Loading video...

Video Failed to Load

There was a problem loading this video. This could be due to a temporary network issue or the video might be unavailable.

我去！AKShare 团队憋了个大招——AKQuant，Rust 内核 + Python 接口的高性能回测框架，2.1K stars！之前 AKShare 解决了 A 股数据获取，这次 AKQuant 直接把"回测引擎 + ML 训练"从底层焊死了。 Rust 写内核追求极致速度，Python 接口保持灵活，Zero-Copy 数据导入省掉一层开销。核心亮点： 1️⃣ 直接接 AKShare 拉 A 股日线，示例里就能跑通 2️⃣ 内核按 T+1、资金风控处理，不是纯向量回测 3️⃣ 103 个 TA-Lib 指标 + Polars 因子表达式 4️⃣ 内置 Walk-forward，能接 PyTorch / Sklearn 5️⃣ 多标的、参数网格、成交与持仓明细都能导出做 AI... show more

爱吃折耳根的Ace

6,126 subscribers

33,585 views • 1 month ago •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

7 Comments

geiwoziyou1 month ago

原来一直用鹦鹉螺的回测，也是靠谱的，也是rust写的

阿台🕊️29 days ago

这波操作有点东西啊！

sanhe1 month ago

这框架内核按T+1和A股风控逻辑设计的，喂加密数据时资金费率和永续标记价这些机制有专门适配吗？

星星量化-顶尖的AI量化平台1 month ago

Rust写回测内核确实是对的方向，Python那套性能瓶颈太明显了。AKShare生态越来越完善了 🔥

爱吃折耳根的Ace1 month ago

Python 留接口就行，真正吃性能的回测内核交给 Rust 更合理。AKShare 这套现在确实越来越顺了。

💜（猫病第iii期 | 网红模特经济1 month ago

从底层焊死了哈哈太狠了

geiwoziyou29 days ago

等你在继续研究，就会发现，行情数据的清洗梳理会占掉你很多的时间，但做好了，后面好多事情才会顺，不然就是垃圾进，垃圾出

Related Videos

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。

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 • 1 month ago

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 views • 1 month ago

🚨 一个极致向量化、速度非常快的回测框架。 VectorBT，8.1K stars！别人跑一个回测的时间，你能跑一万个，史上最快的向量化回测框架！核心优势是完全向量化，能大幅提升回测和参数优化的速度。它特别适合需要跑大量策略、做参数扫描或者进行大规模回测的用户。相比传统循环式的回测方式，vectorbt 在处理大量数据和参数组合时速度优势明显。核心亮点： > 向量化矩阵回测：一万组参数同时跑，不是 for 循环一条条跑 > Numba + Rust 双引擎，比传统事件驱动框架快 100-1000 倍 > 内置 TA-Lib + Pandas TA，技术指标开箱即用 > Walk-Forward 滚动优化 + Monte Carlo 鲁棒性测试 > QuantStats 集成，绩效报告一键生成 > Apache 2.0 开源，PyPI 总下载量 290 万次以前做参数优化：改一个参数 → 跑一遍回测 → 画一张图 → 再改 → 再跑 → 一天过去了。现在 VectorBT 一万组参数一次跑完，最优解直接出来。

🚨 一个极致向量化、速度非常快的回测框架。 VectorBT，8.1K stars！别人跑一个回测的时间，你能跑一万个，史上最快的向量化回测框架！核心优势是完全向量化，能大幅提升回测和参数优化的速度。它特别适合需要跑大量策略、做参数扫描或者进行大规模回测的用户。相比传统循环式的回测方式，vectorbt 在处理大量数据和参数组合时速度优势明显。核心亮点： > 向量化矩阵回测：一万组参数同时跑，不是 for 循环一条条跑 > Numba + Rust 双引擎，比传统事件驱动框架快 100-1000 倍 > 内置 TA-Lib + Pandas TA，技术指标开箱即用 > Walk-Forward 滚动优化 + Monte Carlo 鲁棒性测试 > QuantStats 集成，绩效报告一键生成 > Apache 2.0 开源，PyPI 总下载量 290 万次以前做参数优化：改一个参数 → 跑一遍回测 → 画一张图 → 再改 → 再跑 → 一天过去了。现在 VectorBT 一万组参数一次跑完，最优解直接出来。

爱吃折耳根的Ace

15,198 views • 2 months ago

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 views • 1 month ago

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 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。

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 • 2 months 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：

