与「Ai量化」相关的搜索结果

发现个量化交易神器！QuantDinger 直接把量化交易的门槛砸碎了！ QuantDinger（量化丁格），你的私人 AI 量化操作系统，几天时间就在 GitHub 拿下 4.2k stars！ 这不是普通的交易工具，而是个具备自我进化能力的 AI 交易员： 🤖 AI 智能分析引擎 国内外股市、期货、加密货币、外汇全支持 24 小时监控全球交易机会 实时推送到手机，不错过任何机会 📊 全自动工作流 AI 自动分析市场 → 生成策略代码 → 自动回测 根据历史收益、风险数据自动优化参数 大模型帮你调参，让策略更稳定 💻 部署超简单 Docker 一键私有化本地部署 两分钟就能跑起来 不懂代码的小白也能快速上手 🔒 完全私有 在你自己的服务器和自己的密钥上运行 数据、策略全掌控 支持实盘数据、多市场同时监控、智能风控... 搞量化交易的兄弟，这个必须试试！ 项目地址放评论区了👇

本周金融领域增长最快的 GitHub 仓库： 1. TradingAgents (+7.9K ★) 来自 UCLA/MIT 的多智能体 LLM 交易框架。包含基本面分析师、情绪分析师、技术面分析师、风险管理师，支持 DeepSeek V4 思维模式。 2. FinceptTerminal (+4.3K ★) 基于 C++20 + Qt6 构建的开源 Bloomberg 替代方案。拥有 37 个巴菲特/芒格/林奇/格雷厄姆风格的 AI 智能体。支持 16 个券商集成的实时交易。内置 MCP + AI 量化标签页。 3. daily_stock_analysis (+2.3K ★) 面向美股、A 股和港股市场的 LLM 股票分析器。 自动构建包含入场/出场水平的每日决策仪表盘。通过 GitHub Actions 推送到微信/Telegram/Discord/Email。 4. Vibe-Trading (+1.9K ★) 个人交易智能体。自然语言 - 策略 - 回测 - 导出至 TradingView/MT5。只需一个 pip install，即可拥有属于你自己的 AI 交易台。 5. QuantDinger (+837 ★) 自托管 AI 量化操作系统。研究市场、生成 Python 策略、回测想法、运行实盘交易。 支持加密货币、通过 IBKR 交易股票、通过 MT5 交易外汇。一个 Docker Compose，你的基础设施，你的数据。 6. TradingAgents-CN (+641 ★) TradingAgents 的中文分支。针对 A 股市场、中文数据源和国产大模型进行了完全本地化。 7. last30days-skill (+630 ★) AI 智能体技能，可研究过去 30 天内 Reddit、X、YouTube、HN、Polymarket 及全网的任何话题。可接入任何智能体框架。 8. qlib (+569 ★) 微软推出的面向 AI 的量化投资平台。 端到端流程：数据 - Alpha - 投资组合 - 执行。目前最严肃的开源量化基础设施。 9. scientific-agent-skills (+511 ★) 用于研究、科学、工程、分析和金融的即用型智能体技能。可接入任何智能体框架。涵盖生物信息学、化学信息学，以及现在的 Hugging Science。 10. OpenBB (+387 ★) 面向分析师、量化研究员和 AI 智能体的开源金融数据平台。在一个平台上集成股票、加密货币、期权、衍生品、固定收益。

