Loading video...

Video Failed to Load

Go Home

这个开源的低延迟量化交易执行系统，基本上摸到了第一梯队 Kungfu 是一个面向量化交易者的开源交易执行系统，重点解决低延迟执行、策略灵活开发和跨平台使用等问题。 它提供微秒级系统响应，支持纳秒精度时间戳，适合对执行速度有较高要求的交易场景。 主要特点： 1️⃣ 支持 Python 和 C++ 编写策略，可自由使用第三方库 2️⃣ 低延迟架构，适合高频和中高频交易 3️⃣ 提供图形化界面，方便策略管理和监控 4️⃣ 同时支持 Windows、macOS 和 Linux 5️⃣ 模块化设计，包含低延迟时序数据库和策略执行引擎 6️⃣ 可对接不同交易网关（有 XTP 等开源实现） 对需要低延迟交易执行、或者想用 Python/C++ 开发策略的量化交易者来说，这个系统完成度比较高，属于中高频的。

_zheergen's profile picture

爱吃折耳根的Ace

2,740 subscribers

19,892 views • 6 days ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

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。
1:06

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

12,084 views • 9 days ago

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
4:18

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 views • 1 month ago

🚨 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！
0:53

🚨 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

14,878 views • 1 month ago

🧐 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：
1:09

🧐 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 🔶

74,282 views • 3 months ago

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。
0:50

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

21,174 views • 3 days ago

太酷了，阿里通义实验室给出了一套完整的可实时交互的数字人系统！ 先是一款单图秒级3D数字人生成模型：LAM，支持实时动画和交互功能 支持跨平台、低延迟、实时渲染 另外还开源了两个配套工具，形成了一个完整的可实时交互的数字人系统 1、Audio2Expression，一个音频驱动的表情动画模型，用于驱动LAM生成的数字人头像，根据音频做出相应的嘴型和表情 2、OpenAvatarChat，数字人实时对话系统，核心是多模态低延迟，平均回答延迟在2.2秒左右 #AI数字人 #虚拟主播
1:06

太酷了，阿里通义实验室给出了一套完整的可实时交互的数字人系统！ 先是一款单图秒级3D数字人生成模型：LAM，支持实时动画和交互功能 支持跨平台、低延迟、实时渲染 另外还开源了两个配套工具，形成了一个完整的可实时交互的数字人系统 1、Audio2Expression，一个音频驱动的表情动画模型，用于驱动LAM生成的数字人头像，根据音频做出相应的嘴型和表情 2、OpenAvatarChat，数字人实时对话系统，核心是多模态低延迟，平均回答延迟在2.2秒左右 #AI数字人 #虚拟主播

AIGCLINK

47,683 views • 1 year ago

🚨 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
0:46

🚨 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 views • 1 month ago

🚨卧槽！高盛开源了他们的量化工具库 gs-quant Goldman Sachs 把内部 quants 使用的 Python 量化工具库开源了，目前 GitHub 已获得 11.3K Star。 它提供了丰富的量化分析工具，适合做结构化产品、风险建模和策略研究等工作。虽然完整 API 需要高盛机构客户权限，但核心库已经开源，普通用户也可以安装使用（pip install gs-quant）。 核心亮点： > 机构级量化工具：支持衍生品定价、风险管理、回测、交易策略开发等全流程 > 生产级代码质量：直接来自高盛交易台的真实工具栈 > 支持 Claude Skills：官方已集成 Claude 技能，可直接在 Claude 中使用 > 覆盖广泛资产类别：股票、期权、期货、外汇等衍生品分析能力极强 > 持续维护更新：最新版本 2.1.1 刚刚发布 > Apache-2.0 开源协议，可直接用于研究和开发 对想学习机构级量化建模、做衍生品定价与风险管理、或者用 AI 辅助量化研究的开发者来说，这是目前开源里含金量最高的量化工具库之一。
0:47