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

26,334 views • 19 days 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。

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 • 1 month ago

终于有人把 A 股 / 美港股数据源与量化基建彻底打通了！分享一个开源量化天花板级的项目--LEAN，把数据获取、清洗、回测、实盘接口整合成完整闭环，开箱即用。 ✅ 核心能力告别数据荒：支持上百种数据源和主流券商接口，轻松集成美股、港股、A股等资产的历史 Tick 数据策略自由度拉满：高性能零延迟撮合，采用事件驱动 + 模块化架构，支持多智能体协作与自定义风险模型。全链路回测闭环：内置极致精准的本地回测引擎，深度模拟滑点、交易成本和市场冲击，提供专业风险评估、绩效分析和高清可视化看板。一键封装成skill，直接让你的 Cursor / Claude Code 调用，不仅能帮你生成策略，还能直接跑回测、看绩效，全套量化工作流一气呵成！感兴趣的可以看看哦～非投资建议，dyor 地址：

终于有人把 A 股 / 美港股数据源与量化基建彻底打通了！分享一个开源量化天花板级的项目--LEAN，把数据获取、清洗、回测、实盘接口整合成完整闭环，开箱即用。 ✅ 核心能力告别数据荒：支持上百种数据源和主流券商接口，轻松集成美股、港股、A股等资产的历史 Tick 数据策略自由度拉满：高性能零延迟撮合，采用事件驱动 + 模块化架构，支持多智能体协作与自定义风险模型。全链路回测闭环：内置极致精准的本地回测引擎，深度模拟滑点、交易成本和市场冲击，提供专业风险评估、绩效分析和高清可视化看板。一键封装成skill，直接让你的 Cursor / Claude Code 调用，不仅能帮你生成策略，还能直接跑回测、看绩效，全套量化工作流一气呵成！感兴趣的可以看看哦～非投资建议，dyor 地址：

爱丽丝呀！

30,411 views • 3 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

🚨 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

59,785 views • 3 months ago

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 views • 2 months ago

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 views • 2 months 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。

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

63,324 views • 1 month ago

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

23,304 views • 1 month ago

这就舒服了！股票技术指标不用再一个个手写——stockstats，1.5K stars 50+ 技术指标直接做成 pandas 列，df['macd'] 一行取，金叉死叉也能直接判断。以前算技术指标，要自己写 RSI、MACD、布林带这些公式，或者接 TA-Lib，来回维护很麻烦。 stockstats 的思路很直接：给 pandas.DataFrame 套一层 StockDataFrame，行情数据进去，df['rsi']、df['macd']、df['boll'] 直接取，跟普通列差不多。核心亮点： 1️⃣ 50+ 技术指标：MACD、KDJ、RSI、布林带、ATR、CCI、Supertrend、一目均衡等 2️⃣ pandas 无缝衔接：指标按需计算，用到哪列再算哪列 3️⃣ 金叉死叉直接写：close_10_sma_xu_close_50_sma 可判断均线交叉 4️⃣ 比较信号也内置：rsi_ge_70、kdjk_xu_kdjd 这类条件可以直接进策略 5️⃣ 安装简单：pip install stockstats，Python 3.9+，BSD-3-Clause 开源我比较喜欢的是，它把算技术指标变成了取 DataFrame 的一列。写策略、做因子或者 ML 特征工程时，不用再维护一堆 RSI、MACD 的计算公式，数据准备好，直接拿指标和信号。

这就舒服了！股票技术指标不用再一个个手写——stockstats，1.5K stars 50+ 技术指标直接做成 pandas 列，df['macd'] 一行取，金叉死叉也能直接判断。以前算技术指标，要自己写 RSI、MACD、布林带这些公式，或者接 TA-Lib，来回维护很麻烦。 stockstats 的思路很直接：给 pandas.DataFrame 套一层 StockDataFrame，行情数据进去，df['rsi']、df['macd']、df['boll'] 直接取，跟普通列差不多。核心亮点： 1️⃣ 50+ 技术指标：MACD、KDJ、RSI、布林带、ATR、CCI、Supertrend、一目均衡等 2️⃣ pandas 无缝衔接：指标按需计算，用到哪列再算哪列 3️⃣ 金叉死叉直接写：close_10_sma_xu_close_50_sma 可判断均线交叉 4️⃣ 比较信号也内置：rsi_ge_70、kdjk_xu_kdjd 这类条件可以直接进策略 5️⃣ 安装简单：pip install stockstats，Python 3.9+，BSD-3-Clause 开源我比较喜欢的是，它把算技术指标变成了取 DataFrame 的一列。写策略、做因子或者 ML 特征工程时，不用再维护一堆 RSI、MACD 的计算公式，数据准备好，直接拿指标和信号。

