Video yükleniyor...

Video Yüklenemedi

Ana Sayfaya Dön

🚨 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

49,239 görüntüleme • 4 gün önce •via X (Twitter)

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

🧐 真正的 Vibe Trading ?来 Minara 把你喜欢的交易大神,蒸馏成量化代码吧! 我觉得 Minara Minara AI 是 AI Trading 赛道,目前完成度最高的产品之一 新上线的「Strategy Studio / 策略工作室」非常有意思,完全打通了从 “自然语言” 到 “程序化策略” 之间的壁垒 1️⃣ 用「自然语言」,完成 策略设计、回测、参数优化,到 最终实盘 目前支持通过 自然语言,甚至上传 表格、代码、视频(比如交易员的直播切片) 等方式,生成可以执行的 量化策略代码 期间,还可与 AI 协同,一键优化策略,再通过「K线 历史数据」回测策略成绩,像调试代码一样调试策略 泵泵这几天用 Minara 自带的「AI自适应超趋势」模板,优化了一版,跑了几天 $BTC 量化策略 效果还不错,这几天波动很大,但竟然没有亏,还小赚,比我自己做的 自动交易系统 要稳健 🥹 2️⃣ 自然语言做量化 ,确实切中了一个真实痛点 传统量化交易门槛高,需要编程能力和金融工程知识,Strategy Studio 试图把这个门槛大幅降低 而且这套可玩性很高,每个人都可以 DIY 与众不同的交易系统,自己调试,自己部署运行 💡 想到一个 有意思 的应用场景: 可以直接上传 #币安广场 上,哪些 “顶级交易员” 们的直播切片 让 Minara 把 “带单老师” 们的思路,蒸馏成具体的 量化代码,为你 “全天候” 自动交易 看看哪位老师的 “蒸馏体”,实盘比较厉害 🤣 ----------- 一直觉得交易是反人性的,你需要对抗人的动物属性,对抗身体的疲劳值盯盘,还要有严格风控的执行力,才能在高波动的加密市场里存活 优秀的交易员,无一不是像机器一样严格执行地交易体系,那么为什么不直接交给 更聪明 的 “机器” 来做呢? Minara 的技能池还挺深的,还有不少功能没有体验,后续泵泵再给大家更新! ➤ 眼镜娘传送门:

泵泵超人 | Pumpman 🔶

73,242 görüntüleme • 1 ay önce

这次体验了一下 Bitget GetAgent 的 Playbook,感觉它更像是这次黑客松里最值得关注的基础设施方向之一。(我的视频里有详细解说) Playbook 本质上不是一个简单的信号列表,而是一个标准化的策略运行单元。 它把一套交易策略需要表达的东西都结构化了: -策略逻辑 -适用行情 -风险边界 -交易标的 -可调参数 -运行频率 -信号输出 -是否支持自动交易 这意味着策略不再只是散落在本地脚本、Telegram 群或者黑箱 bot 里,而是可以被创建、发布、订阅、运行和管理。 首先,我这次先订阅了一个现成 Playbook:「智能捕捉均值回归窗口」。 我发现它不是传统网格,而是偏均值回归:过滤掉过低和过高波动,只在相对适中的市场环境里捕捉超买/超卖后的价格回归。 后来,我又用 GetAgent skill 创建了自己的 BTC/ETH Playbook。 逻辑来自本地已有策略:多周期趋势过滤 + 短周期突破触发。 第一版只支持 signal-only,第二版改成支持 follow trade,也就是在有信号时可以自动执行交易。 整个流程跑下来,GetAgent 的意义会变得更清晰: 它不是单纯做一个 AI 聊天入口,也不是再造一个 Telegram bot。 它更像是把“策略开发 → 策略封装 → 发布 → 订阅 → 自动运行 → 交易执行”这条链路标准化。 这对开发者和交易用户都很关键。 对开发者来说,Playbook 是策略产品化的容器。 你可以把本地策略打包成可被平台识别和运行的标准资产。 对用户来说,Playbook 降低了理解和使用策略的门槛。 用户不再只是看到一个买卖点,而是能看到策略适合什么行情、参数怎么改、风险在哪里、是否会自动交易。 当然,自动交易不是魔法。 策略仍然会遇到假突破、连续止损、极端行情。 但至少在 Playbook 框架下,策略的逻辑、权限和执行边界是清楚的。 我觉得这就是 GetAgent 黑客松项目最有意思的地方: 它不是简单地“让 AI 帮你交易”, 而是在尝试定义一套 AI Agent 时代的交易策略发布与执行标准。 如果说上一阶段的交易 bot 是脚本化和群组化的, 那 Playbook 更像是把策略带入了平台化、可组合、可订阅的阶段。#BitgetHackathon 对了还能报名,赶紧来,报名完去TG研究怎么拿奖~: Bitget AI Bitget中文 Gracy Chen @Bitget 33🩵Xandi