早上读了Anthropic 在 2026 年 3 月发布的研究笔记 《Labor market impacts of AI: A new measure and early evidence》有点意思。 Anthropic是Claude的母公司，也是头部AI厂商了，手里有Claude的所有数据。这次的报告计算逻辑是通过Claude 流量里出现了足够多的、与工作相关的使用，理论上可行的任务才会被算作“covered”，所以数据应该比较准确。 这个报告重点聚焦在AI 到底有没有开始真正冲击就业这个点上，毕竟”AI焦虑“这个词已经全球范围内持续很久了，但到底落地了多少呢？ 文章提出了一个新的指标暴露度 (Observed Exposure)用来衡量AI在对真实职场的渗透情况，涵盖理论能力 + 真实使用数据 + 是否用于工作场景 + 是增强还是自动化，这对于量化AI对现实生活的冲击更有效，也在一定程度上可以让我们更好的判断AI技术革命走到哪里了。 研究发现在最容易受到 AI 影响的职业 中，从业者更可能是 年龄较大、女性、受教育程度更高、收入更高的群体。 从报告里最直观的图看，目前理论上AI能覆盖（冲击）的范围与实际上形成的范围还是有不小差距的，暴露的蓝色范围内还没有形成系统性失业率上升，只是年轻人进入这些岗位的招聘似乎有一点变慢。 当前最暴露的职业 主要集中在白领、信息处理、软件和分析类岗位。文中列出的前十包括： Computer programmers：74.5% Customer service representatives：70.1% Data entry keyers：67.1% Medical record specialists：66.7% Market research analysts and marketing specialists：64.8% Financial and investment analysts：57.2% 另外还有软件测试、信息安全、用户支持等岗位也排得很前。相反，约 30% 的工人处于“零暴露”组，典型例子包括厨师、摩托车维修工、救生员、酒保、洗碗工等。 这也正常，AI 的能力像洪水，落地像修水渠，在具身机器人举得巨大进展之前，蓝领比白领更不用焦虑。 我们这代人是幸运的，能经历互联网，移动互联网，区块链，AI，机器人等多次技术革命，不过也是不幸的，如果没有能跟上如此高速的进步，未来或许真的也就慢慢成为科幻作品中被“圈养”的那批人了。 Morning，新的努力一天开始了 原文传送门：

.@3look_io 是一款部署在 ApeChain 上的 CultureFi平台，它通过AI+社交彻底打破了传统平台对流量收益的垄断。 简单来说，它让发帖变成了挖矿： 操作零门槛：用户无需离开 X ，绑定账号后正常互动，AI 就会自动识别内容影响力。 价值自动化：互动行为被量化为资产，收益 24 小时自动结算，实现真正的“社交即收益”。 去中心化公平：不再唯粉丝量论，普通人的优质内容也能通过算法获得实打实的链上回报。 3look 将社交行为从单纯的流量贡献转变为个人资产，开启了 Web3 内容经济的新叙事。 参与链接：