爱吃折耳根的Ace

21,976 views • 23 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。

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 • 2 months ago

如果你经常用 Claude、Cursor、Codex 做金融分析，这个可以直接给 AI 装一套金融数据底座——FinanceMCP 它不是单纯接一个行情 API，而是把股票、基金、债券、期货、宏观、新闻和 Crypto 数据统一封装成 MCP，让 Agent 自己按需要调用。核心能力： 1️⃣ 19 个金融 MCP Tools：行情、分钟 K、财务、基金、资金流、龙虎榜、融资融券、宏观、7×24 新闻等都已经封装好 2️⃣ 多市场覆盖：A 股、港股、美股、指数、基金、债券、期货、外汇、宏观和加密资产 3️⃣ 多数据源路由：支持 Tushare、Qveris、Twingly、Binance，Agent 不需要自己判断该调哪个接口 4️⃣ 自动降级：某个数据源限流、超时或没有覆盖时，会自动切换到下一个可用来源 5️⃣ 来源可追溯：每次返回都会标记实际用了哪个数据源，方便检查 AI 到底拿了什么数据 6️⃣ 技术指标：MACD、RSI、KDJ、BOLL、MA 可以直接计算，不用每次让模型自己写 7️⃣ Claude / Cursor / Codex 都能接：支持本地 stdio，也支持自己部署 Streamable HTTP 以前想让 AI 帮你查 A股数据，得自己写一堆 Tushare 接口、处理降级、再拼指标。 FinanceMCP 不一样，一个 MCP 服务把 19 个金融数据工具全封装好，A股/港股/美股/基金/债券/期货/外汇/币圈全覆盖，接上 Claude/Cursor 直接用。我比较喜欢它的一点是：很多金融 Agent 最大的问题，不是模型不够聪明，而是数据源太乱。 AI 查 A 股用一个接口，查 Crypto 又换一个，新闻再换一个，任何一个接口挂了，整条分析链路就断。想让 AI 真正能查 A股数据、写研报、做分析，这个 MCP 值得接上。

如果你经常用 Claude、Cursor、Codex 做金融分析，这个可以直接给 AI 装一套金融数据底座——FinanceMCP 它不是单纯接一个行情 API，而是把股票、基金、债券、期货、宏观、新闻和 Crypto 数据统一封装成 MCP，让 Agent 自己按需要调用。核心能力： 1️⃣ 19 个金融 MCP Tools：行情、分钟 K、财务、基金、资金流、龙虎榜、融资融券、宏观、7×24 新闻等都已经封装好 2️⃣ 多市场覆盖：A 股、港股、美股、指数、基金、债券、期货、外汇、宏观和加密资产 3️⃣ 多数据源路由：支持 Tushare、Qveris、Twingly、Binance，Agent 不需要自己判断该调哪个接口 4️⃣ 自动降级：某个数据源限流、超时或没有覆盖时，会自动切换到下一个可用来源 5️⃣ 来源可追溯：每次返回都会标记实际用了哪个数据源，方便检查 AI 到底拿了什么数据 6️⃣ 技术指标：MACD、RSI、KDJ、BOLL、MA 可以直接计算，不用每次让模型自己写 7️⃣ Claude / Cursor / Codex 都能接：支持本地 stdio，也支持自己部署 Streamable HTTP 以前想让 AI 帮你查 A股数据，得自己写一堆 Tushare 接口、处理降级、再拼指标。 FinanceMCP 不一样，一个 MCP 服务把 19 个金融数据工具全封装好，A股/港股/美股/基金/债券/期货/外汇/币圈全覆盖，接上 Claude/Cursor 直接用。我比较喜欢它的一点是：很多金融 Agent 最大的问题，不是模型不够聪明，而是数据源太乱。 AI 查 A 股用一个接口，查 Crypto 又换一个，新闻再换一个，任何一个接口挂了，整条分析链路就断。想让 AI 真正能查 A股数据、写研报、做分析，这个 MCP 值得接上。

爱吃折耳根的Ace

15,826 views • 16 days ago

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 views • 23 days ago

卧槽！FMZ 官方直接开源了几百个现成策略，5.8K star、1.8K fork 直接整理了几千个现成量化策略，均线、趋势、网格、套利、资金费率、高频、期货、Crypto 基本都能找到。以前你写个币圈策略，光交易所 API、精度、撮合、资金费率这些脏活就得啃几天，写出来还不一定跑得通。它不一样，FMZ 就是发明者量化那个免费云平台，这仓库把策略广场里沉淀多年的源码一次性放出来，你直接抄、直接改、直接跑。核心能力： 1️⃣ 几千个量化策略案例，直接看源码、逻辑和参数，不用每次从零开始想 2️⃣ 覆盖趋势跟踪、网格、套利、马丁、资金费率、高频、多周期等不同交易思路 3️⃣ 支持 JavaScript、Python、C++、Rust、Pine Script、麦语言等多种开发方式 4️⃣ 策略可以直接拿到 FMZ 做历史回测，看收益、回撤、成交和资金曲线 5️⃣ 支持 Paper Trading 和 24/7 实盘，可以从研究继续走到真实运行 6️⃣ FMZ 现在还集成了 AI + MCP，可以直接用自然语言辅助写策略、查市场和做量化研究我比较喜欢它的一点是：当你突然想研究一个策略，比如资金费率套利、网格或者趋势跟踪，不用先从白纸开始。先来这里搜一遍别人怎么做，再拆逻辑、改参数、重新回测，效率会高很多。更关键的是，这些策略还能继续丢到 FMZ 里回测、模拟，甚至跑实盘。做 Crypto 量化、策略研究或者程序化交易的，这个很适合收藏。

