正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

卧槽！缠论分型、笔、中枢，居然整库迁到 Rust 了。不是再对着 K 线手动画笔。czsc 1.0 把核心算法和 220+ 信号沉到底层，Python 一行 pip 就能调。6.0K stars。挖地兔（Tushare）组织仓库。 A 股走 Tushare，期货接天勤，加密接 CCXT。多级别联立也能画成离线 HTML。核心能力： 1️⃣ CZSC 对象自动识别分型、笔、中枢 2️⃣ BarGenerator 合成多周期，CzscTrader 联立决策 3️⃣ 信号 → 事件 → 持仓，可组合回测 4️⃣ 权重回测 + lightweight-charts 缠论图 5️⃣ pip install czsc -U，Python ≥ 3.10 它解决的是把股票和期货的缠论结构算成可回测信号，不是「缠论必赚」的自动下单软件。各家实现不同，别和原文买卖点强行一一对应。以前想用缠论分析股票，分型、笔、线段、中枢全靠自己手画，规则又多又绕，稍不留神就画错。 czsc... show more

爱吃折耳根的Ace

5,420 subscribers

23,055 次观看 • 14 天前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

2 条评论

软音🍑找炮友🍑点主页🍑 的头像

软音🍑找炮友🍑点主页🍑13 天前

submit ⭐ services calm place

反70 Bitget 的头像

反70 Bitget14 天前

这回量化计算性能终于要起飞了

相关视频

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。

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 次观看 • 11 天前

我去！一个横跨 A 股、港股、美股、期货四市场的开源量化工具——easy-tdx，不用注册、不用申请 API Key，装上就能用。直连通达信行情服务器，K 线、实时报价、分时、逐笔成交、资金流向、板块数据，毫秒级拉满。做量化最头疼的数据源问题，它用一个 pip install 解决了——免费、开源、无门槛。核心亮点： 1️⃣ 四市场通吃：A 股、港股、美股、期货，一套接口全拿 2️⃣ 零门槛：无需注册、无需 API Key，MIT 开源，装上就能跑 3️⃣ 34 个技术指标开箱即用，缠论分析一键出结果（笔、中枢、买卖点、背驰） 4️⃣ 内置回测引擎：18 个经典策略自带，多因子组合批量对比 5️⃣ 回测可视化 Web UI：K 线买卖点、净值回撤、19 项绩效指标 6️⃣ S/A/B/C/D 五档数据评级，不看收益率看风险调整后的持有体验 7️⃣ JSON 输出直接喂 Claude Code 等 AI Agent 不是又一个行情展示页，而是把「通达信数据」变成可编程接口。做 A 股选股、回测、本地量化的，可以直接 pip 装了试。

我去！一个横跨 A 股、港股、美股、期货四市场的开源量化工具——easy-tdx，不用注册、不用申请 API Key，装上就能用。直连通达信行情服务器，K 线、实时报价、分时、逐笔成交、资金流向、板块数据，毫秒级拉满。做量化最头疼的数据源问题，它用一个 pip install 解决了——免费、开源、无门槛。核心亮点： 1️⃣ 四市场通吃：A 股、港股、美股、期货，一套接口全拿 2️⃣ 零门槛：无需注册、无需 API Key，MIT 开源，装上就能跑 3️⃣ 34 个技术指标开箱即用，缠论分析一键出结果（笔、中枢、买卖点、背驰） 4️⃣ 内置回测引擎：18 个经典策略自带，多因子组合批量对比 5️⃣ 回测可视化 Web UI：K 线买卖点、净值回撤、19 项绩效指标 6️⃣ S/A/B/C/D 五档数据评级，不看收益率看风险调整后的持有体验 7️⃣ JSON 输出直接喂 Claude Code 等 AI Agent 不是又一个行情展示页，而是把「通达信数据」变成可编程接口。做 A 股选股、回测、本地量化的，可以直接 pip 装了试。

爱吃折耳根的Ace

17,017 次观看 • 27 天前

兄弟们！又挖到一个 Python 股票全能工具 —— InStock myhhub/stock 这个仓库把 A 股量化分析做得挺全的，数据抓取、指标计算、选股、回测、自动交易一条龙。核心功能我挑重点说下： 1️⃣ 实时抓取 A 股数据 + 30+ 技术指标（MACD、KDJ、BOLL 等，和同花顺结果一致） 2️⃣ 识别 61 种 K 线形态，直接给出买卖信号 3️⃣ 筹码分布分析（CYQ），看主力成本区间 4️⃣ 200+ 维度综合选股，支持自定义策略 5️⃣ 内置多个经典策略 + 回测验证功能 6️⃣ 支持自动打新股（需配置券商客户端） 7️⃣ Web 页面，手机电脑都能看，操作挺方便最实用的是支持 Docker 一键部署，数据处理也比较快（普通笔记本跑一天数据大概 4 分钟左右）。对想自己搞量化、做选股策略、或者学习 A 股技术分析的兄弟来说，这个仓库直接能上手。

