开源量化平台汇总

network

最近看到一个开源的 Meme Radar，专门做 Meme 币的信息筛选和风险检查，Mac、Windows 都能跑。

① 支持多条链扫描，并结合行情、流动性和合约数据
② 检查权限、税率、貔貅、持仓分布等风险项
③ 只读分析，不执行交易，私钥也留在本地
④ 信息不完整的项目会明确标出来，不直接当成安全

更适合拿来做前置筛选，减少自己到处查资料的时间。
🔗 https://github.com/nhovongoc0-max/meme-radar

network

去！TradingAgents 中文增强版，现在已经不只是汉化版这么简单了

原版 TradingAgents 本身就是 GitHub 上最火的 AI 股票分析项目之一，10 Stars。

而 TradingAgents-CN 在它基础上，直接把 A 股、港股、中文数据源、国产模型、选股、模拟交易这些能力全补上了，现在也已经冲到 30K+ Stars。

更关键的是，最新版已经开始从“多 Agent 分析股票”，往真正的 AI 投研助手走。

核心能力：

1️⃣ 支持 A 股、港股、美股，多位 Agent 会从大盘、基本面、新闻、技术面等不同角度独立研究，再做多空辩论

2️⃣ 中文环境完整适配，支持 DeepSeek、Qwen、Kimi 等国产模型，也能接 OpenAI、Claude 等海外模型

3️⃣ 接入 Tushare、AkShare、BaoStock 等国内数据源，A 股行情、财务、资金这些不用自己重新拼

4️⃣ 新增自然语言选股，直接说“低估值 + 高增长 + 最近资金流入”，AI 可以从全市场筛候选

5️⃣ 加入 Agent 自主规划 + AI 记忆 + Skill 中心，不只是回答问题，而是自己拆任务、找数据、调用工具继续研究

6️⃣ 支持批量分析、自选股、专业报告、Docker 部署和模拟交易，研究完还能继续跟踪、复盘和验证结果

我觉得它现在真正有意思的地方，是已经不只是：

“给 AI 一个股票代码，让它分析。”

而是：

你给它一个研究目标，AI 自己决定该找什么数据、调什么工具、叫哪些 Agent 上场，最后再把不同观点整合成一份完整研究结果。

所以它更适合拿来做：

A 股复盘
美股个股研究
港股分析
智能选股
量化策略灵感
AI 投研流程学习
自动化研究报告

如果你平时本来就在研究股票，或者想把 AI Agent 真正接进自己的投研工作流，这个项目很值得收藏。

https://github.com/hsliuping/TradingAgents-CN

network

散户也能白嫖一整套 AI 投研系统？炒 A股的先别急着盯盘，看完这个再说！

GitHub 上挖到个有点猛的项目 easy-stock，直接把这几样活打包进一个桌面应用：
1️⃣ 行情分析
2️⃣ 市场情绪
3️⃣ 财经资讯
4️⃣ AI 智能投研

以前盯盘、翻新闻、做复盘，一天恨不得掰成 48 小时用，现在这些活直接甩给 AI。

最离谱的是源码直接公开了，不过只允许个人非商业使用。

🔗 https://github.com/jundizhou/easy-stock

network

这个开源缠论工具有点开挂：分型、笔、中枢不用手画，程序直接标出来。

学缠论最劝退的不是理论，是自己画笔和中枢。每个人画得不一样，回测还没开始，标注先吵起来。

分享一个开源项目：czsc，支持 A股、期货和加密。

它把缠中说禅那套分型、笔、中枢做成可计算的工具。K 线丢进去，结构自动标，还能生成信号、做多级别联立和回测。

✅ 自动识别分型、笔、中枢，不用一张张手动画

✅ 200+ 信号函数，事件可以按条件组合

✅ 多级别联立，1 分钟合成 5 分钟、30 分钟、日线一起看

✅ 权重回测，能算手续费，导出 HTML 报告

✅ 核心算法迁到 Rust，Python 直接调用

仓库地址：https://github.com/waditu/czsc

仅做开源工具分享，非投资建议。DYOR

network

推荐一个我每天都想打开看一眼的开源项目：NewsNow，把全网热榜塞进一个页面。

微博、知乎、抖音、GitHub、Hacker News、V2EX、华尔街等平台的热门内容统一聚合，国内、国际、科技、财经等分类一眼扫完。

最舒服的就是不用再挨个 App 刷热榜，打开一个网页，几分钟就知道今天互联网都在聊什么。

做自媒体找选题、追科技资讯、每天快速扫新闻的，强烈建议收藏。

GitHub：https://github.com/ourongxing/newsnow

在线地址：https://newsnow.busiyi.world

network

做量化、研究行情的，可以看看这个开源项目 TradingView-API。

它可以把 TradingView 的行情和技术指标接出来，方便自己搭数据和策略研究工具。

几个比较实用的场景：

① 获取实时行情和技术指标
② 批量跑不同策略、参数做回测
③ 接交易机器人或 Discord 提醒
④ 把指标数据接进机器学习流程
⑤ 支持 Replay 回放模式

如果平时经常用 TradingView 做策略研究，这类 API 接入工具可以省掉不少重复操作。
🔗 https://github.com/Mathieu2301/TradingView-API

network

阿布量化abu）是一套开源的 Python 量化框架，示例里能看到 A 股、美股、港股、期货、期权和比特币。

回测、选股、择时是它的主线；仓库说明里还写了缠论、波浪、形态和机器学习相关模块。

作者另有一本 2017 年的《量化交易之路》，和这个仓对照着看比较常见。开源部分是完整产品里的简化实现，读例子、改因子，不是把所有技术揉成一条可直接上实盘的策略。

