爱吃折耳根的Ace (@_zheergen)
@_zheergen
0 正在关注 0 粉丝
Bloomberg 真正值钱的，不是那块黑底屏幕。
而是你敲几个命令，就能把行情、财报、SEC、期权、新闻、宏观、机构持仓全拉到一个工作台里。
Gloomberb，2.3K Stars，直接把这套“金融终端工作流”开源了。
而且它不是做个 Bloomberg 皮肤，而是真的已经塞了 100+ 个金融功能进去。
核心能力：
1️⃣ 个股研究一站式：行情、K 线、财报、估值、SEC Filing、分析师评级、期权链都能直接查
2️⃣ 宏观也很全：美债收益率曲线、利率路径、信用利差、全球指数、期货持仓、经济日历都做进去了
3️⃣ 机构数据直接看：13F、机构持仓、Insider、基金持仓，不用再来回翻多个网站
4️⃣ 组合和交易工作台也有：Watchlist、Portfolio、Broker 连接、Alert、Notes 都能放在同一个终端里
5️⃣ 操作方式很“彭博”：`DES AAPL` 看公司、`GP NVDA` 开图表、`FA` 看财务、`13F` 看机构，键盘敲命令就走
6️⃣ Desktop + TUI + Browser 都能用，还支持 Plugin 扩展，自己的数据源、Broker、研究工具都可以继续往里塞
我觉得它最爽的一点是：
它不是让你“多装一个看盘软件”。
而是把原来散落在十几个网页里的研究动作，重新收回到一个键盘驱动的工作台里。
而且终端本身 MIT 开源、免费，本地桌面和 TUI 都能跑；需要实时数据、新闻线和财报电话会这些高级数据，再单独上 Cloud Pro。
做美股研究、宏观、期权，或者一直想自己搭一套 Bloomberg 风格金融终端的，这个很值得玩。
GitHub：
显示更多
我去！A股这边终于有人把多 Agent 分析 + 盯盘 + 选股 + 下单塞进一个本地系统里了。
aiagents-stock，2K stars。Python + Streamlit，受 TradingAgents 启发，但方向完全是大陆盘口：游资龙虎榜、板块轮动、问财选股、MiniQMT 预留接口。
市面上的 AI 炒股项目大多停在「出一份分析报告」这一步，给完观点就没下文。
aiagents-stock 不一样，受 tradingagents 启发，把一套年费 6000 的主力资金战法用 AI 复刻出来，还一路加到盯盘和量化下单。
核心能力：
1️⃣ 6 位 AI 分析师分工研究，同一只股票从技术、基本面、资金、风险、情绪、新闻六个角度一起拆
2️⃣ 支持 A 股、港股、美股，单股深度分析和批量多线程分析都能跑
3️⃣ 自带主力选股、低价擒牛、小市值、净利增长、低估值等多套 A 股筛选策略
4️⃣ 龙虎榜也做成了 5 个 AI Agent 协同分析，可以追游资、看题材、筛次日潜力股
5️⃣ 板块轮动、宏观周期、新闻热度都能继续分析，还支持飞书、钉钉、邮件自动推送
6️⃣ 分析完还能加入实时盯盘，监控进场区间、止盈止损，并预留 MiniQMT 接口继续往量化交易走
我觉得它最有意思的地方，是很懂 A 股这套玩法。
不是简单拿一个国外 Agent 框架改成中文，而是真的把主力资金、龙虎榜、板块轮动、问财、T+1 这些东西都塞进去了。
更像是：先让一群 AI 帮你研究，再让它们帮你选股、盯盘、复盘，最后还能继续接量化执行。
做 A 股 AI 投研、短线复盘，或者想自己搭一套多 Agent 股票研究系统的，这个值得看看。
显示更多
我去！A股这边终于有人把多 Agent 分析 + 盯盘 + 选股 + 下单塞进一个本地系统里了。
aiagents-stock，2K stars。Python + Streamlit，受 TradingAgents 启发，但方向完全是大陆盘口：游资龙虎榜、板块轮动、问财选股、MiniQMT 预留接口。
市面上的 AI 炒股项目大多停在「出一份分析报告」这一步，给完观点就没下文。
aiagents-stock 不一样，受 tradingagents 启发，把一套年费 6000 的主力资金战法用 AI 复刻出来，还一路加到盯盘和量化下单。
核心能力：
1️⃣ 6 位 AI 分析师分工研究，同一只股票从技术、基本面、资金、风险、情绪、新闻六个角度一起拆
2️⃣ 支持 A 股、港股、美股，单股深度分析和批量多线程分析都能跑
3️⃣ 自带主力选股、低价擒牛、小市值、净利增长、低估值等多套 A 股筛选策略
