开源量化平台汇总

network

A股、港股、美股，终于不用各接一套行情接口了

stock-api，1.9K stars，纯 TypeScript 零依赖，还能当 MCP 直接喂给 AI。

以前拉跨市场行情，A股一套、港股一套、美股又一套，源挂了还得自己写重试和降级。

stock-api 不一样，它把数据源这件事彻底抽象掉，你只写一个 getStock，底层腾讯/新浪/东方财富自动兜底切换，反爬和格式脏活全不用管。

核心能力：

1️⃣ A 股、港股、美股、场内基金统一接口，单股、批量行情、K 线、股票搜索一套 API 搞定

2️⃣ 腾讯、新浪、东方财富自动 fallback，一个数据源抽风就切下一个，不用自己维护三套逻辑

3️⃣ MCP 已经做好了，Claude、Codex 等 Agent 可以直接调用行情、K 线、搜索和诊断工具

4️⃣ 新增 SKILL.md，不想配 MCP 也行，让 AI 读一下 Skill，它自己就知道该怎么调用 stock-api

5️⃣ Node.js、浏览器、CLI 都能跑，同一套数据逻辑不用为了不同环境重写

6️⃣ 零运行时依赖，TypeScript 写的，后面拿去接选股、量化脚本、AI 投研都比较轻

我觉得它现在最好用的地方，是把最麻烦的“股票数据接入”这一层藏掉了。

以前 Agent 想查股票，还得先搞清楚腾讯、新浪、东方财富每家接口怎么写。

现在你只管问：

“帮我查茅台最近 120 天 K 线”
“看下 AAPL 当前行情”
“搜索一下格力电器”

剩下的 stock-api 自己去找能用的数据源。

做股票 Agent、AI 投研，或者想给 Claude / Codex 补一层轻量行情能力的，这个现在比之前更值得看。

https://github.com/zhangxiangliang/stock-api

network

现在连散户都能白嫖一整套 AI 投研系统了？？？

最近在 GitHub 挖到一个宝藏项目：easy-stock，属实有点猛！

行情分析、市场情绪、财经资讯、AI 智能投研，直接打包成一套系统。

以前盯盘、翻新闻、做复盘，恨不得一天有 48 小时，现在有人直接把这些活交给 AI。

最离谱的是，源码直接公开了！

项目地址：https://github.com/jundizhou/easy-stock

network

个挺有意思的开源交易机器人，思路居然不是预测涨跌。

CloddsBot 把几个数据源组合起来，主要做三件事：

① 扫描 Polymarket 市场
② 监控 Binance 数据
③ 分析流动性，风险条件不合适时减少或撤掉订单
也就是说，它更像是在找不同市场之间的机会，而不是单纯猜 BTC、SOL 下一步涨还是跌。
代码直接开源放在 GitHub，适合拿来研究自动化交易策略和 Agent 工作流。

实际交易当然还是有风险，收益案例不能代表长期表现。
🔗 https://github.com/alsk1992/CloddsBot

network

华尔街收你几千美元的投研工具，现在有人直接把平替开源了？？

刚在 GitHub 挖到 HunterCode，有点东西。

平时研究
$NVDA
、
$TSLA
以及
$PLTR
，翻财报、追新闻、分析估值，几个小时就没了。

这玩意直接上多 Agent，连不同投资流派的分析都给你安排上了。

支持美股，免费开源，还能本地部署。
GitHub

至于分析水平能不能打，准备拿几只持仓股试试。

做美股的先码住，别光顾着刷推了。

项目地址：https://github.com/agentpit-io/hunter-community

network

逆天！散户的量化交易工具，已经卷到这种程度了？？？

最近挖到个狠货：InStock！

200多项选股条件、61种K线形态识别，连筹码分布、策略回测、自动交易都安排上了。

搞量化的兄弟，这个必须码住！

项目地址：https://github.com/myhhub/stock

network

天！有人把华尔街交易员的监控大屏直接开源了？？？

美股玩家这次真挖到宝了！

纳指、标普、美债收益率、黄金、原油、板块热点、资金流向，甚至连 AI 大模型的 Token 消耗趋势都能追踪！

所有数据集中在一块屏幕上，不用再疯狂切换十几个网站。

最狠的是，免费开源，还能自己部署！

项目地址：https://github.com/theBigGavin/marketingdashboard

network

国内做量化，很多人绕不开 http://vn.py，核心原因其实很简单：从策略研究到实盘，它基本都给你串起来了。

① 支持股票、期货、期权等市场
② CTP、XTP、IB 等接口都能接
③ CTA、价差、期权、算法交易等模块比较齐
④ 支持回测、模拟盘和实盘
⑤ 4.0 还加入了 AI 模块，可结合机器学习做策略研究
模块多，刚上手确实会有点懵，但熟悉之后就像搭积木，按需求组合功能。

GitHub 已经 2.5 万+ Stars，国内量化社区里也积累了不少实践资料。
🔗 https://github.com/vnpy/vnpy

network

【真正看美股流动性，这8个网站我建议直接收藏】

很多人每天说“市场流动性变好了”“美联储又放水了”，但真正问他TGA、RRP、SOFR、Fed Balance Sheet在哪看，他反而不知道。

我现在看美债和美元流动性，主要盯下面8个网站。

1. 美国财政部｜官方美债收益率曲线
https://home.treasury.gov/resour ... reasury_yield_curve
1M、3M、6M、1Y、2Y、5Y、10Y、20Y、30Y都可以直接查。

