Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

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：... show more

爱吃折耳根的Ace

5,534 subscribers

25,110 Aufrufe • vor 5 Tagen •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

11 Kommentare

Profilbild von 币安欧易高返佣注册

币安欧易高返佣注册vor 4 Tagen

自托管这点挺关键，数据不用过别人手

Profilbild von sanhe

sanhevor 5 Tagen

回测滑点模型容易低估实盘撮合成本，Monte Carlo 配 walk-forward 验证更稳。

Profilbild von 爱吃折耳根的Ace

爱吃折耳根的Acevor 5 Tagen

是的，我也更看重 walk-forward + Monte Carlo，单看一条资金曲线太容易被骗。

Profilbild von 阿台🕊️

阿台🕊️vor 4 Tagen

Jesse 真香！

Profilbild von 大牛哥

大牛哥vor 4 Tagen

交个朋友关注你了

Profilbild von sanhe

sanhevor 5 Tagen

Optuna+Ray批量跑出来的参数漂亮但回测区间一旦换曲线塌得也快

Profilbild von Crio Songo

Crio Songovor 5 Tagen

刚好我最近在做加密交易策略回测，这个框架解决了我来回换代码的痛点，回头clone下来试试水。

Profilbild von ZeroX

ZeroXvor 5 Tagen

Same Python class from Jesse backtest to live plus an MCP into Claude, Codex, and Cursor is a tight research loop. Does the MCP expose provenance and risk checks to the model, or can a plausible backtest still get over-trusted into live?

Profilbild von 爱吃折耳根的Ace

爱吃折耳根的Acevor 5 Tagen

对，MCP 只是把研究流程串起来，回测再漂亮也不能直接等于实盘，最后还是得过样本外和风控这一关。

Profilbild von ningmeng lin

ningmeng linvor 4 Tagen

同一套代码从回测跑到实盘，好处是亏钱的理由终于能从一而终了。

Profilbild von Cyber-Monk | 赛博修道

Cyber-Monk | 赛博修道vor 5 Tagen

我想看实盘成绩

Ähnliche Videos

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 Aufrufe • vor 1 Monat

🚨 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 Aufrufe • vor 2 Monaten

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。

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 Aufrufe • vor 1 Monat

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 Aufrufe • vor 1 Monat

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 Aufrufe • vor 1 Monat

🚨 卧槽！AI 自己写策略、自己回测、自己优化参数的量化平台来了 QuantDinger 现在 GitHub 8.8K stars 定位很直接：一个 self-hosted、local-first 的 AI 量化交易平台它把「策略研究 → 回测验证 → 实盘执行」这个流程，用 AI 的方式串联了起来，核心亮点： > 支持 crypto、股票、外汇等市场 > 支持 OpenAI、Claude、Gemini、DeepSeek、Grok 等多 LLM 研究 > 支持 Python-native 策略开发 > 支持确定性回测、手续费、滑点、逐笔交易分析 > 支持 IBKR、MT5、Alpaca、10+ crypto venues > 自托管，API keys 和交易凭证留在自己环境里 > Agent 默认 paper-only，实盘需要显式解锁和权限配置 > 每次 Agent 调用都有 audit log 对于玩 A 股、美股、港股、加密和外汇的人来说，它的价值不是预测明天涨跌，而是把交易想法变成一套可验证的策略流程，强烈保存看看

🚨 卧槽！AI 自己写策略、自己回测、自己优化参数的量化平台来了 QuantDinger 现在 GitHub 8.8K stars 定位很直接：一个 self-hosted、local-first 的 AI 量化交易平台它把「策略研究 → 回测验证 → 实盘执行」这个流程，用 AI 的方式串联了起来，核心亮点： > 支持 crypto、股票、外汇等市场 > 支持 OpenAI、Claude、Gemini、DeepSeek、Grok 等多 LLM 研究 > 支持 Python-native 策略开发 > 支持确定性回测、手续费、滑点、逐笔交易分析 > 支持 IBKR、MT5、Alpaca、10+ crypto venues > 自托管，API keys 和交易凭证留在自己环境里 > Agent 默认 paper-only，实盘需要显式解锁和权限配置 > 每次 Agent 调用都有 audit log 对于玩 A 股、美股、港股、加密和外汇的人来说，它的价值不是预测明天涨跌，而是把交易想法变成一套可验证的策略流程，强烈保存看看