🚨卧槽！高盛开源了他们的量化工具库 gs-quant Goldman Sachs 把内部 quants 使用的 Python 量化工具库开源了，目前 GitHub 已获得 11.3K Star。 它提供了丰富的量化分析工具，适合做结构化产品、风险建模和策略研究等工作。虽然完整 API 需要高盛机构客户权限，但核心库已经开源，普通用户也可以安装使用（pip install gs-quant）。 核心亮点： > 机构级量化工具：支持衍生品定价、风险管理、回测、交易策略开发等全流程 > 生产级代码质量：直接来自高盛交易台的真实工具栈 > 支持 Claude Skills：官方已集成 Claude 技能，可直接在 Claude 中使用 > 覆盖广泛资产类别：股票、期权、期货、外汇等衍生品分析能力极强 > 持续维护更新：最新版本 2.1.1 刚刚发布 > Apache-2.0 开源协议，可直接用于研究和开发 对想学习机构级量化建模、做衍生品定价与风险管理、或者用 AI 辅助量化研究的开发者来说，这是目前开源里含金量最高的量化工具库之一。

爱吃折耳根的Ace

43,943 views • 17 days ago

🚨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。
1:03

🚨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

22,891 views • 15 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。
1:00

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

15,618 views • 1 day ago

Mayne这个交易员很有意思，据说现在每个月都能在交易市场盈利5万美金以上，全网有超过六十多万人关注。 他还是自营交易公司 Breakout 的联合创始人Mayne，就是被交易所收购的那个。 他公开了自己的策略，不仅适用于加密货币市场，在外汇市场同样有效，策略不难。Mayne说，策略越简单执行力越高，交易就越稳，各种市场的人性都是一样的，流动性在哪钱就在哪。 先诱导大多数人进场，再反方向收割。 交易就是一场狩猎。
2:53

Mayne这个交易员很有意思，据说现在每个月都能在交易市场盈利5万美金以上，全网有超过六十多万人关注。 他还是自营交易公司 Breakout 的联合创始人Mayne，就是被交易所收购的那个。 他公开了自己的策略，不仅适用于加密货币市场，在外汇市场同样有效，策略不难。Mayne说，策略越简单执行力越高，交易就越稳，各种市场的人性都是一样的，流动性在哪钱就在哪。 先诱导大多数人进场，再反方向收割。 交易就是一场狩猎。

投机实验室

83,533 views • 5 months ago

📌告诉各位一个我私藏的高级指标，它融合了价格行为，交易量和威科夫的努力与结果概念，可以对价格的停止行为做出非常可靠的识别，这是一种很先进的专业量价交易策略😻🫡🚀 Tradingview指标 名称：Wyckoff努力与结果探测器RedK Everex 输入：默认 作为一名交易员，最好是要有一套自己信任的交易系统，这样可以让自己在面对未知行情的时候更加从容～ 想要筛选出自己信任的交易系统，有一个简单的笨办法就是，对自己要做的品种和时间周期做大量的复盘回测，这是快速检验交易方法和熟悉行情的捷径。 对交易方法在要做品种的长期运行情况做到了解，才能优化。实际交易中，设置好止损，控制好自己的情绪只等待关键位置的交易信号。 随着时间的推移，面对交易的未知恐惧感就会越来越少～
6:34

📌告诉各位一个我私藏的高级指标，它融合了价格行为，交易量和威科夫的努力与结果概念，可以对价格的停止行为做出非常可靠的识别，这是一种很先进的专业量价交易策略😻🫡🚀 Tradingview指标 名称：Wyckoff努力与结果探测器RedK Everex 输入：默认 作为一名交易员，最好是要有一套自己信任的交易系统，这样可以让自己在面对未知行情的时候更加从容～ 想要筛选出自己信任的交易系统，有一个简单的笨办法就是，对自己要做的品种和时间周期做大量的复盘回测，这是快速检验交易方法和熟悉行情的捷径。 对交易方法在要做品种的长期运行情况做到了解，才能优化。实际交易中，设置好止损，控制好自己的情绪只等待关键位置的交易信号。 随着时间的推移，面对交易的未知恐惧感就会越来越少～