更多https://github.com/bbfamily/abu

network

量化圈最烧钱的 KDB+，被这个开源时序数据库平替了

QuestDB，17.4K stars，Apache-2.0 开源。tick 数据 / 行情 / 回测存储一把梭。

金融 tick 数据又大又密，传统数据库存不动，机构清一色上 KDB+，授权贵得离谱。

QuestDB 不一样，2014 年做到现在的开源老牌，零 GC Java + C++/Rust 热路径，专为低延迟时序设计。

核心能力：

1️⃣ 专门为 Tick、Order Book、Trades 这种高频时间序列设计，乱序写入、去重、WAL 都直接处理

2️⃣ 新增 QWP 二进制协议，一条连接同时负责写入和查询，官方峰值达到 1900 万行/秒

3️⃣ SQL 直接为量化准备了 SAMPLE BY、ASOF JOIN、LATEST ON、WINDOW JOIN，算 OHLCV、盘口匹配很顺手

4️⃣ Live Views + Materialized Views 可以边接实时行情边计算指标，不用每次重新扫完整历史数据

5️⃣ 原生支持 Parquet、Arrow、PostgreSQL 协议，Python、Pandas、Polars、Grafana 这些都能直接接

6️⃣ 新版加入 QuestDB Skill + MCP，Claude、Codex、Cursor 可以自己查 Schema、写 SQL、分析行情，甚至搭实时 Dashboard

每秒摄入百万级事件、毫秒查实时数据，而且现在连 Claude、Codex、Cursor 都能直接接。

我觉得它现在最有意思的地方，是已经不只是“一个很快的时序数据库”。

它开始往 AI Agent 的实时金融数据底座走了。

上面 Agent 做研究、策略和分析，下面 QuestDB 负责把几亿条 Tick、订单簿和历史行情稳稳托住。

做量化交易、Crypto 行情、订单簿研究、高频数据，或者想给自己的 AI Trading Agent 搭数据底座，这个值得留着。

https://github.com/questdb/questdb

network

华尔街量化基金花几百万年薪养的那帮研究员，手里最核心的武器——强化学习交易框架，被哥伦比亚大学团队直接开源了！

FinRL，16.4K stars，全球首个金融强化学习开源框架。

以前想用强化学习做量化交易，要么从零搭 Gym 环境，要么照着论文自己造轮子。

FinRL 不一样，2020 年哥大团队开源，把「数据 → 训练 → 测试 → 交易」做成标准流水线，还带 15 个现成数据源。

核心能力：

1️⃣ 完整训练链路：数据处理、特征工程、训练、测试、回测，一套流程直接串起来

2️⃣ 内置 A2C、DDPG、PPO、TD3、SAC 等主流 DRL 算法，可以在同一市场环境里直接比较

3️⃣ 支持单股交易、多股票组合、资产配置、Crypto、A 股等不同金融任务

4️⃣ 市场环境会考虑交易成本、风险指标和仓位变化，不只是简单预测下一根 K 线

5️⃣ 自带 Benchmark，可以把强化学习策略和 DJIA、均值方差优化等传统方法放在一起比较

6️⃣ Jupyter 教程很多，从数据下载、训练 Agent 到回测结果，适合直接拆代码学整套流程

我觉得 FinRL 最有意思的地方，是它换了一个问题。

传统模型问：“明天涨还是跌？”

FinRL 问：“在不断变化的市场里，现在到底该买多少、卖多少、还是继续持有？”

这才是强化学习真正适合交易的地方。

做强化学习量化、AI Trading Agent，或者想系统研究 DRL 怎么真正接进交易的，这个值得收藏。

https://github.com/ai4finance-foundation/finrl

network

想知道华尔街到底有没有真的上调一家公司，我现在基本不会只看“目标价”。

因为目标价很多时候最没用。

真正值得看的，是未来12个月EPS预期有没有连续往上修。

下面这6个网站我最常用：

MarketScreener
https://marketscreener.com
我最喜欢拿它看Revenue、EPS、EBITDA一致预期，还有未来几年盈利预测。像MU这种股票，最重要的不是目标价从1200提到1300，而是FY27 EPS有没有一周比一周高。
Koyfin
https://koyfin.com
可以把Forward EPS、Revenue Estimates、估值放在一起比较。特别适合看GOOGL、META、MSFT这种同赛道公司，到底谁的盈利预期修得最快。
StockAnalysis
https://stockanalysis.com
免费版就很好用。Analyst Forecast页面直接看未来Revenue、EPS、Growth，页面特别干净。

Seeking Alpha
https://seekingalpha.com
我主要看Earnings Revisions。过去90天多少分析师上调EPS、多少下调，一眼就能看出华尔街预期正在往哪个方向走。
Nasdaq
https://nasdaq.com/market-activity/stocks
可以查Earnings Forecast、分析师预期和历史盈利数据。想快速核一下市场一致预期，我经常会顺手开。
TipRanks
https://tipranks.com
很多人只拿它看目标价，我反而更喜欢看分析师最近为什么改模型。谁上调EPS、谁改Revenue、谁只是单纯提高估值倍数，这三种完全不是一回事。

我现在看一只已经大涨的股票，最喜欢观察一个现象：
股价涨，Forward PE却不涨，甚至还在下降。
这种情况往往只有一个原因——

EPS预期涨得比股价还快。
所以以后看到“某机构把目标价提高20%”，我一般不会太兴奋。
我更想知道的是：

明年的EPS，华尔街到底从多少改到了多少。
目标价是观点。
EPS Revision，才是真正会改变估值的东西。