兄弟们！又挖到一个 Python 股票全能工具 —— InStock myhhub/stock 这个仓库把 A 股量化分析做得挺全的，数据抓取、指标计算、选股、回测、自动交易一条龙。核心功能我挑重点说下： 1️⃣ 实时抓取 A 股数据 + 30+ 技术指标（MACD、KDJ、BOLL 等，和同花顺结果一致） 2️⃣ 识别 61 种 K 线形态，直接给出买卖信号 3️⃣ 筹码分布分析（CYQ），看主力成本区间 4️⃣ 200+ 维度综合选股，支持自定义策略 5️⃣ 内置多个经典策略 + 回测验证功能 6️⃣ 支持自动打新股（需配置券商客户端） 7️⃣ Web 页面，手机电脑都能看，操作挺方便最实用的是支持 Docker 一键部署，数据处理也比较快（普通笔记本跑一天数据大概 4 分钟左右）。对想自己搞量化、做选股策略、或者学习 A 股技术分析的兄弟来说，这个仓库直接能上手。

爱吃折耳根的Ace

21,538 次观看 • 2 个月前

🚨 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

🚨 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 次观看 • 2 个月前

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。

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

11,432 次观看 • 2 个月前

A 股量化圈的老牌框架，11K stars，2016 年就在了，到现在还活着且刚做完 Rust 核心升级——QUANTAXIS。多数 A 股量化框架要么死在 Python 性能上，要么靠 C++ 但门槛高。 QUANTAXIS 走的是桥接路线：v2.1 引入 Rust 核心 QARS2，账户操作 100 倍加速、回测 10 倍提速、内存占用降 90%，但 API 完全兼容，没装 Rust 环境就自动回退纯 Python。它真正有用的能力： 1️⃣ 多市场数据层：采集、存储、清洗，MongoDB / ClickHouse 都支持 2️⃣ 统一账户协议 QIFI：股票、期货同一套账户逻辑，跨语言一致 3️⃣ 回测 + 模拟 + 实盘路径清晰，可对接 QMT、CTP 等 4️⃣ 任务调度与分布式部署，适合团队和多策略并行 5️⃣ 新版本接入 Rust 核心：账户操作和回测速度大幅提升本质是把「本地可落地的量化全链路」做成了开源框架，而不是只给一个回测脚本。做 A 股、期货、本地化量化系统的，这个基本绕不开。

A 股量化圈的老牌框架，11K stars，2016 年就在了，到现在还活着且刚做完 Rust 核心升级——QUANTAXIS。多数 A 股量化框架要么死在 Python 性能上，要么靠 C++ 但门槛高。 QUANTAXIS 走的是桥接路线：v2.1 引入 Rust 核心 QARS2，账户操作 100 倍加速、回测 10 倍提速、内存占用降 90%，但 API 完全兼容，没装 Rust 环境就自动回退纯 Python。它真正有用的能力： 1️⃣ 多市场数据层：采集、存储、清洗，MongoDB / ClickHouse 都支持 2️⃣ 统一账户协议 QIFI：股票、期货同一套账户逻辑，跨语言一致 3️⃣ 回测 + 模拟 + 实盘路径清晰，可对接 QMT、CTP 等 4️⃣ 任务调度与分布式部署，适合团队和多策略并行 5️⃣ 新版本接入 Rust 核心：账户操作和回测速度大幅提升本质是把「本地可落地的量化全链路」做成了开源框架，而不是只给一个回测脚本。做 A 股、期货、本地化量化系统的，这个基本绕不开。