炒科技股我最常盯：

2Y＝政策利率预期更敏感
10Y＝成长股估值最重要的利率参考之一
30Y＝长期通胀、财政和Term Premium

有时候
$QQQ
跌了，公司没有任何新闻。
第一件事不是刷Twitter。
先看看10Y是不是突然往上冲。

2. FRED｜把2Y、10Y和历史周期全部拉出来
https://fred.stlouisfed.org

2Y：
https://fred.stlouisfed.org/series/DGS2

10Y：
https://fred.stlouisfed.org/series/DGS10

FRED最适合看历史。
我喜欢拉：

2Y
10Y
10Y-2Y Spread
实际利率
信用利差
然后把2000、2008、2020、2022这些阶段一起比较。

不要只知道今天10Y是多少。
要知道它为什么处在这里，以及变化速度有多快。

3. New York Fed SOFR｜看美元融资成本
https://newyorkfed.org/markets/reference-rates/sofr

SOFR本质上反映以美国国债作为抵押的隔夜融资成本。

平时大家可能不太关注。
但如果Funding Market突然出现异常，SOFR和Repo市场就是必须看的地方。
我会看：
SOFR水平
成交Volume
和政策利率之间有没有异常偏离
它更像金融系统的“水压表”。

4. RRP｜看钱还停在美联储这里多少
https://fred.stlouisfed.org/series/RRPONTSYD

RRP就是Overnight Reverse Repo。

以前大量货币市场基金把现金停在这里。

简单理解：
RRP下降时，部分资金可能流向Treasury、银行体系或其他市场；RRP上升则可能意味着更多现金停在美联储工具里。

但注意：

RRP下降≠股票必涨。

它只是流动性拼图的一块。

5. TGA｜美国财政部账户里到底有多少钱
https://fred.stlouisfed.org/series/WTREGEN

TGA就是Treasury General Account。
可以粗略理解为美国财政部在美联储的“银行账户”。
通常其他条件不变：

TGA上升＝财政部把钱吸回账户，可能抽走部分银行体系准备金。

TGA下降＝财政部花钱，资金重新流回私人部门。
所以债务上限结束以后，如果财政部突然大规模发债补TGA，我一定会看这个。

6. Fed Balance Sheet｜美联储到底在扩表还是缩表
https://fred.stlouisfed.org/series/WALCL

WALCL就是Fed Total Assets。

QE时期疯狂扩张，QT时期则关注资产负债表收缩。

网上经常有人自己算：

Fed Assets - TGA - RRP

然后称为“Net Liquidity”。

这个指标可以作为粗略观察，但一定记住：

它不是美联储官方定义的净流动性指标，也忽略了其他影响银行准备金的项目。
拿来辅助观察可以，别把它当万能择时公式。

7. TreasuryDirect｜看美债到底什么时候发、发多少
https://treasurydirect.gov/auctions/announcements-data-results/

这里能查美国国债Auction Announcement和Results。

我会关注：

2Y
5Y
7Y
10Y
20Y
30Y

发行规模、Bid-to-Cover、Indirect Bidder和最终Yield。

如果财政部突然增加长债供应，而拍卖需求又不好，长端收益率很容易被重新定价。

这对科技股估值非常关键。
8. CME FedWatch｜最后看市场怎么定价美联储
https://cmegroup.com/markets/int ... -fedwatch-tool.html

宏观数据最终还是要落到：

市场认为Fed会怎么走。

我不只看“降息概率70%”。

而是看：

昨天90%
今天70%

谁拿走了那20%？

这种变化才是交易机会真正出现的地方。

所以我现在所谓“看流动性”，其实就是同时看：

2Y/10Y → SOFR → RRP → TGA → Fed Balance Sheet → Treasury Issuance → FedWatch。
其中最容易被误导的一句话就是：

“流动性增加，所以股市一定涨。”

不对。

真正影响市场的是：
钱有多少、钱的价格是多少，以及市场愿意给风险资产多少估值

network

做量化最烦的，往往不是策略，而是数据清洗、因子挖掘、模型训练、回测这一堆杂事。

微软亚洲研究院开源的 Qlib，直接把整套量化研究流程串起来：

① Point-in-Time 数据架构
② 内置 LightGBM、LSTM、Transformer
③ 支持强化学习
④ 集成 RD-Agent，可自动做因子挖掘和参数调优
⑤ 从数据到回测，基本一套框架搞定

上手确实有门槛，但省下来的就是反复造轮子的时间。
🔗 https://github.com/microsoft/qlib

network

个蛮有意思的量化因子，叫做量价结构变化反转因子（Price-Volume Structure Shift Reversal Factor）（下面会放测试图）

逻辑也很直觉：当价格与成交量之间的关系（例如高价与成交量的相关性）在短时间内出现明显变化时，往往代表市场内部的资金行为正在发生转折。原本稳定的量价结构一旦被打破，背后通常意味着主导市场的力量正在切换

同时，我们再引入价格本身的波动性（例如过去一段时间收盘价的标准差）进行排序，去衡量当前市场的不稳定程度。当价格波动较高、且量价结构正在快速改变时，市场更容易出现情绪主导的错误定价

因子公式如下：
(-1*(DELTA(CORR(HIGH,VOLUME,5),5)*RANK(STD(CLOSE,20))))

本质上是在捕捉市场在「量价结构突变」与「波动放大」共振下的非理性行为，以及由此带来的短期反转机会

两行源代码跑完整回测，大家可以去测试看看
https://github.com/eliasswu/Alphapurify