爱吃折耳根的Ace

31,630 Aufrufe • vor 2 Monaten

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

15,388 Aufrufe • vor 6 Tagen

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 Aufrufe • vor 1 Monat

🚨 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 Aufrufe • vor 2 Monaten

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 Aufrufe • vor 1 Monat

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 Aufrufe • vor 1 Monat

这个量化策略合集把很多经典玩法都实现了一遍 je-suis-tm 开源的 quant-trading，用 Python 整理了大量可直接运行的量化交易策略回测脚本，目前 GitHub 有 10.4K Star。主要内容包括： 1️⃣ 技术指标类：MACD、RSI、Bollinger Bands、Parabolic SAR、Awesome Oscillator 等 2️⃣ 形态与突破类：Heikin-Ashi、Shooting Star、London Breakout、Dual Thrust 3️⃣ 统计套利：Pair Trading（协整配对交易） 4️⃣ 期权与波动率：Options Straddle、VIX Calculator 5️⃣ 其他：Monte Carlo 模拟、组合优化、另类数据相关项目每个策略基本都有独立脚本，可以直接跑回测，适合拿来学习信号逻辑，或者作为自己策略开发的起点。对想系统学习经典量化策略、或者需要快速验证技术指标效果的人来说，这个仓库内容比较丰富。

这个量化策略合集把很多经典玩法都实现了一遍 je-suis-tm 开源的 quant-trading，用 Python 整理了大量可直接运行的量化交易策略回测脚本，目前 GitHub 有 10.4K Star。主要内容包括： 1️⃣ 技术指标类：MACD、RSI、Bollinger Bands、Parabolic SAR、Awesome Oscillator 等 2️⃣ 形态与突破类：Heikin-Ashi、Shooting Star、London Breakout、Dual Thrust 3️⃣ 统计套利：Pair Trading（协整配对交易） 4️⃣ 期权与波动率：Options Straddle、VIX Calculator 5️⃣ 其他：Monte Carlo 模拟、组合优化、另类数据相关项目每个策略基本都有独立脚本，可以直接跑回测，适合拿来学习信号逻辑，或者作为自己策略开发的起点。对想系统学习经典量化策略、或者需要快速验证技术指标效果的人来说，这个仓库内容比较丰富。

爱吃折耳根的Ace

22,745 Aufrufe • vor 1 Monat

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。

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 Aufrufe • vor 28 Tagen

卧槽！Go 语言的技术指标库居然能这么全——80+ 指标、回测框架、策略引擎全打包，1.4K stars，零依赖！做量化写 Go 的都知道，技术指标基本得自己手写，市面上没几个像样的库。 Indicator Go 把趋势、动量、波动率、成交量四大类全给你算好了——SMA、MACD、RSI、SuperTrend、TD Sequential、Ichimoku，一个 import 搞定。核心亮点： 1️⃣ 80+ 技术指标：趋势、动量、波动率、成交量四大类全覆盖 2️⃣ 回测框架 + 策略引擎内置，实时策略执行 3️⃣ 零依赖，纯 Go，编译出来就一个二进制 4️⃣ Go 泛型支持，多种数值格式通吃 5️⃣ channel 流式处理，实时行情场景顺手 6️⃣ MCP 支持，直接接 Claude 等 AI 工具 7️⃣ 还有 TypeScript 版，前后端都覆盖 v2 完全重写，90% 代码覆盖率，每个指标都有独立 CSV 测试数据。写 Go 交易系统、又不想自己造轮子的，这个库是目前最全的选择。

