘遇到市场风格切换就失效？ 我直接推荐了前HFT顶级量化交易员的 《How to handle Regime Changes》 的硬核视频。 它直击量化交易中最常见的问题——为什么策略在历史数据里有效，但遇到市场状态变化（Regime Change）后会大幅失效？ 视频系统讲解了 4 种工业级解决方案，核心内容包括： 什么是体制切换：均值、方差、偏度、峰度随时间剧烈变化 1️⃣ 方案一：滑窗重训练（作者坦言不推荐） 2️⃣ 方案二：特征工程 + 隐状态/相对记忆编码，让简单线性模型自适应切换动量与均值回归 3️⃣ 方案三：在线流式学习（Passive-Aggressive），根据误差实时调整权重 4️⃣ 方案四：强化学习 + 香农熵正则化，防止策略陷入局部最优 最终结论很明确：金融数据不是静态的，真正有效的方法是让模型具备感知误差并动态更新权重的能力，而不是依赖全量静态训练。 对正在做量化策略的朋友，这是非常深度的生产环境避坑指南。建议收藏。
37:07

量化交易核心难题：如何应对 Market Regime Change？ 之前遇到一位做高频交易的朋友，他问了我一个问题： 为什么很多量化策略回测表现完美，但一到实盘遇到市场风格切换就失效？ 我直接推荐了前HFT顶级量化交易员的 《How to handle Regime Changes》 的硬核视频。 它直击量化交易中最常见的问题——为什么策略在历史数据里有效，但遇到市场状态变化（Regime Change）后会大幅失效？ 视频系统讲解了 4 种工业级解决方案，核心内容包括： 什么是体制切换：均值、方差、偏度、峰度随时间剧烈变化 1️⃣ 方案一：滑窗重训练（作者坦言不推荐） 2️⃣ 方案二：特征工程 + 隐状态/相对记忆编码，让简单线性模型自适应切换动量与均值回归 3️⃣ 方案三：在线流式学习（Passive-Aggressive），根据误差实时调整权重 4️⃣ 方案四：强化学习 + 香农熵正则化，防止策略陷入局部最优 最终结论很明确：金融数据不是静态的，真正有效的方法是让模型具备感知误差并动态更新权重的能力，而不是依赖全量静态训练。 对正在做量化策略的朋友，这是非常深度的生产环境避坑指南。建议收藏。

爱吃折耳根的Ace

17,982 views • 1 month 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 • 1 month ago

别再用单体 AI 跑股票量化交易了！ 大模型做股票交易最大的弱点：不是幻觉，就是无法应对高频变盘的单向思维风暴。 分享一个真正懂金融行为学的硬核 GitHub 开源项目 —— TradingAgents-CN 它专为股票分析设计，核心逻辑极其优雅：用多智能体社会学模拟，把单 LLM 的交易偏见彻底干碎！ 核心杀手锏： 多角色盘前模拟辩论：框架内由宏观分析师、技术交易员、风控官等多个 Agent 角色组成。在系统内展开多轮激烈辩论，通过交叉验证寻找更稳妥的决策点。 全链路金融行为学模拟：从宏观新闻感知、盘前技术面交叉对齐，到模拟盘中的动态仓位控制，完美还原专业投资机构的决策工作流。 中文本地化与回测支持：无缝对接 A股、港股、美股 等核心市场的数据与交易逻辑，而且完美适配 Claude、ChatGPT (OpenAI) 以及国内主流大模型底层。 一站式回测支持：内置高频交易环境模拟与标准量化指标评估，直接输出带思维链（CoT）的决策报告。 感兴趣的可以看看～dyor～ 地址：
0:37

别再用单体 AI 跑股票量化交易了！ 大模型做股票交易最大的弱点：不是幻觉，就是无法应对高频变盘的单向思维风暴。 分享一个真正懂金融行为学的硬核 GitHub 开源项目 —— TradingAgents-CN 它专为股票分析设计，核心逻辑极其优雅：用多智能体社会学模拟，把单 LLM 的交易偏见彻底干碎！ 核心杀手锏： 多角色盘前模拟辩论：框架内由宏观分析师、技术交易员、风控官等多个 Agent 角色组成。在系统内展开多轮激烈辩论，通过交叉验证寻找更稳妥的决策点。 全链路金融行为学模拟：从宏观新闻感知、盘前技术面交叉对齐，到模拟盘中的动态仓位控制，完美还原专业投资机构的决策工作流。 中文本地化与回测支持：无缝对接 A股、港股、美股 等核心市场的数据与交易逻辑，而且完美适配 Claude、ChatGPT (OpenAI) 以及国内主流大模型底层。 一站式回测支持：内置高频交易环境模拟与标准量化指标评估，直接输出带思维链（CoT）的决策报告。 感兴趣的可以看看～dyor～ 地址：