投机实验室

14,260 views • 2 years ago

目前搭建数字人对话系统，除了部署复杂外，还对性能配置显存依赖非常高，而且延迟问题也很严重。 今天在 GitHub 上看到 Open Avatar Chat 这个开源项目，正好给出了解决方案。 只需在自己个人电脑上就能运行一个能与我们实时对话的数字人系统，平均回答延迟仅 2.2 秒。 GitHub： 主要特性： - 低延迟数字人实时对话，平均响应时间 2.2 秒 - 支持多模态交互，包括文本、音频、视频输入 - 模块化架构设计，可灵活替换各个组件 - 预置 100+ 数字人形象，支持 LiteAvatar 和 LAM 两种渲染方式 - 前后端分离，方便自定义界面和扩展功能 - 支持本地推理和云端 API 两种部署模式 提供 Docker 一键快速部署方式，对于想要快速搭建数字人应用的开发者来说，这个项目值得尝试。
1:06

目前搭建数字人对话系统，除了部署复杂外，还对性能配置显存依赖非常高，而且延迟问题也很严重。 今天在 GitHub 上看到 Open Avatar Chat 这个开源项目，正好给出了解决方案。 只需在自己个人电脑上就能运行一个能与我们实时对话的数字人系统，平均回答延迟仅 2.2 秒。 GitHub： 主要特性： - 低延迟数字人实时对话，平均响应时间 2.2 秒 - 支持多模态交互，包括文本、音频、视频输入 - 模块化架构设计，可灵活替换各个组件 - 预置 100+ 数字人形象，支持 LiteAvatar 和 LAM 两种渲染方式 - 前后端分离，方便自定义界面和扩展功能 - 支持本地推理和云端 API 两种部署模式 提供 Docker 一键快速部署方式，对于想要快速搭建数字人应用的开发者来说，这个项目值得尝试。

GitHubDaily

30,004 views • 11 months ago

说说油管超过260万追随者的 The Trading Channel 的CEST策略，简单好用！！并且我还进行了连续100次的交易回测，看看它在加密市场是否有利可图！😘🤑 CEST是一个缩写的名称，C是conditions，表示入场条件/ E是entry表示入场模式，S是stop表示止损，T是targets表示止盈目标～ 这套策略需要参考大小两个时间周期，第一步就是用大周期判断交易趋势的方向/ 这里判断趋势的方式用到了EMA50均线和连续的高高低低点，并明确表示在整合期或者趋势不清晰的走势中不能进行交易，清晰趋势非常重要！ 确定好交易的方向之后，第二步就是切换到小级别的15分钟图表，去寻找两种具体的交易结构/ 双顶双底或是头肩顶头肩底，当K线价格的收盘价突破或跌破这些结构的颈线就可以确认价格行为，在K线的收盘价入场，当前这段走势就走出了一个明显的双底结构，当价格突破颈线，我们就可以在K线的收盘价入场多单！ 第三步就是设定止损和止盈，我们可以根据走势的结构和交易位置设置止损和止盈，止损可以设置在重要的支撑阻力位/供给需求区/前高前低/双顶双底/头肩顶底的末端附近等等～ 止盈也同样可以这样设置，也可以选择分批止盈或者固定1:2风险回报比的方式，这就是CEST交易策略的框架流程！ TTC认为专业的交易员都会通过大量交易的统计数据去了解和验证一套交易策略，并且很清楚其中的亏损还是盈利都是交易策略的一部分，以保证我们对策略的信心，验证策略是否值得信任，最快的方式就是通过回测来获得，并且机会样本不能少于100次！ 这是在比特币美元的4小时和15分钟的图表进行的87次连续交易的测试结果！
5:01