4️⃣ 龙虎榜也做成了 5 个 AI Agent 协同分析，可以追游资、看题材、筛次日潜力股
5️⃣ 板块轮动、宏观周期、新闻热度都能继续分析，还支持飞书、钉钉、邮件自动推送
6️⃣ 分析完还能加入实时盯盘，监控进场区间、止盈止损，并预留 MiniQMT 接口继续往量化交易走
我觉得它最有意思的地方，是很懂 A 股这套玩法。
不是简单拿一个国外 Agent 框架改成中文，而是真的把主力资金、龙虎榜、板块轮动、问财、T+1 这些东西都塞进去了。
更像是：先让一群 AI 帮你研究，再让它们帮你选股、盯盘、复盘，最后还能继续接量化执行。
做 A 股 AI 投研、短线复盘，或者想自己搭一套多 Agent 股票研究系统的，这个值得看看。
显示更多
终于有人把这事做了！不用碰 Python，零依赖 JS/TS 直接拿 A股/港股/美股/基金/期货/期权全市场行情
stock-sdk，1.9K stars，内置 92 个 MCP 工具直接喂给 AI。
以前前端想做行情看板，行情工具基本全是 Python 生态，要么自己起后端，要么忍受财经接口 GBK/并发/批量各种坑。
stock-sdk 不一样，v2 架构大改，命名空间 API + 统一符号模型，零依赖，浏览器和 Node 18+ 双端直接跑。
核心能力：
1️⃣ 一套 API 覆盖 A 股、港股、美股、公募基金、期货、期权，实时行情、K 线、分钟线都能直接调
2️⃣ 资金流、龙虎榜、融资融券、大宗交易、涨跌停池、盘口异动、板块资金这些 A 股常用数据也做进去了
3️⃣ 自带 MACD、RSI、KDJ、BOLL、ATR、SAR 等技术指标，还能直接识别指标信号
4️⃣ 内置 Screener + 本地回测，不只是拿数据，筛股和策略验证也能直接做
5️⃣ 筹码分布也已经支持，A 股 / 港股 / 美股都能本地计算获利比例、平均成本和筹码区间
6️⃣ 最关键的是 MCP 已经原生做好了，Claude、Codex、Cursor 可以直接调用这些金融工具，不用你再包一层接口
我觉得它现在最有意思的一点，是已经从“股票数据包”慢慢变成了 Agent 的金融基础设施。
上面 AI 负责研究，下面 stock-sdk 负责行情、指标、选股和回测。
做股票 Agent、AI 投研，或者想给自己的量化系统补一套统一数据层，这个很值得留着。
显示更多
做量化的应该懂这个有多省事。美股 Key 一填，K 线和指标直接进表。
alpha_vantage，4.9K stars，实时行情 + 技术指标 + 基本面全都有，直接返回 pandas 进回测！
以前拿美股/加密货币/外汇数据，要么付费订阅、要么到处拼接口。
alpha_vantage 不一样——它是 Alpha Vantage 官方 API 的 Python 封装，一个免费 key，股票、技术指标、基本面、加密货币、外汇、期权、商品、宏观数据全通吃。
核心亮点：
1️⃣ 一个免费 key 全覆盖：股票实时/历史行情、技术指标、基本面、加密货币、外汇、期权、商品、经济指标
2️⃣ 技术指标接口内置：SMA、布林带、MACD 等直接 ti.get_bbands() 拉，不用自己算
3️⃣ 输出格式自由切：json / pandas DataFrame / csv，indexing 还能选日期或整数
4️⃣ asyncio 异步支持，批量拉 AAPL/GOOG/TSLA/MSFT 并发跑，多标的快一个量级
5️⃣ 支持 rapidAPI key、内置重试机制、4.9K stars + 777 forks，pip install 即装即用
核心很直接：给代码，拿回两样——行情表 + 元信息。output_format='pandas'，收盘价能直接画。
美股/币/外汇量化第一步是数据，别到处拼接口了，一个免费 key 加这个库就齐活。收藏它，你会感谢我的。
显示更多
这个有点东西！券商金工研报里那套压箱底的选股/因子策略，全被人用 Python 复现出来了
QuantsPlaybook，6K stars，华泰/中信/招商/国信 100+ 策略免费抄作业，A股直接跑！
核心很直接：文件夹里丢原研报，旁边是复现代码。窗口、回测、画图都能改。数据走聚宽 jqdata 和 Tushare。
核心亮点：
1️⃣ 100+ 券商金工策略，华泰/中信/招商/国信等头部券商研究成果全复现，6K stars 同类断层第一
2️⃣ 经典策略一个不落：RSRS 择时、QRS、HHT、FScore、神奇公式、凸显性因子 STR、球场寻位因子