爱吃折耳根的Ace

14,942 次观看 • 1 个月前

🚨卧槽！LLM 驱动的每日股票智能分析系统来了 daily_stock_analysis（简称 DSA）是一个开源的自动化股票分析工具，能每天对你的自选股进行多维度分析，并生成结构化的决策报告。它整合了行情、技术指标、新闻舆情和基本面数据，通过大模型输出包含评分、趋势、买卖点、风险提示、催化因素的报告，并支持自动推送到企业微信、飞书、Telegram 等渠道。核心亮点： > 多市场覆盖：支持 A 股、港股、美股、日股、韩股等，同时支持 ETF > 结构化 AI 决策报告：输出评分、趋势判断、买卖点、风险预警、催化剂和操作清单 > 多源数据融合：行情 + 新闻 + 公告 + 基本面 + 舆情，自动聚合去重 > Agent 策略问股：支持缠论、均线、波浪等多策略视角进行多轮追问 > 零成本自动化：支持 GitHub Actions 定时运行，每天自动推送报告 > 提供 Web 看板 + 回测 + 组合管理功能，本地部署或 Actions 均可对需要每日系统化复盘 A 股和美股、又不想每天手动刷资讯的投资者和交易者来说，这是一个功能比较完整的开源 AI 分析方案。

🚨卧槽！LLM 驱动的每日股票智能分析系统来了 daily_stock_analysis（简称 DSA）是一个开源的自动化股票分析工具，能每天对你的自选股进行多维度分析，并生成结构化的决策报告。它整合了行情、技术指标、新闻舆情和基本面数据，通过大模型输出包含评分、趋势、买卖点、风险提示、催化因素的报告，并支持自动推送到企业微信、飞书、Telegram 等渠道。核心亮点： > 多市场覆盖：支持 A 股、港股、美股、日股、韩股等，同时支持 ETF > 结构化 AI 决策报告：输出评分、趋势判断、买卖点、风险预警、催化剂和操作清单 > 多源数据融合：行情 + 新闻 + 公告 + 基本面 + 舆情，自动聚合去重 > Agent 策略问股：支持缠论、均线、波浪等多策略视角进行多轮追问 > 零成本自动化：支持 GitHub Actions 定时运行，每天自动推送报告 > 提供 Web 看板 + 回测 + 组合管理功能，本地部署或 Actions 均可对需要每日系统化复盘 A 股和美股、又不想每天手动刷资讯的投资者和交易者来说，这是一个功能比较完整的开源 AI 分析方案。

爱吃折耳根的Ace

14,875 次观看 • 2 个月前

说人话就能读盘，这个威科夫 AI Agent 把最难的技术分析变成了对话——A 股 / 港股 / 美股全支持。威科夫那套吸筹、派发、弹簧、破冰，以前光看懂就够折腾。 WyckoffAgent 直接把它做成了智能体：你问“这只票现在在哪个阶段？”，它直接读盘回答。核心亮点： 1️⃣ 全市场漏斗筛选：从 4000+ 只股票收到主线候选 2️⃣ 量价结构识别：吸筹、突破、回踩、板块共振 3️⃣ 对话式诊断：问个股、出研报、给持仓建议 4️⃣ 日线回测 + 信号复盘，结果可推送 5️⃣ 接 Claude / Cursor 当 MCP 工具用比较重要的一点：AI 负责解释和研判，行情计算和筛选还是量化引擎，不是让大模型瞎猜，也不是自动下单。灵感来自秋生 trader，还得到 zengbin93 的指导。做 A 股量价、威科夫选股，又啃不动原著的，这个确实可以玩玩。

说人话就能读盘，这个威科夫 AI Agent 把最难的技术分析变成了对话——A 股 / 港股 / 美股全支持。威科夫那套吸筹、派发、弹簧、破冰，以前光看懂就够折腾。 WyckoffAgent 直接把它做成了智能体：你问“这只票现在在哪个阶段？”，它直接读盘回答。核心亮点： 1️⃣ 全市场漏斗筛选：从 4000+ 只股票收到主线候选 2️⃣ 量价结构识别：吸筹、突破、回踩、板块共振 3️⃣ 对话式诊断：问个股、出研报、给持仓建议 4️⃣ 日线回测 + 信号复盘，结果可推送 5️⃣ 接 Claude / Cursor 当 MCP 工具用比较重要的一点：AI 负责解释和研判，行情计算和筛选还是量化引擎，不是让大模型瞎猜，也不是自动下单。灵感来自秋生 trader，还得到 zengbin93 的指导。做 A 股量价、威科夫选股，又啃不动原著的，这个确实可以玩玩。