爱丽丝呀！

34,054 views • 2 months 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

158,833 views • 1 month 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 • 2 months ago

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 • 19 days ago

别再手写回测系统了，这个经典开源量化项目已经帮你造好了 Backtrader 是一个功能非常完整的 Python 量化回测与交易框架，GitHub 上已有 22.6K Star。它的核心目标是让你专注写策略，而不是重复造轮子。 核心特点如下： 1️⃣ 纯 Python 实现，支持多数据源、多周期、多策略同时运行 2️⃣ 内置丰富指标库，并可直接对接 TA-Lib 3️⃣ 支持多种订单类型（市价、限价、止损、追踪止损、OCO、括号单等） 4️⃣ 灵活的佣金、滑点、仓位管理（Sizer）模拟 5️⃣ 内置分析器（夏普、回撤、SQN 等）+ 可视化绘图 6️⃣ 可对接 Interactive Brokers、Oanda 等做实盘/模拟交易 对想快速验证策略逻辑、做系统化回测，或者学习完整量化框架设计的人来说，这个项目依然很值得上手。
1:00

别再手写回测系统了，这个经典开源量化项目已经帮你造好了 Backtrader 是一个功能非常完整的 Python 量化回测与交易框架，GitHub 上已有 22.6K Star。它的核心目标是让你专注写策略，而不是重复造轮子。 核心特点如下： 1️⃣ 纯 Python 实现，支持多数据源、多周期、多策略同时运行 2️⃣ 内置丰富指标库，并可直接对接 TA-Lib 3️⃣ 支持多种订单类型（市价、限价、止损、追踪止损、OCO、括号单等） 4️⃣ 灵活的佣金、滑点、仓位管理（Sizer）模拟 5️⃣ 内置分析器（夏普、回撤、SQN 等）+ 可视化绘图 6️⃣ 可对接 Interactive Brokers、Oanda 等做实盘/模拟交易 对想快速验证策略逻辑、做系统化回测，或者学习完整量化框架设计的人来说，这个项目依然很值得上手。

爱吃折耳根的Ace

17,130 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

我去！股票缠论里的笔、段、中枢，能算成可配置的对象，还能画出来。 chanpy，2.1K stars，分型/笔/中枢/买卖点全算，多级别联立 + 区间套，还能接富途实盘！ 以前想用缠论做量化，光分型/笔/中枢就够头疼，更别说加机器学习、接实盘。 chanpy 不一样——这是个开放式缠论框架，从基础元素到买卖点、特征、模型、交易引擎，全链路设计打通。 核心亮点： 1️⃣ 缠论全元素计算：分形/笔/线段/中枢/买卖点，多级别联立，区间套策略 20 行代码就能写 2️⃣ 形态学买卖点（bsp）+ 自定义动力学买卖点（cbsp），背驰算法、线段算法（chan/1+1/破坏）都可配 3️⃣ 买卖点可接机器学习打分：500+ 特征、XGB/LightGBM/MLP 三模型、AutoML 自动搜超参 4️⃣ 数据多源：富途/akshare/baostock/ccxt，实时行情 sina/pytdx/futu，A股/港股/美股/ETF 全覆盖 5️⃣ 交易引擎对接富途模拟盘+实盘，可视化支持动画回放、可接 bokeh 核心很直接：CChan + CChanConfig。笔严不严、中枢怎么取、背驰阈值都能改。 想系统把缠论跑成量化策略、甚至上机器学习，这个框架是目前最全的。
1:01

我去！股票缠论里的笔、段、中枢，能算成可配置的对象，还能画出来。 chanpy，2.1K stars，分型/笔/中枢/买卖点全算，多级别联立 + 区间套，还能接富途实盘！ 以前想用缠论做量化，光分型/笔/中枢就够头疼，更别说加机器学习、接实盘。 chanpy 不一样——这是个开放式缠论框架，从基础元素到买卖点、特征、模型、交易引擎，全链路设计打通。 核心亮点： 1️⃣ 缠论全元素计算：分形/笔/线段/中枢/买卖点，多级别联立，区间套策略 20 行代码就能写 2️⃣ 形态学买卖点（bsp）+ 自定义动力学买卖点（cbsp），背驰算法、线段算法（chan/1+1/破坏）都可配 3️⃣ 买卖点可接机器学习打分：500+ 特征、XGB/LightGBM/MLP 三模型、AutoML 自动搜超参 4️⃣ 数据多源：富途/akshare/baostock/ccxt，实时行情 sina/pytdx/futu，A股/港股/美股/ETF 全覆盖 5️⃣ 交易引擎对接富途模拟盘+实盘，可视化支持动画回放、可接 bokeh 核心很直接：CChan + CChanConfig。笔严不严、中枢怎么取、背驰阈值都能改。 想系统把缠论跑成量化策略、甚至上机器学习，这个框架是目前最全的。

爱吃折耳根的Ace

22,407 views • 7 days ago