说说油管超过260万追随者的 The Trading Channel 的CEST策略，简单好用！！并且我还进行了连续100次的交易回测，看看它在加密市场是否有利可图！😘🤑 CEST是一个缩写的名称，C是conditions，表示入场条件/ E是entry表示入场模式，S是stop表示止损，T是targets表示止盈目标～ 这套策略需要参考大小两个时间周期，第一步就是用大周期判断交易趋势的方向/ 这里判断趋势的方式用到了EMA50均线和连续的高高低低点，并明确表示在整合期或者趋势不清晰的走势中不能进行交易，清晰趋势非常重要！ 确定好交易的方向之后，第二步就是切换到小级别的15分钟图表，去寻找两种具体的交易结构/ 双顶双底或是头肩顶头肩底，当K线价格的收盘价突破或跌破这些结构的颈线就可以确认价格行为，在K线的收盘价入场，当前这段走势就走出了一个明显的双底结构，当价格突破颈线，我们就可以在K线的收盘价入场多单！ 第三步就是设定止损和止盈，我们可以根据走势的结构和交易位置设置止损和止盈，止损可以设置在重要的支撑阻力位/供给需求区/前高前低/双顶双底/头肩顶底的末端附近等等～ 止盈也同样可以这样设置，也可以选择分批止盈或者固定1:2风险回报比的方式，这就是CEST交易策略的框架流程！ TTC认为专业的交易员都会通过大量交易的统计数据去了解和验证一套交易策略，并且很清楚其中的亏损还是盈利都是交易策略的一部分，以保证我们对策略的信心，验证策略是否值得信任，最快的方式就是通过回测来获得，并且机会样本不能少于100次！ 这是在比特币美元的4小时和15分钟的图表进行的87次连续交易的测试结果！

投机实验室

33,354 views • 1 year ago

🚨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。
0:54

🚨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 views • 16 days ago

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！
2:10

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

129,894 views • 6 months ago

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。
0:53

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

12,843 views • 4 days ago

交易员使用交易机器人通过 Polymarket 赚了$303,000 他以 $14 购买市场 他的交易机器人每分钟进行 10.26 次交易，或每小时 615.6 次交易。 Polymarket 官网入口： 它交易 5 分钟和 15 分钟的加密货币市场，并寻找微小的低效机会 。 策略很简单： > 在同一市场内以及相关市场之间跟踪上涨和下跌价格。 > 当它看到不平衡时，就开始使用限价订单买入被低估的一方 > 有时如果看到优势，就会使用套利 这位家伙的。 想在Polymarket轻松跟单交易，用这个机器人就行：
0:38

交易员使用交易机器人通过 Polymarket 赚了$303,000 他以 $14 购买市场 他的交易机器人每分钟进行 10.26 次交易，或每小时 615.6 次交易。 Polymarket 官网入口： 它交易 5 分钟和 15 分钟的加密货币市场，并寻找微小的低效机会 。 策略很简单： > 在同一市场内以及相关市场之间跟踪上涨和下跌价格。 > 当它看到不平衡时，就开始使用限价订单买入被低估的一方 > 有时如果看到优势，就会使用套利 这位家伙的。 想在Polymarket轻松跟单交易，用这个机器人就行：

0xLin🟦✨

30,524 views • 3 months ago

首个开源的会话音频生成基础模型：Hertz-dev，实时语音交互，8.5亿参数 全双工，可以同时听和说 超低延迟，可在120毫秒内回应，像和真人对话一样流畅，没有明显卡顿感 是目前公开的同类系统中最快的 github： #Hertzdev #AI实时语音系统
1:03

首个开源的会话音频生成基础模型：Hertz-dev，实时语音交互，8.5亿参数 全双工，可以同时听和说 超低延迟，可在120毫秒内回应，像和真人对话一样流畅，没有明显卡顿感 是目前公开的同类系统中最快的 github： #Hertzdev #AI实时语音系统

AIGCLINK

34,506 views • 1 year ago