爱吃折耳根的Ace

12,075 次观看 • 25 天前

卧槽，连威科夫量价分析都被做成 Agent 了——WyckoffAgent。这个项目把量价读盘、股票筛选、AI 研报和持仓检查放进一个系统，覆盖 A 股、港股、美股。它的思路是先用行情和规则计算，再让 AI 复核，不是直接丢张 K 线让模型自由发挥。核心亮点： 1️⃣ 批量筛股：先找市场主线，再用量价结构和确认条件逐层筛选，不用一只只翻图。 2️⃣ 持仓检查：分析个股质量、走势结构和风险，区分需要观察的警告与已经确认的破位。 3️⃣ 回测与复盘：保留历史信号，跟踪后续表现，也能跑回测验证想法。 4️⃣ 接进日常工具：支持 Web、CLI、MCP，分析结果可以推送到飞书、企微、钉钉和 Telegram。我比较喜欢这种用法：拿它做盘后第二遍检查，看看自己的判断漏了什么。一句“主力正在吸筹”没什么说服力，能把量价依据摆出来，才值得继续研究。仓库地址：

卧槽，连威科夫量价分析都被做成 Agent 了——WyckoffAgent。这个项目把量价读盘、股票筛选、AI 研报和持仓检查放进一个系统，覆盖 A 股、港股、美股。它的思路是先用行情和规则计算，再让 AI 复核，不是直接丢张 K 线让模型自由发挥。核心亮点： 1️⃣ 批量筛股：先找市场主线，再用量价结构和确认条件逐层筛选，不用一只只翻图。 2️⃣ 持仓检查：分析个股质量、走势结构和风险，区分需要观察的警告与已经确认的破位。 3️⃣ 回测与复盘：保留历史信号，跟踪后续表现，也能跑回测验证想法。 4️⃣ 接进日常工具：支持 Web、CLI、MCP，分析结果可以推送到飞书、企微、钉钉和 Telegram。我比较喜欢这种用法：拿它做盘后第二遍检查，看看自己的判断漏了什么。一句“主力正在吸筹”没什么说服力，能把量价依据摆出来，才值得继续研究。仓库地址：

泰德搞薯条 TD

44,511 次观看 • 4 天前

这个量化交易引擎把「回测和实盘不一致」的问题解决得比较彻底 NautilusTrader 是一个用 Rust 编写核心引擎的开源量化交易平台，专为高可靠性和高性能设计，支持从研究、回测到实盘交易的全流程。它最大的特点是回测与实盘使用同一套事件驱动架构和代码，能最大程度保证研究到实盘的一致性（research-to-live parity）。核心亮点： 1️⃣ Rust 核心引擎 + Python 策略接口（性能和灵活性兼顾） 2️⃣ 确定性事件驱动架构，支持纳秒级精度 3️⃣ 多资产、多交易所支持（加密货币、股票、期货等） 4️⃣ 高性能 Rust 核心，适合对延迟和稳定性要求较高的场景 5️⃣ 模块化适配器，方便接入不同交易所和数据源 6️⃣ 支持高级订单类型和完整的回测、实盘执行流程 7️⃣ 同一套策略代码，回测和实盘执行逻辑完全相同对想搭建专业级量化系统，或者需要把研究策略稳定迁移到实盘的人来说，这个项目目前开源里完成度比较高。

这个量化交易引擎把「回测和实盘不一致」的问题解决得比较彻底 NautilusTrader 是一个用 Rust 编写核心引擎的开源量化交易平台，专为高可靠性和高性能设计，支持从研究、回测到实盘交易的全流程。它最大的特点是回测与实盘使用同一套事件驱动架构和代码，能最大程度保证研究到实盘的一致性（research-to-live parity）。核心亮点： 1️⃣ Rust 核心引擎 + Python 策略接口（性能和灵活性兼顾） 2️⃣ 确定性事件驱动架构，支持纳秒级精度 3️⃣ 多资产、多交易所支持（加密货币、股票、期货等） 4️⃣ 高性能 Rust 核心，适合对延迟和稳定性要求较高的场景 5️⃣ 模块化适配器，方便接入不同交易所和数据源 6️⃣ 支持高级订单类型和完整的回测、实盘执行流程 7️⃣ 同一套策略代码，回测和实盘执行逻辑完全相同对想搭建专业级量化系统，或者需要把研究策略稳定迁移到实盘的人来说，这个项目目前开源里完成度比较高。

爱吃折耳根的Ace

13,143 次观看 • 2 个月前

BTC 大结构跟踪： 82,000 附近开启的这笔 4H 下跌，目前看已接近衰竭。接下来重点观察能否走出一笔有力度的 4H 反弹。若反弹完成后再出现一笔向下走势，无论是破底还是不破底，只要形成背驰结构，都有机会成为本轮日线级别下跌的终结段。换句话说，市场正在逐步接近日线级别的转折窗口。对于现货投资者来说，近期已经进入值得关注和分批布局的区域，但最终仍需等待结构确认。交易不是预测，而是跟随结构。 #比特币 #缠论 #量化交易