记得Defi Summer 20年到22年这三年时间，大家经常感慨的一句话就是“币圈一天，人间一年” 因为技术迭代太快了，每天都有数不行的新东西出来，几天不看就跟不上节奏 现在这个感觉在币圈彻底消失，在AI那边出现了，每天的新东西就看不完，真的看不完 正好这几天看到圈里讨论Cerebras的帖子多了起来，昨天还看到不少路演信息，毕竟14号要挂牌交易。之前在Amber做分享的时候也单独讲过这个公司（当时用的那页PPT放在文末），所以简单说下我对Cerebras的判断 先说结论：这家公司很有意思，但核心变量不一定是他们造的芯片本身，而是未来AI的workload形态会是成什么样。 先简单说下它是干嘛的，防止有老铁还没看Cerebras 它最核心的技术，就是wafer-scale chip（晶圆级芯片），简单理解就是别人还在用“邮票大小”的芯片，它直接把整片晶圆做成一颗超大处理器，再配上超大 SRAM，把大量数据尽量留在本地高速处理，减少传统GPU最头疼的memory bottleneck。现在海力士美光涨上天就是因为HBM这东西太抢手，Cerebras是直接绕开了对HBM的依赖 很多人看到 Cerebras最牛逼的benchmark：推理速度比GPU快10-15倍，第一反应就是下一个英伟达？！ 先别急。 这个benchmark最大的问题，是默认AI的核心需求永远是“更快吐token”。 如果只是人类盯着ChatGPT聊天，这故事其实没那么性感。你每秒吐 30 个 token，我已经快读不过来了。再翻10倍，边际体验提升几乎为零。 真正有意思的是 Agent。 Agent不读字，Agent消费Token。速度直接等于生产力。 一个OpenClaw/Hermes agent，如果要读网页、写计划、调 API、跑代码、报错重试、继续执行，一个任务可能要几十次 inference call。 每次 2 秒，任务就是分钟级体验。 每次 200ms，就是另一个世界。 所以 Cerebras更值得关注的地方，是 AI worker 这条线，而不是单纯的chatbot加速。 但问题来了 - 它的magic来自 wafer-scale + 超大SRAM，本地访问极快。但SRAM这东西有天然 tradeoff，速度快，容量贵，大模型塞不下就必须拆分。 而一旦拆分，chip-to-chip communication 就上来了。 LLM inference里最怕通信的恰恰是 decode 阶段。token 是一个一个往外吐的，每多一次 hop，延迟就是硬加上去，没法隐藏。 所以 Cerebras能不能成，关键根本不在“比 GPU 快几倍”，而是未来 AI 的主流计算形态到底是什么。 1. 时间线一 - 未来几年还是 前沿超大模型一统天下，动不动几千亿甚至万亿参数，所有请求都让超大模型自己处理，那 Nvidia的distributed infra 依然最舒服，Cerebras的速度优势会被通信损耗吃掉很多。 2. 时间线二 - MoE、蒸馏、量化这些技术如果继续快速进步，未来两年70B左右的模型做到今天700B模型 80%-90% 的效果，我一点都不意外。（这里要强烈感谢Deepseek一大波!) 如果世界往这个方向走，故事就变了。 大模型负责 planning / judgement / orchestration。 真正执行任务的大量 worker model 落在 30B-70B 这个区间。 这些模型足够聪明，又刚好能吃到高速本地推理带来的红利。 Agent 世界里，大部分token根本不需要最聪明的大脑。很多工作本质就是执行层体力活：浏览网页、改代码、调工具、retry、继续跑流程。 这个 topology一旦成立，Cerebras就直接进入自己的甜区 3. 时间线三 - 未来推理是端侧为主，用的都是8B，14B的这些小模型，那GPU也能跑的很好，甚至专用的ASIC芯片效率更高，这个场景下Cerebras的优势和护城河也就不高了 换句话说，超大模型云端推理或者超小模型的端侧推理这两个平行宇宙，Cerebras的优势都不够明显，只有主流推理落在32B-70B中等模型这个Size，正好“Big enough to stress GPU memory, Small enough to fit locally” 才是Cerebras最能大展身手的世界 所以我对Cerebras的判断是，300多亿的市值，短期看订单，财务报表这些数据，长期赌的则是未来Agent时代的计算范式到底落在哪个平行宇宙的时间线上