卧槽！Go 语言的技术指标库居然能这么全——80+ 指标、回测框架、策略引擎全打包，1.4K stars，零依赖！做量化写 Go 的都知道，技术指标基本得自己手写，市面上没几个像样的库。 Indicator Go 把趋势、动量、波动率、成交量四大类全给你算好了——SMA、MACD、RSI、SuperTrend、TD Sequential、Ichimoku，一个 import 搞定。核心亮点： 1️⃣ 80+ 技术指标：趋势、动量、波动率、成交量四大类全覆盖 2️⃣ 回测框架 + 策略引擎内置，实时策略执行 3️⃣ 零依赖，纯 Go，编译出来就一个二进制 4️⃣ Go 泛型支持，多种数值格式通吃 5️⃣ channel 流式处理，实时行情场景顺手 6️⃣ MCP 支持，直接接 Claude 等 AI 工具 7️⃣ 还有 TypeScript 版，前后端都覆盖 v2 完全重写，90% 代码覆盖率，每个指标都有独立 CSV 测试数据。写 Go 交易系统、又不想自己造轮子的，这个库是目前最全的选择。

爱吃折耳根的Ace

22,645 Aufrufe • vor 20 Tagen

这个策略组合，年化显示最高接近 1800%，最大回撤只有 7%。我一开始也以为是单币策略，结果发现不是。 Bybit上线了一个策略组合交易机器人——TradFi Combo 拼盘。以前我们理解的量化机器人，一般就是跑一个币种，比如只做BTC或者ETH，这种相对风险要大一些，遇到单边行情，亏损回撤会很大。但现在 Bybit 把它升级成了一个「组合策略」，可以同时配置多种资产。这里面分成两类：一类是 TradFi 拼盘，对应黄金、外汇、美股这些传统资产另一类是合约拼盘，对应BTC、ETH这些加密资产我们重点看看TradFi 拼盘进入路径是：App首页 → 更多 → Trading Bot → TradFi 拼盘里面已经帮你配好了组合策略进入TradFi 拼盘后，能看到的第一个是 PLTR AVGO NVIDIA 3种资产组合的做多策略，目前显示年华收益1804.66% ，最大回撤7.95%，收益率波动4.53%。下面还有不同策略，有做多、有做空，也可以根据自己的判断直接复制或者修改。 Bybit 华语 Bybit

这个策略组合，年化显示最高接近 1800%，最大回撤只有 7%。我一开始也以为是单币策略，结果发现不是。 Bybit上线了一个策略组合交易机器人——TradFi Combo 拼盘。以前我们理解的量化机器人，一般就是跑一个币种，比如只做BTC或者ETH，这种相对风险要大一些，遇到单边行情，亏损回撤会很大。但现在 Bybit 把它升级成了一个「组合策略」，可以同时配置多种资产。这里面分成两类：一类是 TradFi 拼盘，对应黄金、外汇、美股这些传统资产另一类是合约拼盘，对应BTC、ETH这些加密资产我们重点看看TradFi 拼盘进入路径是：App首页 → 更多 → Trading Bot → TradFi 拼盘里面已经帮你配好了组合策略进入TradFi 拼盘后，能看到的第一个是 PLTR AVGO NVIDIA 3种资产组合的做多策略，目前显示年华收益1804.66% ，最大回撤7.95%，收益率波动4.53%。下面还有不同策略，有做多、有做空，也可以根据自己的判断直接复制或者修改。 Bybit 华语 Bybit

Eva 树姐👧🏻

16,329 Aufrufe • vor 2 Monaten

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 Aufrufe • vor 2 Monaten

🚨 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 + PAKDD 论文背书，不是野路子以前做量化：写因子 → 写策略 → 写回测 → 调参 → 过拟合 → 实盘亏钱 → 推倒重来。现在 FinRL 让 AI 自己在市场里试错学习，几百万次迭代找到最优策略。强化学习交易这件事，终于从顶会论文变成 pip install 了

🚨 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 + PAKDD 论文背书，不是野路子以前做量化：写因子 → 写策略 → 写回测 → 调参 → 过拟合 → 实盘亏钱 → 推倒重来。现在 FinRL 让 AI 自己在市场里试错学习，几百万次迭代找到最优策略。强化学习交易这件事，终于从顶会论文变成 pip install 了

爱吃折耳根的Ace

28,529 Aufrufe • vor 2 Monaten

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。

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 Aufrufe • vor 22 Tagen

🧐 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：

🧐 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 🔶

75,500 Aufrufe • vor 4 Monaten

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 Aufrufe • vor 19 Tagen