BTC 大结构跟踪： 82,000 附近开启的这笔 4H 下跌，目前看已接近衰竭。接下来重点观察能否走出一笔有力度的 4H 反弹。若反弹完成后再出现一笔向下走势，无论是破底还是不破底，只要形成背驰结构，都有机会成为本轮日线级别下跌的终结段。换句话说，市场正在逐步接近日线级别的转折窗口。对于现货投资者来说，近期已经进入值得关注和分批布局的区域，但最终仍需等待结构确认。交易不是预测，而是跟随结构。 #比特币 #缠论 #量化交易

海哥缠论

32,113 次观看 • 3 个月前

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：

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

25,657 次观看 • 9 天前

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。

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 次观看 • 1 个月前

量化交易绕不开的库：TA-Lib，150+ 技术指标直接调用 ta-lib-python 是经典 TA-Lib 的官方 Python 封装，提供超过 150 种技术指标和 K 线形态识别功能。它覆盖了动量、趋势、波动率、成交量、重叠研究、形态识别等多个类别，是量化交易和技术分析中非常基础的工具。核心能力如下： 1️⃣ 覆盖常见技术指标（MACD、RSI、BOLL、KDJ、ADX、ATR 等） 2️⃣ 支持 60+ 种 K 线形态识别（锤头、吞没、十字星等） 3️⃣ 基于 Cython + NumPy，计算速度较快 4️⃣ 可直接配合 Pandas、Polars 使用 5️⃣ 提供函数式 API 和抽象 API，调用比较灵活它可是目前 Python 量化里使用最广泛的技术分析库之一。对做技术分析、策略回测，或者需要批量计算指标的人来说，这个库基本绕不开。

量化交易绕不开的库：TA-Lib，150+ 技术指标直接调用 ta-lib-python 是经典 TA-Lib 的官方 Python 封装，提供超过 150 种技术指标和 K 线形态识别功能。它覆盖了动量、趋势、波动率、成交量、重叠研究、形态识别等多个类别，是量化交易和技术分析中非常基础的工具。核心能力如下： 1️⃣ 覆盖常见技术指标（MACD、RSI、BOLL、KDJ、ADX、ATR 等） 2️⃣ 支持 60+ 种 K 线形态识别（锤头、吞没、十字星等） 3️⃣ 基于 Cython + NumPy，计算速度较快 4️⃣ 可直接配合 Pandas、Polars 使用 5️⃣ 提供函数式 API 和抽象 API，调用比较灵活它可是目前 Python 量化里使用最广泛的技术分析库之一。对做技术分析、策略回测，或者需要批量计算指标的人来说，这个库基本绕不开。

爱吃折耳根的Ace

13,449 次观看 • 1 个月前

做量化策略最烦的不是写逻辑，是搭架子。这个库把数据源、持仓管理、订单执行、回测报告、部署接口——Investing Algorithm Framework 把这些全封装好了，1.7K stars。一套代码，写完既能回测又能直接部署成交易机器人。ccxt 直连几十家交易所，数据自动转成 Polars DataFrame，快且省内存。几个对量化党很实用的点： 1️⃣ 同一个策略函数，backtest() 跑历史，run() 直接上实盘，不用改代码 2️⃣ ccxt 集成：币安、OKX 等几十家交易所统一接口 3️⃣ 回测报告自带绩效分析，收益曲线一目了然 4️⃣ 支持做多做空、止损、仓位管理和信号冷却 5️⃣ 可部署到云函数，也能本地长期挂机以前做加密策略：接 ccxt → 自己写仓位管理 → 自己写回测 → 自己写部署。现在这个框架一条龙，你只需要关心策略本身。对想把策略从研究推到实盘的人，值得直接试一下。

做量化策略最烦的不是写逻辑，是搭架子。这个库把数据源、持仓管理、订单执行、回测报告、部署接口——Investing Algorithm Framework 把这些全封装好了，1.7K stars。一套代码，写完既能回测又能直接部署成交易机器人。ccxt 直连几十家交易所，数据自动转成 Polars DataFrame，快且省内存。几个对量化党很实用的点： 1️⃣ 同一个策略函数，backtest() 跑历史，run() 直接上实盘，不用改代码 2️⃣ ccxt 集成：币安、OKX 等几十家交易所统一接口 3️⃣ 回测报告自带绩效分析，收益曲线一目了然 4️⃣ 支持做多做空、止损、仓位管理和信号冷却 5️⃣ 可部署到云函数，也能本地长期挂机以前做加密策略：接 ccxt → 自己写仓位管理 → 自己写回测 → 自己写部署。现在这个框架一条龙，你只需要关心策略本身。对想把策略从研究推到实盘的人，值得直接试一下。