MEJ毛毛姐

29,908 görüntüleme • 17 gün önce

经过与 Openclaw 协作的 Vibe Coding,终于可以给大家看一眼我目前新开启的项目:A-Trading 了! 这是一个内置 AI 的量化交易工具,你可以让 AI 在各个时间周期为你实时生成各种属性的量化策略,根据多策略的运行情况,进行策略杂交。 简单来说就是用“优胜劣汰”的方式快速筛选最适合当下的交易策略! 每当你切换新的时间周期或要求策略生成后,AI会立即生成10~20个随机策略,随后程序后台会立即根据策略与价格数据进行本地回测,从而对不同策略进行排名; 当程序连续运行一段时间后,回测数据+实测数据表现最好的两个策略可以被选中进行繁殖... 点击“进化”按钮后,AI会继续根据优势策略,取长补短,在其基础上重新生成更多“子策略”,以此类推,理论上在这个模式下,你可以很快找到最适合当前市场结构的策略。 随着时间推移,优势策略可能会被取代,没关系,继续进化繁殖即可,系统会自动淘汰落后的策略... 目前我刚刚完成了和 TradingView 同级别的K线显示系统,并加入了持仓、交易标记等功能。 接下来除了对策略繁衍功能进行完善以外,还会尝试加入交易所API对接系统以及账户风控系统甚至实时 AI 交流框... 整个开发过程中,UI及自研K线部分是最头疼的,累积烧掉了近5000多万 Tokens... 接下来由于整体架构已经完善,就只需要慢慢增加更多的功能即可! 感谢 OpenClaw🦞 ,让我感受到了远比 Cursor 快乐的 Coding 体验,除了他动不动造反以外都不错! 未来我还会慢慢更新该项目的进展,大家有什么好的建议都可以提出来,我现在感觉无所不能!哈哈哈!

Crypto_Painter

129,848 görüntüleme • 4 ay önce

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

95,315 görüntüleme • 1 ay önce

分享 5 个开箱即用的 Polymarket 开源交易脚本。 如果你打算在 Polymarket 上构建自动化交易系统,这里有你需要的基础组件。从底层的数据抓取、钱包追踪,到自动化执行和机器学习模型,基本涵盖了量化交易的全套流程。 1. 交易终端 (Trading terminal) 支持快捷键操作、极速下单、盈亏监控以及 Telegram 实时报警。彻底告别每 5 秒就需要手动确认一次钱包签名的繁琐操作。 GitHub: 2. 数据记录器 (Data recorder) 同步抓取 Polymarket 和币安的盘面数据。包括订单薄深度、历史成交和各项技术指标,全部落盘保存并提供实时可视化看板。 GitHub: 3. 自动化交易机器人 (Trading bot) 基于置信度公式动态计算仓位,并设定硬性止损。核心策略是在市场结算前约 4 分钟,系统自动买入当前的高胜率标的。 GitHub: 4. 钱包分析工具 (Wallet analyzer) 专门用于追踪聪明钱地址。输入任意钱包,自动提取其完整的交易历史,按具体预测市场进行分类,并生成可视化的建仓轨迹图表。 GitHub: 5. 机器学习模型 (ML model) 通过 TAAPI 接口拉取 208 种技术指标,用于预测市场走向并测算盘面的公允价值。 GitHub: 以上工具均为免费开源。你可以独立运行这些脚本模块,也可以将它们作为代码库直接喂给 Claude,用来辅助迭代和定制你自己的全自动化交易闭环。

小白

207,772 görüntüleme • 3 ay önce

一个被全球赌场集体封杀的顶级量化,最后用AI在Polymarket上完成了史诗级逆袭 他在菲律宾博彩集团做定价量化时,因为模型太准,被直接限注到每单只能下2美元。赌场一边偷偷用他的模型赚钱,一边把他所有账号全部封死。 他没有废话,直接往Polymarket里存了4000美元,把自己用Claude开发的量化代理系统怼了上去。 84天后,账户变成了337,217美元。 全程24,497笔交易,他本人连一笔都没手动下过。 整个过程离谱得像科幻小说: 他只输入了一句话: 当市场对BTC小时级下跌定价不足时,做空它。 90秒后,一个完整的实盘交易机器人就自动上线了。 这句话在后台经历了什么? 自然语言 → 策略中间表示(IR) → 自动编译代码 → 拉取5年历史数据回测 → 参数自动优化 → 风控规则生成。 这是一名年薪65万美元的初级量化研究员,不吃不喝也要花7周才能完成的工作量。 更恐怖的是上线前的“死亡淘汰机制”——AlphaGPT三轮循环: 生成器提出100个策略变种 → 码农智能体全部写成代码 → 挑战者智能体疯狂挑刺(过拟合?前视偏差?幸存者偏差?多重测试?) 99%的策略会在这一步被直接处死。 活下来的,还要跑10,000条蒙特卡洛路径进行极端情景模拟。 最终报告:最差P5情况收益+3.8%,最大回撤-8.8%,p值<0.01,夏普比率2.3 → 自动批准上线。 很多人说这个策略本身很普通。 没错,它确实不神秘。 但普通人一辈子能测试多少个策略? 100个?1000个? 而这个系统一天就能测试10万个,然后把99.99%的垃圾全部淘汰掉。 真正的优势,从来不是你能想出多么天才的策略,而是你的淘汰率有多高。 你觉得未来3年,手动交易员还有多少生存空间? 这个从被赌场集体封杀,到84天干出33.7万美元的菲律宾量化,用实际行动给出了最残酷的答案。

0XDegen

12,503 görüntüleme • 25 gün önce