Loading video...

Video Failed to Load

Go Home

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。

_zheergen's profile picture

爱吃折耳根的Ace

4,448 subscribers

22,681 views • 1 month 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

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。
1:01

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

57,959 views • 20 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

17,130 views • 28 days ago

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。
1:21

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

33,875 views • 22 days 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
0:51

🚨 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

58,912 views • 2 months ago

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。
0:52

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。

爱吃折耳根的Ace

20,816 views • 1 month 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

13,449 views • 1 month ago

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。
0:44

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 views • 1 month 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

23,174 views • 1 month ago

Python量化交易：教你从数据到买卖信号的完整实操 遇到一位用 Python 把经典量化交易策略讲得非常清晰的老师。 我就直接去问他，有没有从数据加载到信号生成、可视化再到策略评估的完整实操？ 他直接向我展示了一个非常经典的 Dual Moving Average Crossover（双均线交叉）框架：用 Python 在 Google Colab 上，以苹果股票（AAPL）为例，计算短期（SMA 30）与长期（SMA 100）简单移动平均线，生成买卖信号，并完整可视化策略表现。 你在网上很难找到比这更适合入门算法交易的 Python 量化实操例子了。 里面有什么： 1️⃣ 数据加载与可视化（2006–2011 年苹果历史股价） 2️⃣ 短期与长期简单移动平均线计算 3️⃣ 买卖信号生成逻辑（金叉买入、死叉卖出） 4️⃣ 策略表现可视化与优缺点评估（趋势行情表现好，震荡行情易产生 whipsaw） 建议收藏，跟着敲一遍代码，快速理解 Python 量化交易策略的基本构建方式。
31:56

Python量化交易：教你从数据到买卖信号的完整实操 遇到一位用 Python 把经典量化交易策略讲得非常清晰的老师。 我就直接去问他，有没有从数据加载到信号生成、可视化再到策略评估的完整实操？ 他直接向我展示了一个非常经典的 Dual Moving Average Crossover（双均线交叉）框架：用 Python 在 Google Colab 上，以苹果股票（AAPL）为例，计算短期（SMA 30）与长期（SMA 100）简单移动平均线，生成买卖信号，并完整可视化策略表现。 你在网上很难找到比这更适合入门算法交易的 Python 量化实操例子了。 里面有什么： 1️⃣ 数据加载与可视化（2006–2011 年苹果历史股价） 2️⃣ 短期与长期简单移动平均线计算 3️⃣ 买卖信号生成逻辑（金叉买入、死叉卖出） 4️⃣ 策略表现可视化与优缺点评估（趋势行情表现好，震荡行情易产生 whipsaw） 建议收藏，跟着敲一遍代码，快速理解 Python 量化交易策略的基本构建方式。

爱吃折耳根的Ace

20,647 views • 1 month ago

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。
0:57

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 views • 8 days ago

🚨兄弟们！28K Star 的量化金融资源大全，基本把能用到的工具都收全了 awesome-quant 是一个长期维护的 Awesome List，专门收集量化金融相关的优质资源。 仓库里按类别整理了大量书籍、论文、工具库、数据源、课程和社区链接，覆盖了从入门到进阶的各个方向， 核心亮点： > 覆盖量化全链路：数值计算、金融定价、技术指标、回测框架、组合优化、风险管理、因子研究等 > 多语言支持：Python、R、Julia、Java、JavaScript 等主流量化语言工具一应俱全 > 经典与现代并存：包含 QuantLib、Zipline、Backtrader 等老牌工具，也收录大量机器学习与另类数据项目 > 实用资源丰富：市场数据源、时间序列分析、情绪分析、预测市场等分类清晰 > 同时整理了大量书籍、论文复现和商业工具，适合不同阶段的学习和实践 > 社区活跃，持续更新，是目前开源里最全面的量化资源合集之一 对想系统学习量化交易、构建交易系统，或者做量化研究的开发者、研究员和学生来说，这份列表目前是最好的起点资源库。
0:54

🚨兄弟们！28K Star 的量化金融资源大全，基本把能用到的工具都收全了 awesome-quant 是一个长期维护的 Awesome List，专门收集量化金融相关的优质资源。 仓库里按类别整理了大量书籍、论文、工具库、数据源、课程和社区链接，覆盖了从入门到进阶的各个方向， 核心亮点： > 覆盖量化全链路：数值计算、金融定价、技术指标、回测框架、组合优化、风险管理、因子研究等 > 多语言支持：Python、R、Julia、Java、JavaScript 等主流量化语言工具一应俱全 > 经典与现代并存：包含 QuantLib、Zipline、Backtrader 等老牌工具，也收录大量机器学习与另类数据项目 > 实用资源丰富：市场数据源、时间序列分析、情绪分析、预测市场等分类清晰 > 同时整理了大量书籍、论文复现和商业工具，适合不同阶段的学习和实践 > 社区活跃，持续更新，是目前开源里最全面的量化资源合集之一 对想系统学习量化交易、构建交易系统，或者做量化研究的开发者、研究员和学生来说，这份列表目前是最好的起点资源库。

爱吃折耳根的Ace

17,664 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

15,209 views • 2 months 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

130,014 views • 6 months 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。
0:59

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 • 14 days 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。
0:47

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 • 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

44,348 views • 1 month ago

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
3:17

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 views • 1 month ago

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。
0:44

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

11,133 views • 1 month 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 • 2 months ago

量化人注意了！！ 还在到处搜策略、找库、看教程？你已经落后了。 有人把整个量化生态直接打包成了一个 GitHub 仓库： 97 个库工具 → 回测、实盘、指标、定价全覆盖 40+ 套机构&学术真实策略 → 不是网上乱抄的那种 55 本书 → 从入门到能自己发 paper 23 个视频 + 全套博客课程找灵感、写代码、跑策略、上线，一个链接全部解决。 再自己瞎摸索，就是在用时间交智商税。直接点开，别等收藏夹吃灰：
0:20

量化人注意了！！ 还在到处搜策略、找库、看教程？你已经落后了。 有人把整个量化生态直接打包成了一个 GitHub 仓库： 97 个库工具 → 回测、实盘、指标、定价全覆盖 40+ 套机构&学术真实策略 → 不是网上乱抄的那种 55 本书 → 从入门到能自己发 paper 23 个视频 + 全套博客课程找灵感、写代码、跑策略、上线，一个链接全部解决。 再自己瞎摸索，就是在用时间交智商税。直接点开，别等收藏夹吃灰：

DeFi狙击手 | Ai🕊️｜Gate美股0费率

19,538 views • 1 month ago