爱吃折耳根的Ace

24,479 次观看 • 1 个月前

AI 股票分析开源了！！终于不只是“把股票代码丢给模型问一句”了！每天盯行情、翻新闻、看公告、查资金流，再手动整理自选股复盘，真的太低效了。分享一个很适合前端、独立开发者和 AI 工具玩家研究的 GitHub 开源项目 —— Daily Stock Analysis 它是一个基于 LLM 的多市场股票智能分析系统。支持 A 股 / 港股 / 美股 / 日股 / 韩股自选股分析能把行情、K 线、技术指标、资金流、筹码、新闻、公告、基本面等信息聚合起来，再自动生成结构化的「决策仪表盘」。核心结论、评分、趋势判断、风险警报、催化因素、操作检查清单，都能一屏看清。更厉害的是，它不是一个简单脚本。它自带 Web / 桌面工作台，支持手动分析、任务进度、历史报告、完整 Markdown、回测、持仓、配置管理、浅色 / 深色主题。对独立开发者来说，这不只是一个股票分析工具，更像是一套完整的 AI 金融研究工作流模板：数据聚合、模型分析、报告生成、Web 工作台、自动推送，全部都搭好了。地址：

AI 股票分析开源了！！终于不只是“把股票代码丢给模型问一句”了！每天盯行情、翻新闻、看公告、查资金流，再手动整理自选股复盘，真的太低效了。分享一个很适合前端、独立开发者和 AI 工具玩家研究的 GitHub 开源项目 —— Daily Stock Analysis 它是一个基于 LLM 的多市场股票智能分析系统。支持 A 股 / 港股 / 美股 / 日股 / 韩股自选股分析能把行情、K 线、技术指标、资金流、筹码、新闻、公告、基本面等信息聚合起来，再自动生成结构化的「决策仪表盘」。核心结论、评分、趋势判断、风险警报、催化因素、操作检查清单，都能一屏看清。更厉害的是，它不是一个简单脚本。它自带 Web / 桌面工作台，支持手动分析、任务进度、历史报告、完整 Markdown、回测、持仓、配置管理、浅色 / 深色主题。对独立开发者来说，这不只是一个股票分析工具，更像是一套完整的 AI 金融研究工作流模板：数据聚合、模型分析、报告生成、Web 工作台、自动推送，全部都搭好了。地址：

Ada哒哒哒🐬

176,280 次观看 • 2 个月前

好家伙！A股行情一个 .py 文件就搞定 Ashare，3.8K stars，免 key 免积分，日线/周线/分钟线全 DataFrame，新浪+腾讯双核心自动切换！以前拿 A股实时行情，要么注册 tushare 凑积分，要么装一堆依赖库。 Ashare 不一样——整个库就一个文件，from Ashare import * 就能用，get_price() 一个函数拉日线/周线/月线/分钟线。核心亮点： 1️⃣ 极简到极致：整个库就一个 2️⃣ 双内核：新浪 + 腾讯两套行情源，一主一备自动故障切换，稳定运行数年，做实盘行情源都能扛 3️⃣ get_price() 一个函数全搞定：日线/周线/月线/分钟线（1m~60m）/小时线全支持 4️⃣ 代码格式兼容三种写法：通达信 sh600519、聚宽 600519.XSHG、同花顺 5️⃣ 数据全清洗成 DataFrame，直接 pandas 分析，3.8K stars、661 forks 核心很直接：同一套调用能取历史日线，也能取刚走完的 15 分钟线。sh600519、600519.XSHG、sz399006 都能认，通达信、同花顺、聚宽代码不用先换格式。作者说能当实盘行情参考，也只是行情，柜台还得另接。拿 A股行情别再凑积分、装一堆库了，一个文件就能跑。