卧槽！FMZ 官方直接开源了几百个现成策略，5.8K star、1.8K fork 直接整理了几千个现成量化策略，均线、趋势、网格、套利、资金费率、高频、期货、Crypto 基本都能找到。以前你写个币圈策略，光交易所 API、精度、撮合、资金费率这些脏活就得啃几天，写出来还不一定跑得通。它不一样，FMZ 就是发明者量化那个免费云平台，这仓库把策略广场里沉淀多年的源码一次性放出来，你直接抄、直接改、直接跑。核心能力： 1️⃣ 几千个量化策略案例，直接看源码、逻辑和参数，不用每次从零开始想 2️⃣ 覆盖趋势跟踪、网格、套利、马丁、资金费率、高频、多周期等不同交易思路 3️⃣ 支持 JavaScript、Python、C++、Rust、Pine Script、麦语言等多种开发方式 4️⃣ 策略可以直接拿到 FMZ 做历史回测，看收益、回撤、成交和资金曲线 5️⃣ 支持 Paper Trading 和 24/7 实盘，可以从研究继续走到真实运行 6️⃣ FMZ 现在还集成了 AI + MCP，可以直接用自然语言辅助写策略、查市场和做量化研究我比较喜欢它的一点是：当你突然想研究一个策略，比如资金费率套利、网格或者趋势跟踪，不用先从白纸开始。先来这里搜一遍别人怎么做，再拆逻辑、改参数、重新回测，效率会高很多。更关键的是，这些策略还能继续丢到 FMZ 里回测、模拟，甚至跑实盘。做 Crypto 量化、策略研究或者程序化交易的，这个很适合收藏。

爱吃折耳根的Ace

49,529 views • 9 days ago

A 股量化工作台还能这么全——选股、回测、因子挖掘、异动监控、连板梯队、AI 复盘，一个 Docker 全给你！4K stars。之前发过它的前身 tickflow-stock-panel，现在作者重构成 TSP 了，功能翻倍。核心亮点是 Polars 引擎毫秒级扫全 A 股，25 个内置策略 + 分钟策略 + AI 生成策略，选股到回测一条龙。对 A 股研究比较直接： ✅ 20+ 内置策略，Polars 扫全市场，支持自定义和 AI 生成信号 ✅ 回测按 T+1、手续费、滑点算，不是随便画条净值 ✅ 竞价 / 盘中 / 偏离异动监控，可语音播报、飞书推送 ✅ 连板梯队、情绪周期、个股关键价位 ✅ 日 K 不填 Key 也能先跑；实时行情按数据源档位解锁最懂我的是它那个因子挖掘 + 样本外验证的认真劲儿——多数开源工具只给你回测，不给你防过拟合的验证闭环。做 A 股量化、又想要个本地工作台的，这个值得部署一个。

A 股量化工作台还能这么全——选股、回测、因子挖掘、异动监控、连板梯队、AI 复盘，一个 Docker 全给你！4K stars。之前发过它的前身 tickflow-stock-panel，现在作者重构成 TSP 了，功能翻倍。核心亮点是 Polars 引擎毫秒级扫全 A 股，25 个内置策略 + 分钟策略 + AI 生成策略，选股到回测一条龙。对 A 股研究比较直接： ✅ 20+ 内置策略，Polars 扫全市场，支持自定义和 AI 生成信号 ✅ 回测按 T+1、手续费、滑点算，不是随便画条净值 ✅ 竞价 / 盘中 / 偏离异动监控，可语音播报、飞书推送 ✅ 连板梯队、情绪周期、个股关键价位 ✅ 日 K 不填 Key 也能先跑；实时行情按数据源档位解锁最懂我的是它那个因子挖掘 + 样本外验证的认真劲儿——多数开源工具只给你回测，不给你防过拟合的验证闭环。做 A 股量化、又想要个本地工作台的，这个值得部署一个。

爱吃折耳根的Ace

14,565 views • 1 month ago