开源量化平台汇总

network

做金融研究，每天在一堆数据网站之间来回切，确实挺折腾。

OpenBB 就像一个金融数据中枢，把股票、期权、宏观、加密等数据统一到一套接口里。

① Python 和 CLI 都能调用
② 多种数据源统一接入
③ 适合策略研究、回测和数据看板
④ 还有本地 API 服务和 Workspace 界面
不用每接一个数据源，就重新写一套获取和清洗逻辑。
安装也很简单：
pip install openbb

GitHub 已经 7 万+ Stars，想自己搭金融数据工作流的可以看看。
🔗 https://github.com/OpenBB-finance/OpenBB

network

AI多智能体能不能直接用来做交易。

孔乙最近看到一个很有意思的开源项目TradingAgents-CN。

它借鉴了华尔街多Agent量化交易的思路，专门改成适配国内市场的版本。

1. 整套框架模拟一整个投行投研小组分工
基本面分析师，负责财报、估值、行业横向对比。

技术面分析师，专门解析K线形态，抓取各类技术指标信号。

新闻分析师，处理市场舆情、政策变化，挖掘事件驱动机会。

风控经理，把控仓位，设置止损和止盈规则。

交易员，汇总前面所有模块的分析，输出最终交易判断。

2. 本土化改造，打通多个市场数据
项目同时支持A股、港股、美股三大市场的数据接入。

数据源整合了akshare、Alpha Vantage、Finnhub、yfinance。

搭建三层缓存机制，Redis、MongoDB、本地文件，出现故障会自动降级。

自带Streamlit网页端，可以直观看到整个运行流程。

支持Docker多架构部署，amd64和arm64都能跑。

配套完整中文文档，上手配置更方便。

项目累计1195次代码提交，持续维护接近一年。

从提交记录能看出，作者一直在处理各类工程难题。
修复事件循环冲突、调整导入路径、重构日志系统，不是简单的演示套壳项目。

3. 一定要认清现实，不要盲目上实盘
到现在为止，还没有公开的、长期实盘验证能稳定赚钱的AI Agent交易案例。

多Agent这套体系好不好用，完全取决于大模型本身的推理水平。

大模型学习金融，只是读取历史文本，并不理解真实市场的微观交易逻辑。

这个项目更适合用来学习量化思路、研究智能体架构。

千万不要直接拿到真实账户去交易。

Github： http://github.com/hsliuping/TradingAgents-CN

network

内做量化，http://vn.py 基本是绕不开的一个开源项目。

它把从策略研究到实盘交易的流程串了起来，支持股票、期货、期权等场景，还能对接 CTP、XTP、IB 等接口。

比较方便的是模块化设计：

① CTA 策略
② 价差交易
③ 期权风控
④ 算法执行
⑤ 回测与实盘
新版还加入了 AI 相关能力，可以把模型预测和策略研究结合起来。

GitHub 已经有 2.5 万+ Stars，想系统研究量化交易框架的，可以从这个项目开始看看。
🔗 https://github.com/vnpy/vnpy

network

TradingView 刚刚发布了其全新的官方 Claude MCP 服务器。

你的 AI 代理可以通过直接从你的 TV 账户拉取数据，来控制你的图表、设置价格警报、进行研究等等。

我刚刚用 Opus 5.5 + TradingView 构建了一个 24/7 交易代理

以下是设置方法：

第一步：复制下方附带的链接

第二步：打开 Claude，前往 设置 → 连接器 → 添加自定义连接器，然后将链接粘贴到那里

第三步：登录 TradingView 并批准访问权限

第四步：选择 Opus 5.5 作为你的模型，然后开始提示

示例提示：

→ “拉取 [ticker] 当前的支撑/阻力设置，并给我牛市和熊市案例，包括关键水平”

→ “找出当前在 4H 时间框架上显示看涨 RSI 背离的股票”

→ “给我 [ticker] 的完整分析：趋势、动能、支撑和阻力，以及任何活跃的图表形态”

→ “今天最大的新闻推动者是什么？另外，给我任何重要即将发生事件的更新。”

→ “当 [ticker] 收盘高于 [level] 时设置警报，并告诉我我的观察列表何时击中我的任何失效水平”

这个设置很可能让你赚很多钱：

network

EV + OPUS 5.5 是我今年见过最离谱的 AI 组合

别在让 Opus 5.5 干所有活，真的太浪费了

我直接做一个 X 爆款预测器：

抓取 1000 条爆款帖子 → Jev 做上万次特征判断 → 找出最相似的 10 条 → Opus 5.5 解释为什么它们能爆 → 最后给你的帖子打出 0-100 分

新工作流只有一句话：

Jev 负责做 5,000 次判断，Opus 5.5 只负责最难的 20 次推理，效果直接变了，基本每天爆款

审计里，Jev 不到 1 分钟 扫完 600+ 页面，完成接近 9,000 次链接判断，总成本只要 几毛钱。

同样时间，Opus 只能处理 20 多页，成本已经高出数倍。

全部交给 Opus 跑完，成本可能直接放大到 40 美元，差距接近 200 倍

network

汇丰统计过：香港百万富翁成为千万富翁平均只需要八年。

如果一个千万富翁梭哈标普，以标普15%的年化收益为基准，最多16年晋升亿万富翁。

也就说一个百万富翁顺风顺水的话也许26年可以变为亿万富翁。

补充一下。以美股作为参考，过去十年（2016～2026）各个主要标的的涨幅如下：标普4.2倍（年化15%），纳指7倍（年化22%），微软10倍，苹果12倍，英伟达70倍。

network

上周五我那张 MSFT $500 put 被接货了，现在
多了100股。接下来怎么办？"