好家伙！A股行情一个 .py 文件就搞定 Ashare，3.8K stars，免 key 免积分，日线/周线/分钟线全 DataFrame，新浪+腾讯双核心自动切换！以前拿 A股实时行情，要么注册 tushare 凑积分，要么装一堆依赖库。 Ashare 不一样——整个库就一个文件，from Ashare import * 就能用，get_price() 一个函数拉日线/周线/月线/分钟线。核心亮点： 1️⃣ 极简到极致：整个库就一个 2️⃣ 双内核：新浪 + 腾讯两套行情源，一主一备自动故障切换，稳定运行数年，做实盘行情源都能扛 3️⃣ get_price() 一个函数全搞定：日线/周线/月线/分钟线（1m~60m）/小时线全支持 4️⃣ 代码格式兼容三种写法：通达信 sh600519、聚宽 600519.XSHG、同花顺 5️⃣ 数据全清洗成 DataFrame，直接 pandas 分析，3.8K stars、661 forks 核心很直接：同一套调用能取历史日线，也能取刚走完的 15 分钟线。sh600519、600519.XSHG、sz399006 都能认，通达信、同花顺、聚宽代码不用先换格式。作者说能当实盘行情参考，也只是行情，柜台还得另接。拿 A股行情别再凑积分、装一堆库了，一个文件就能跑。

爱吃折耳根的Ace

23,284 次观看 • 11 天前

真给它做出来了！Python 里直接调 TradingView 官方筛选器 TradingView-Screener，1.2K stars，3000+ 字段、70 国股票 + 币 + 外汇 + 期货全市场扫描，免爬虫、免订阅就能跑！以前想做全市场选股/扫描，要么手动翻 TradingView 筛选器，要么自己写爬虫解析网页，又脆又慢。这个库不一样——它直接包 TradingView 官方 /screener 接口，SQL 式语法一句话筛出你要的票。核心亮点： 1️⃣ 直连 TradingView 官方接口，不爬网页、不解析 HTML，数据稳、不易被封 2️⃣ 3000+ 字段：OHLC、技术指标、基本面（市盈率/每股收益）、还有 TradingView 内部独有字段 3️⃣ 覆盖 70 国股票 + 期权 + 加密货币 + 外汇 + 期货 + 债券，一个库全市场通吃 4️⃣ 多周期自由混用：1分钟到月线 10 个周期，同一查询里 close、close|5、MACD|1 随便组合，免订阅 5️⃣ SQL 式筛选 + AND/OR 逻辑，返回 pandas DataFrame，直接进回测流水线做量化第一步是找票，别再手动翻筛选器或写爬虫了，TradingView 那套 3000+ 字段现在一行代码就能扫。

真给它做出来了！Python 里直接调 TradingView 官方筛选器 TradingView-Screener，1.2K stars，3000+ 字段、70 国股票 + 币 + 外汇 + 期货全市场扫描，免爬虫、免订阅就能跑！以前想做全市场选股/扫描，要么手动翻 TradingView 筛选器，要么自己写爬虫解析网页，又脆又慢。这个库不一样——它直接包 TradingView 官方 /screener 接口，SQL 式语法一句话筛出你要的票。核心亮点： 1️⃣ 直连 TradingView 官方接口，不爬网页、不解析 HTML，数据稳、不易被封 2️⃣ 3000+ 字段：OHLC、技术指标、基本面（市盈率/每股收益）、还有 TradingView 内部独有字段 3️⃣ 覆盖 70 国股票 + 期权 + 加密货币 + 外汇 + 期货 + 债券，一个库全市场通吃 4️⃣ 多周期自由混用：1分钟到月线 10 个周期，同一查询里 close、close|5、MACD|1 随便组合，免订阅 5️⃣ SQL 式筛选 + AND/OR 逻辑，返回 pandas DataFrame，直接进回测流水线做量化第一步是找票，别再手动翻筛选器或写爬虫了，TradingView 那套 3000+ 字段现在一行代码就能扫。