最近的币圈，让我想起一部电影——《寒战1994》。 刚上映，讲的是1994年的香港，距离97回归还剩三年。 各方势力混战，Old Money在政权更替前做最后博弈，警队内斗，英方残余势力周旋，黑社会、商界、廉政公署，每一方都在算自己的退路。 混乱本身不是终点，混乱是阶梯。 而今天的币圈，就是1994年的香港。 所有人都知道这个行业要被监管收编。所有人都看到那个倒计时。但每一方的剧本完全不同。 第一群人：合规派。这是已经准备好上船的人。对应电影里那些主动跟九七后的中国对接的港英官员。他们看清楚了，与其等政权来收编，不如主动靠过去。 币圈这一侧就是tokenization、就是RWA、就是稳定币、就是各种链上美股、链上债券、链上Pre-IPO。他们用区块链技术给传统金融做合规升级。 这一派的代表是机构派的玩家，贝莱德、富兰克林邓普顿、香港的持牌交易所、各种合规stablecoin项目。他们身上没有原罪，因为他们从一开始就没碰过空气币、没碰过诈骗产业链带货。他们是来吃下一个时代的，不是来续命的。 第二群人：crypto native原教旨主义者。对应电影里那些坚持香港不能变的英方残余、坚持原来那套玩法的Old Money。 币圈这一侧就是依赖无监管发空气币、靠KOL带货、做买盘社区、玩meme轮动的那批人。整套产业链——VC、做市、上所、KOL、二级散户，是一个高度精细化的诈骗工业体系，但它只能在加密资产上跑通。你让他们去做原油黄金？没杠杆没故事。让他们做SpaceXAI、OpenAI这种Pre-IPO？没有Telegram群的地下产业链世界和操盘的空间。让他们做沪深300？人家有涨跌停板和T+1。他们的方法论，离开币圈一文不值。 第三群人：靠币圈黑色产业链赚到第一桶金的从业者、现在想洗白的人。 这是最焦虑的一群。他们已经看清楚币圈的故事讲不动了，于是带着最后的本金每天喊All in 美股、All in A股、All in 黄金。A股涨了追A股，美股涨了追美股，港股涨了追港股，标普涨了追标普——典型的高位接盘行为。 他们以为自己离开战壕就赢了。其实他们只是从一个赌场，被高位放进了另一个更大的赌场。在币圈他们是庄家，到了tradfi他们是最纯粹的散户——没有信息差、没有资金优势、没有产业链协作、没有研究团队、没有合规通道。他们引以为傲的所谓操盘经验，在专业战场里连入场券都不算。 币圈那点钱，养活了过去十年那批一万小时游资。但走到主流金融的牌桌上，那点钱也就够买几手权重蓝筹，远远没有上桌的资格，只是一介散户，到了传统行业自己的资金体量，最多只是中等散户。 第四群人：交易所。这是电影里最焦虑的港英政府高层。老的体系在崩，但自己又走不出去。这帮人在过去十年靠代币上线即流动性吃饱了，现在面对监管落地、面对叙事破产、面对用户流失，他们有几条路： 一部分顶层正在跑路。早就把家办、绿卡、海外资产准备好了。这电影最近的真实剧本你天天能看到。 一部分在求招安。主动找监管对接、主动办牌照、主动走合规上市路径。这条路的代价是放弃70%的利润空间。 一部分还在硬撑。继续维护原来那套生态，因为他们已经没办法转型了——你让一家靠空气币上币费吃饭的交易所去做正经的资产管理？组织能力、人才结构、企业文化全都不支持。 电影里有句台词： 有些人已经习惯了规则的灰色地带，规则一旦变清楚，他们反而活不下去了。 第五群人：从前出局的人，想借东风回归。 最典型的就是老火币那一拨。李林2022年退出火币的时候大家以为他凉了。结果这几年他一直在悄悄布局——Avenir Capital 家办、5亿美元加密量化母基金、收购日本BitTrade、联合早期以太坊OG做10亿美元ETH DAT、领投Inference Research，全套合规化、机构化的牌局。他押的不是币圈，是币圈监管化以后的下一个十年。这种玩家有可能成事，因为他们有方法论、经验、资源、人脉、有钱、有耐心，但身上还是带着原罪。这是他们最大的天花板。 最后一群人：那些最可能赢的人，身上完全没有币圈包袱的人。 电影里真正活下来的不是英方残余、不是Old Money、不是黑社会，是那些九七之后才走上舞台的新一代，干净、合规、跟新体制天然对接的人。币圈这一侧也是这个逻辑。中美欧目前所有币圈成功者，身上都带着原罪，沾过诈骗、碰过赌博、参与过买盘社区、收过项目方的钱。主权玩家很清楚，所以他们对这帮人的态度永远是工具化的，你就是个夜壶，你有用的时候我用用你，起床了嫌你脏，没用了我一脚踢开。 而那些早期技术极客，早在比特币12万的那一轮就已经卖币走人。退休、永远远离这个由技术理想主义起步，却收笔于肮脏战壕的地方。有技术功底的理想派转去做AI，因为AI的叙事更大、回报更确定、监管更明朗。 身上有原罪的资本层、币圈VC，分化成两半： 有资源的，转向硅谷看AI。但带着币圈背景去硅谷，处处低人一等，拿不到club deal的额度，进不去核心圈，硅谷的Old Money也看不起这批crypto money。没资源的，就结业等死。 行业里还有大量散修、底层打工人、从业者、散户，能力没法迁移到传统行业，从币圈到任何主流职位都是降维。最难受的是中层KOL，赚了点小钱但完全没有可迁移的能力。 链协学生、20岁、30岁、40岁的人都在这个夹层里——钱不够直接退休，能力又没法变现到任何正经行业，身上还带着原罪。 一个个人强行聊着美股、强行学习AI，试图努力留在金融、科技，假装自己在最前沿的行业，还想留在风口上。可是身上既没有金融工地，也没有投资能力。看不到未来，每天活在审计、监管、舆论的恐惧里。 1997年6月30日的夜晚，米字旗降下，五星红旗升起。 有些人欢呼，有些人沉默，有些人收拾好行李准备离场，有些人开始排队等新政府的牌照。 币圈的九七之夜还没到，但已经能听见钟摆的声音了。 那么你如何站队呢？

