Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

🚨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

2,837 subscribers

23,339 просмотров • 1 месяц назад •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

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 просмотров • 1 месяц назад

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。

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 просмотров • 1 месяц назад

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。

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 просмотров • 1 месяц назад

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。

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 просмотров • 20 дней назад

🚨 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 просмотров • 2 месяцев назад

🚨 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

🚨 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 просмотров • 2 месяцев назад

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 SDK，不仅可以获取市场数据，还能订阅实时数据流，并连接模拟交易。研究、信号和执行，可以逐步接到同一套流程里。 6️⃣ Finnhub 1.1k star 通过 REST 和 WebSocket 覆盖股票、外汇与加密资产，还能补充公司新闻和基本面信息，适合做实时监控和事件策略。这 6 个工具，不只是简单收藏。它们可以组合成一条完整的量化研究流程：行情数据 → 宏观因子 → 策略研究 → 回测验证 → 实时监控 → 模拟交易免费数据不一定适合直接实盘，但足够帮助你把量化研究系统搭起来。

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 SDK，不仅可以获取市场数据，还能订阅实时数据流，并连接模拟交易。研究、信号和执行，可以逐步接到同一套流程里。 6️⃣ Finnhub 1.1k star 通过 REST 和 WebSocket 覆盖股票、外汇与加密资产，还能补充公司新闻和基本面信息，适合做实时监控和事件策略。这 6 个工具，不只是简单收藏。它们可以组合成一条完整的量化研究流程：行情数据 → 宏观因子 → 策略研究 → 回测验证 → 实时监控 → 模拟交易免费数据不一定适合直接实盘，但足够帮助你把量化研究系统搭起来。

爱吃折耳根的Ace

22,067 просмотров • 1 месяц назад

兄弟们！摩根大通内部 Python 量化培训资料，开源了！ jpmorganchase 开源的 python-training，是摩根大通内部给业务分析师和交易员用的 Python 培训内容，目前有 13.7K Star。虽然定位是数值计算和数据可视化入门，但内容我看了明显偏向金融和量化场景，主要包括： 1️⃣ 基础 Python 与数值计算 2️⃣ 期权相关案例（比如 Straddle） 3️⃣ 金融数据获取与处理 4️⃣ Altman Z-Score 等信用风险指标计算 5️⃣ 数据可视化与进阶绘图 6️⃣ 网页数据和 API 调用实操整体就是给交易员和分析师准备的实用型量化入门课，重点不是教完整编程，而是让人快速用 Python 处理金融数据和做简单分析。对想了解金融机构内部如何培训量化相关技能、或者需要偏实战金融案例的人来说，这份材料有参考价值。

兄弟们！摩根大通内部 Python 量化培训资料，开源了！ jpmorganchase 开源的 python-training，是摩根大通内部给业务分析师和交易员用的 Python 培训内容，目前有 13.7K Star。虽然定位是数值计算和数据可视化入门，但内容我看了明显偏向金融和量化场景，主要包括： 1️⃣ 基础 Python 与数值计算 2️⃣ 期权相关案例（比如 Straddle） 3️⃣ 金融数据获取与处理 4️⃣ Altman Z-Score 等信用风险指标计算 5️⃣ 数据可视化与进阶绘图 6️⃣ 网页数据和 API 调用实操整体就是给交易员和分析师准备的实用型量化入门课，重点不是教完整编程，而是让人快速用 Python 处理金融数据和做简单分析。对想了解金融机构内部如何培训量化相关技能、或者需要偏实战金融案例的人来说，这份材料有参考价值。

爱吃折耳根的Ace

13,344 просмотров • 1 месяц назад

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～

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 просмотров • 1 месяц назад

🚨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。

🚨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

23,353 просмотров • 2 месяцев назад

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

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

15,710 просмотров • 7 дней назад

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。

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 просмотров • 1 месяц назад

🚨 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！

🚨 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 просмотров • 2 месяцев назад