爱吃折耳根的Ace

57,777 次观看 • 13 天前

以前在 360 工作过，也一直持有一点 360 的股票。所以看到最新一季报后，我还是挺想认真研究一下：这次扭亏，到底是业务变好了，还是费用降下来了？刚好最近在体验 Ling-3.0-flash-Fin，就把整份财报直接丢给它做了次测试。它不只是把财报摘要了一遍，而是顺着营收、毛利率、销售费用、研发费用和经营现金流一路拆下来，把数据来源和计算过程也列得比较清楚。这也是 Ling-3.0-flash-Fin 比较打动我的地方：它不是只针对某一道金融问答给出答案，而是把信息检索、研究推理、计算和结果交付串成一条完整的工作流。面对财报、工作簿和多份研究材料，它会尽量优先寻找可信的一手信息，核对数据口径，再调用工具完成计算，让结论能够回到原始材料中复核。它延续了 Ling-3.0-flash 的长上下文能力，在金融语料训练和工具使用上做了专门增强，同时采用 124B 总参数、5.1B 激活参数的架构，兼顾专业能力和运行效率。再加上开放模型路线，对金融机构、研究团队和开发者来说，也更方便进一步部署和二次开发。最后的判断是：360 一季度确实扭亏了，但利润改善更多来自费用下降；收入和现金流也在改善，不过现在还不能太早下结论。因为我既是前员工，又是股东，看这家公司多少会带点感情色彩。让模型帮我把数据重新梳理一遍，反而能提醒自己：熟悉一家公司，不等于真的看懂了它的财报。分析结论十分透彻还带有隐患提示大家也可以找一家自己熟悉的公司，把财报扔给 Ling- 3.0-flash-Fin 试试。现在可以直接在 OpenRouter 上体验：看看它给出的结论，和你的判断是不是一样。以上只是模型测试，不构成任何投资建议。

以前在 360 工作过，也一直持有一点 360 的股票。所以看到最新一季报后，我还是挺想认真研究一下：这次扭亏，到底是业务变好了，还是费用降下来了？刚好最近在体验 Ling-3.0-flash-Fin，就把整份财报直接丢给它做了次测试。它不只是把财报摘要了一遍，而是顺着营收、毛利率、销售费用、研发费用和经营现金流一路拆下来，把数据来源和计算过程也列得比较清楚。这也是 Ling-3.0-flash-Fin 比较打动我的地方：它不是只针对某一道金融问答给出答案，而是把信息检索、研究推理、计算和结果交付串成一条完整的工作流。面对财报、工作簿和多份研究材料，它会尽量优先寻找可信的一手信息，核对数据口径，再调用工具完成计算，让结论能够回到原始材料中复核。它延续了 Ling-3.0-flash 的长上下文能力，在金融语料训练和工具使用上做了专门增强，同时采用 124B 总参数、5.1B 激活参数的架构，兼顾专业能力和运行效率。再加上开放模型路线，对金融机构、研究团队和开发者来说，也更方便进一步部署和二次开发。最后的判断是：360 一季度确实扭亏了，但利润改善更多来自费用下降；收入和现金流也在改善，不过现在还不能太早下结论。因为我既是前员工，又是股东，看这家公司多少会带点感情色彩。让模型帮我把数据重新梳理一遍，反而能提醒自己：熟悉一家公司，不等于真的看懂了它的财报。分析结论十分透彻还带有隐患提示大家也可以找一家自己熟悉的公司，把财报扔给 Ling- 3.0-flash-Fin 试试。现在可以直接在 OpenRouter 上体验：看看它给出的结论，和你的判断是不是一样。以上只是模型测试，不构成任何投资建议。

程序员端哥

24,081 次观看 • 20 天前

我把百灵大模型装进 Mac，接进了自己的自动化打狗meme系统如何让大模型全程不消耗云端 Token 额度，写作、编辑、报表和代码都在自己的电脑上完成？我把百灵大模型装进 Mac 后，给它出了一个和我工作直接相关的任务： “如果我有一些加密货币和美股策略，你能不能帮我做自动化监控和辅助决策？” 不到 5 分钟，它从空白开始拆出了数据源、信号生成、风险控制、执行监控和 Python 代码骨架。整个过程由 Ling-3.0-tiny-int4 在我的 M4 Mac mini 本地完成，没有调用云端模型。我没有停留在聊天演示：现在已经把它接入自己的自动化打狗系统，开始测试百灵 AI 的入场复核和影子决策能力。

我把百灵大模型装进 Mac，接进了自己的自动化打狗meme系统如何让大模型全程不消耗云端 Token 额度，写作、编辑、报表和代码都在自己的电脑上完成？我把百灵大模型装进 Mac 后，给它出了一个和我工作直接相关的任务： “如果我有一些加密货币和美股策略，你能不能帮我做自动化监控和辅助决策？” 不到 5 分钟，它从空白开始拆出了数据源、信号生成、风险控制、执行监控和 Python 代码骨架。整个过程由 Ling-3.0-tiny-int4 在我的 M4 Mac mini 本地完成，没有调用云端模型。我没有停留在聊天演示：现在已经把它接入自己的自动化打狗系统，开始测试百灵 AI 的入场复核和影子决策能力。

DeFi狙击手 | Ai🕊️

14,015 次观看 • 1 个月前