在
@Muse
里问接下来怎么接着租，它按你的成本算：
“可以考虑
$MSFT
$510 10/9 Call，一张收＄725，年化 32.4%，四星「推荐出租」。

你的成本是＄493.80（按$500接的货，扣掉当初那张
put 收的租），$510 在成本之上：就算被叫走，
100 股也赚 ＄1,620，更别提已经收入口袋的$725权利金。

Wheel 的下半场，接着转起来，连上包租公账号就能这么问 🤠

https://baozugong.app/muse

network

自己做量化，最浪费时间的往往不是写策略。

而是数据去哪找、框架怎么选、回测用什么、机器学习怎么接，最后实盘又得重新拼一套。

这 6 个 GitHub 仓库，基本把量化从“找资料”一路铺到“回测和交易”。

1️⃣ awesome-quant  30K star
https://github.com/wilsonfreitas/awesome-quant

量化圈的资源总目录。数据源、技术指标、定价、回测、组合优化、风险分析全都分类整理好了，不知道用什么库先来这里找。

2️⃣ machine-learning-for-trading  21K star
https://github.com/stefan-jansen/machine-learning-for-trading

21K Stars，机器学习做量化的一整套教材 + 代码。从金融数据、特征工程、模型训练，一路做到回测、风险和实盘部署。

3️⃣ quant-trading  11K star  11K star
https://github.com/je-suis-tm/quant-trading

现成策略仓库。配对交易、统计套利、MACD、布林带、VIX、期权、CTA 都有，最适合直接拆别人的策略思路。

4️⃣ Backtrader  23.3K star
https://github.com/mementum/backtrader

Python 量化回测老牌框架。策略写完先扔历史行情里跑，订单、仓位、手续费、指标这些基础设施都给你准备好了。

5️⃣ Zipline Reloaded  2K star
https://github.com/stefan-jansen/zipline-reloaded

Quantopian 当年那套事件驱动回测引擎的持续维护版。想研究专业回测框架到底怎么设计，这个很值得拆。

6️⃣ CCXT  44.2K star
https://github.com/ccxt/ccxt

做 Crypto 基本绕不开。100+ 交易所统一成一套 API，行情、K 线、订单簿、账户、下单不用每家交易所重新对接。

如果你刚开始搭自己的量化系统：

awesome-quant 找工具
machine-learning-for-trading 学完整流程
quant-trading 找策略灵感
Backtrader / Zipline 跑回测
CCXT 接加密交易所

这套先吃透，比一上来自己从零造轮子省太多时间。

做股票量化、Crypto 量化或者准备自己搭交易系统的，这 6 个建议直接保持看。

network

我翻了三个 Polymarket 交易机器人，买付费版得五六千刀，这三个 GitHub 上全开源。

拿 Claude Code 改了配置，模拟跑完没问题才上的实盘，实测都能用。

第一个 CloddsBot，开箱即用，集成了 118 种以上策略，延迟套利、动量、Penny Clipper、智能路由、DCA、到期衰减，全都有。
Polymarket 官网入口：https://polymarket.com/zh?via=ace-cq9c
剑桥 CS 学生搞的，拿过黑客松奖。
GitHub：https://github.com/alsk1992/CloddsBot

第二个 Smart Money Copy Trading，没空盯盘就看这个。自动扫描顶级交易员，按盈亏和胜率筛选，生成跟单名单自动复制。
GitHub：https://github.com/MrFadiAi/Polymarket-bot

第三个 Polymarket LP Tool，想要被动点的工具看这个。自动管理限价单，根据市场变化调整报价，帮你多吃流动性奖励。
GitHub：https://github.com/lihanyu81/polymarket_lp_tool

三个全免费。

付费不一定比开源强，差距在于你会不会改、会不会测、能不能把它接进自己的系统里。

安装前自己做研究。

network

预计 5 年销售额增长：

Nebius $NBIS：+9,673%  
IREN $IREN：+4,814%  
SpaceX（私有）：+2,152%  
CoreWeave $CRWV：+1,455%  
Cipher $CIFR：+1,191%  
Nvidia $NVDA：+978%  
Palantir $PLTR：+747%  
Micron $MU：+735%  
Applied Digital $APLD：+721%  
Broadcom $AVGO：+572%  
AMD $AMD：+531%  
SK Hynix $000660：+514%  
Arm Holdings $ARM：+446%  
Rocket Lab $RKLB：+379%  
Oracle $ORCL：+275%  
Reddit $RDDT：+260%  
Snowflake $SNOW：+239%  
Cloudflare $NET：+234%  
Taiwan Semi $TSM：+211%  
Arista Networks $ANET：+206%  
Shopify $SHOP：+201%  
AppLovin $APP：+190%  
Datadog $DDOG：+173%  
Vertiv $VRT：+169%  
DoorDash $DASH：+156%  
ServiceNow $NOW：+138%  
MongoDB $MDB：+127%  
Tesla $TSLA：+116%  
Eli Lilly $LLY：+104%  
Robinhood $HOOD：+102%