这可能是目前最完整的Python量化交易入门教程了遇到一位真正把 Python 量化交易从零到一讲透的老师。我问他，完全没有编程基础、也没有金融背景的人，能不能真正写出一套能跑通的量化回测系统？他不仅给了肯定的回答，还亲自录制了这支时长约 3 小时的完整实战教程。他从零开始，一步步手把手教你完成： 1️⃣环境搭建（Anaconda + Jupyter）与基础语法 2️⃣批量下载股票数据、数据清洗与归一化对比 3️⃣简单收益率 vs 对数收益率的核心区别 4️⃣风险收益指标、协方差、最大回撤计算 5️⃣手写双均线策略（做多+做空 & 仅做多） 6️⃣把整个回测逻辑封装成可复用的面向对象类（SMABacktester） 7️⃣最后接入 Alpha Vantage API，为后续实盘打基础这不是半成品代码演示，而是真正完整的 Zero to Hero 路径。只要跟着敲一遍，就能掌握量化数据处理和基础策略回测的全流程。时长虽然有 3 小时，但非常值得一看。建议直接收藏，回家安静保存着慢慢看，认真跟着做一遍，收获会远超预期。

这可能是目前最完整的Python量化交易入门教程了遇到一位真正把 Python 量化交易从零到一讲透的老师。我问他，完全没有编程基础、也没有金融背景的人，能不能真正写出一套能跑通的量化回测系统？他不仅给了肯定的回答，还亲自录制了这支时长约 3 小时的完整实战教程。他从零开始，一步步手把手教你完成： 1️⃣环境搭建（Anaconda + Jupyter）与基础语法 2️⃣批量下载股票数据、数据清洗与归一化对比 3️⃣简单收益率 vs 对数收益率的核心区别 4️⃣风险收益指标、协方差、最大回撤计算 5️⃣手写双均线策略（做多+做空 & 仅做多） 6️⃣把整个回测逻辑封装成可复用的面向对象类（SMABacktester） 7️⃣最后接入 Alpha Vantage API，为后续实盘打基础这不是半成品代码演示，而是真正完整的 Zero to Hero 路径。只要跟着敲一遍，就能掌握量化数据处理和基础策略回测的全流程。时长虽然有 3 小时，但非常值得一看。建议直接收藏，回家安静保存着慢慢看，认真跟着做一遍，收获会远超预期。

爱吃折耳根的Ace

34,568 просмотров • 1 месяц назад

兄弟们！第一个专门给 A 股做的多智能体投资 Agent，2.4K stars，MIT 开源！ A 股散户终于有自己的 AI 投研团队了！不是美股版的翻译搬运，是从数据源到策略逻辑到风控全部围绕 A 股生态重新设计的。基本面分析、技术面分析、市场情绪、宏观经济——每个角色一个 Agent，分工协作，像一家迷你券商研究所。核心特点如下： 1️⃣ 多 Agent 架构：技术、基本面、情绪、估值、宏观等分析师分工 2️⃣ 多空辩论机制：看多和看空研究员先辩论，再由 LLM 做中立评估 3️⃣ 风险管理和组合决策环节 4️⃣ 数据来自 AkShare，并带本地缓存 5️⃣ 支持新闻搜索和情感分析 6️⃣ 提供 FastAPI 接口，方便调用以前用 AI 做 A 股：用美股框架硬套 → 数据源不对 → 财报格式不对 → 放弃了。现在 A_Share_investment_Agent 从数据到模型到报告全是 A 股原生。对想研究 AI Agent 在投资分析中的应用，或者关注 A 股智能化研究的人来说，值得看看。

兄弟们！第一个专门给 A 股做的多智能体投资 Agent，2.4K stars，MIT 开源！ A 股散户终于有自己的 AI 投研团队了！不是美股版的翻译搬运，是从数据源到策略逻辑到风控全部围绕 A 股生态重新设计的。基本面分析、技术面分析、市场情绪、宏观经济——每个角色一个 Agent，分工协作，像一家迷你券商研究所。核心特点如下： 1️⃣ 多 Agent 架构：技术、基本面、情绪、估值、宏观等分析师分工 2️⃣ 多空辩论机制：看多和看空研究员先辩论，再由 LLM 做中立评估 3️⃣ 风险管理和组合决策环节 4️⃣ 数据来自 AkShare，并带本地缓存 5️⃣ 支持新闻搜索和情感分析 6️⃣ 提供 FastAPI 接口，方便调用以前用 AI 做 A 股：用美股框架硬套 → 数据源不对 → 财报格式不对 → 放弃了。现在 A_Share_investment_Agent 从数据到模型到报告全是 A 股原生。对想研究 AI Agent 在投资分析中的应用，或者关注 A 股智能化研究的人来说，值得看看。