何珂沁 确认出席 #出海去2026年度见面会# 并带来「如何打造可量化可规模化的AI 社媒内容获客增长引擎」的主题分享！ 何珂沁老师是 AI 出海增长机构「AK42」创始人，AI 科技媒体「逐日前线」主编，赚钱和亏钱的经验都很丰富，每天都在兴致勃勃地与这个世界交手。 朋友们，一起来玩！

分享下最新的近况，加入了Foresight Ventures，从毕业前就开始all in了web3，见证了luna事变、nft、gamefi、defi、BTC生态、depin、全链游戏一波又一波叙事，待过VC、也创过业，也算是看尽很多浮沉。 很多朋友问我，曾经放弃了所有大厂offer，怀揣着一颗理想主义 all in web3，结果web3很多赛道都消失了，是什么感受？对此，我的感受是坚守该坚守的，拥抱该拥抱的。 很多人说，Web3不再是曾经理想主义者筑梦的下一代互联网，Web3要没了。我认为，核心是因为Web3的本质不是所有行业的互联网化，Web3的下半场是金融行业的互联网化。 但积极的是，金融科技这个蛋糕足够大，金融的互联网化的阶段足够早，无论是交易还是支付，都有足够大的舞台和空间可以去生根发芽。 Web3变了吗？或许我更愿意称之为回归理性。曾经吹泡沫吹叙事的时代已经过去，留下的更多是更实际做业务和为世界创造真实价值的项目。身边的有一些朋友已经离开了web3，有的去了AI，有的回归了传统互联网。不过也有些朋友仍看好并践行着web3的未来，我也是其中一个。 很开心加入Foresight Ventures，目前主要关注稳定币支付和交易类的项目，欢迎web3的新老朋友们多多交流，也希望能投资更多优秀的项目，与更多有想法的人一起前行，互相报团取暖。 此外，我也非常看好Bitget的UEX战略，BG在美股/大宗/传统资产这块交易体验可以说是行业最领先的，很多交易员朋友和交易机构也经常找我反馈一些产品迭代需求，BG基本上都是光速支持和上线的，用户交易体验拉满。 负责UEX战略时，最大成就感就是，身边的交易员朋友说：“Fred，在你们上买股票/黄金真的太方便了”，也欢迎更多做交易领域的朋友们（量化/主观/个人等）多多交流，一起发财！

10个免费GitHub库，只需100美元和笔记本电脑就能像对冲基金一样交易。 这些是300多家对冲基金在用的工具。收藏这个。 1. OpenBB 免费的彭博终端。股票、期权、期货、加密、外汇。彭博终端年费25000美元，这个免费。 → 2. Lean (QuantConnect) 300多家对冲基金在用的算法交易引擎。用25年数据回测，部署到Interactive Brokers或Alpaca。 → 3. qlib (微软) 微软完整的量化投资平台。 最专业的开源量化基础设施。 → 4. Backtrader 每个量化交易员必学的Python回测框架。全球金融研究生项目都在用。 → 5. TradingAgents UCLA和MIT的多智能体LLM交易框架。AI代理充当分析师、技术员和风险经理。 → 6. Riskfolio-Lib 量化交易员用来配置资本的投资组合优化库。涵盖均值方差、Black-Litterman、CVaR。 → 7. yfinance 每个Python金融课程都从它开始。实时和历史数据覆盖100000+股票。 → 8. FinanceToolkit 150+财务比率、指标和估值模型在一个库里。 → 9. vectorbt Python最快的回测引擎。几秒内测试数千个策略。 → 10. TradingView轻量级图表 为实时金融应用提供图表库。 你的交易仪表板专业的原因。 → 最疯狂的部分： 彭博终端年费25000美元。初级分析师25万美元。高盛研究数百万。 这10个库让一个有100美元和笔记本的小孩获得华尔街付费内容的大部分。 2010年交易台成本5万美元。2026年整个技术栈免费。 散户和华尔街的差距从未这么小。 保存这个吧别忘了。 100%免费。100%开源。