爱吃折耳根的Ace

28,782 просмотров • 1 месяц назад

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。

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 просмотров • 10 дней назад

$挖到一个挺实用的开源东西，做美股的人基本都用得上。 finvizfinance，1.6K stars，把 FinViz 整站数据封装成 Python 库——选股器、内部人交易、财报日历、新闻、期货/币，全是一行代码拉成 DataFrame，免 key。以前想在 FinViz 上按行业、估值筛一批美股，得手动点半天还导不出表格；想看内部人交易和财报日期，还得另外开页面。这个库不一样，它把 FinViz 那套数据全变成 Python 接口，set_filter 设个条件，DataFrame 直接出来。核心亮点： 1️⃣ Screener 六大类筛选器全支持：Overview/估值/财务/持仓/表现/技术，条件筛完直接出表 2️⃣ 单只个股 Quote 全维度：基本面、外部评级、内部人交易、ETF 持仓、同行对比、新闻 3️⃣ 内部人交易、财经新闻（news+blogs）、经济日历、财报日期分组，一个库全有 4️⃣ 期货、外汇、加密货币的行情和表现也覆盖，全返回 pandas 5️⃣ 支持代理、1.6K stars + 269 forks，MIT 开源，pip install finvizfinance 即装核心很直接：set_filter({'Index':'S&P 500','Sector':'Basic Materials'})，screener_view() 拉表。单票 ticker_fundament() 出 PE、市值那一长串。别再把时间花在 FinViz 网页上一个一个点了，这套接口帮你把美股数据全拉成表。$

挖到一个挺实用的开源东西，做美股的人基本都用得上。 finvizfinance，1.6K stars，把 FinViz 整站数据封装成 Python 库——选股器、内部人交易、财报日历、新闻、期货/币，全是一行代码拉成 DataFrame，免 key。以前想在 FinViz 上按行业、估值筛一批美股，得手动点半天还导不出表格；想看内部人交易和财报日期，还得另外开页面。这个库不一样，它把 FinViz 那套数据全变成 Python 接口，set_filter 设个条件，DataFrame 直接出来。核心亮点： 1️⃣ Screener 六大类筛选器全支持：Overview/估值/财务/持仓/表现/技术，条件筛完直接出表 2️⃣ 单只个股 Quote 全维度：基本面、外部评级、内部人交易、ETF 持仓、同行对比、新闻 3️⃣ 内部人交易、财经新闻（news+blogs）、经济日历、财报日期分组，一个库全有 4️⃣ 期货、外汇、加密货币的行情和表现也覆盖，全返回 pandas 5️⃣ 支持代理、1.6K stars + 269 forks，MIT 开源，pip install finvizfinance 即装核心很直接：set_filter({'Index':'S&P 500','Sector':'Basic Materials'})，screener_view() 拉表。单票 ticker_fundament() 出 PE、市值那一长串。别再把时间花在 FinViz 网页上一个一个点了，这套接口帮你把美股数据全拉成表。

爱吃折耳根的Ace

28,943 просмотров • 8 дней назад

投资大佬Kevin O'Leary说他的投资引路人是母亲，他认为他母亲的投资业绩远远超过对冲基金。他母亲在55年间一直投资于派息大盘股和电信债券(收益率为6.5-8%)。她只动用股息和利息，从不动用本金。关键规则是，每个行业的投资比例不超过20%，每只股票的投资比例不超过5%。一旦超过比例，就卖出一部分。这是经典的多元化分散投资。50年如一日坚持一个基本的投资策略，说来容易，做起来还是需要定力和耐心。

投资大佬Kevin O'Leary说他的投资引路人是母亲，他认为他母亲的投资业绩远远超过对冲基金。他母亲在55年间一直投资于派息大盘股和电信债券(收益率为6.5-8%)。她只动用股息和利息，从不动用本金。关键规则是，每个行业的投资比例不超过20%，每只股票的投资比例不超过5%。一旦超过比例，就卖出一部分。这是经典的多元化分散投资。50年如一日坚持一个基本的投资策略，说来容易，做起来还是需要定力和耐心。

徐老猫

52,737 просмотров • 7 месяцев назад

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。

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

29,336 просмотров • 3 месяцев назад

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。

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 просмотров • 1 месяц назад