3️⃣ 四大类全覆盖：25+ 选股 + 22+ 因子 + 基本面价值 + 组合优化（DE 进化算法、多任务学习）
4️⃣ 每个策略配 A股真实数据回测，年化/回撤/夏普/胜率报告都给你算好
5️⃣ Qlib + Backtrader + LightGBM 全套框架，聚宽/tushare 双数据源，1.4K forks
以前想看券商金工研报，要么没渠道、要么只有 PDF 没代码，想复现 RSRS、FScore 这些经典策略还得自己一行行敲。
QuantsPlaybook 不一样，头部券商金工团队的研究成果，全被拆成能跑的 Jupyter notebook，6 年攒了 100+ 个，国内同类找不出第二个。
别人还在付费买研报、手动抄公式，你直接 clone 下来抄作业。
显示更多
这个有点东西！券商金工研报里那套压箱底的选股/因子策略，全被人用 Python 复现出来了
QuantsPlaybook，6K stars，华泰/中信/招商/国信 100+ 策略免费抄作业，A股直接跑！
核心很直接：文件夹里丢原研报，旁边是复现代码。窗口、回测、画图都能改。数据走聚宽 jqdata 和 Tushare。
核心亮点：
1️⃣ 100+ 券商金工策略，华泰/中信/招商/国信等头部券商研究成果全复现，6K stars 同类断层第一
2️⃣ 经典策略一个不落：RSRS 择时、QRS、HHT、FScore、神奇公式、凸显性因子 STR、球场寻位因子
3️⃣ 四大类全覆盖：25+ 选股 + 22+ 因子 + 基本面价值 + 组合优化（DE 进化算法、多任务学习）
4️⃣ 每个策略配 A股真实数据回测，年化/回撤/夏普/胜率报告都给你算好
5️⃣ Qlib + Backtrader + LightGBM 全套框架，聚宽/tushare 双数据源，1.4K forks
以前想看券商金工研报，要么没渠道、要么只有 PDF 没代码，想复现 RSRS、FScore 这些经典策略还得自己一行行敲。
QuantsPlaybook 不一样，头部券商金工团队的研究成果，全被拆成能跑的 Jupyter notebook，6 年攒了 100+ 个，国内同类找不出第二个。
别人还在付费买研报、手动抄公式，你直接 clone 下来抄作业。
显示更多
真给它做出来了！Python 里直接调 TradingView 官方筛选器
TradingView-Screener，1.2K stars，3000+ 字段、70 国股票 + 币 + 外汇 + 期货全市场扫描，免爬虫、免订阅就能跑！
以前想做全市场选股/扫描，要么手动翻 TradingView 筛选器，要么自己写爬虫解析网页，又脆又慢。
这个库不一样——它直接包 TradingView 官方 /screener 接口，SQL 式语法一句话筛出你要的票。
核心亮点：
1️⃣ 直连 TradingView 官方接口，不爬网页、不解析 HTML，数据稳、不易被封
2️⃣ 3000+ 字段：OHLC、技术指标、基本面（市盈率/每股收益）、还有 TradingView 内部独有字段
3️⃣ 覆盖 70 国股票 + 期权 + 加密货币 + 外汇 + 期货 + 债券，一个库全市场通吃
4️⃣ 多周期自由混用：1分钟到月线 10 个周期，同一查询里 close、close|5、MACD|1 随便组合，免订阅
5️⃣ SQL 式筛选 + AND/OR 逻辑，返回 pandas DataFrame，直接进回测流水线
做量化第一步是找票，别再手动翻筛选器或写爬虫了，TradingView 那套 3000+ 字段现在一行代码就能扫。
显示更多
这下省事了！取股票/基金/期货/可转债数据，不用再注册 key、写爬虫了
efinance，4K stars，免费开源免 token，一行代码直接出 DataFrame！
以前做量化，第一步就卡在数据上：要么掏钱上 Wind/聚宽，要么自己写爬虫抓，费时费钱还容易被封。
efinance 不一样——免费开源、不用注册 key，ef.stock.get_quote_history('600519') 一行就出完整数据。
核心亮点：
1️⃣ 股票/基金/可转债/期货 四大类数据全覆盖，A股 + 美股港股（苹果、微软直接输中文名都能查）
2️⃣ 免注册、免 key、免费开源，一行代码出 DataFrame，回测数据源直接接上
3️⃣ 股票数据含日K/5分钟K/实时行情/龙虎榜/季度业绩/资金流向（主力·超大单·大单·中单·小单净流入）
4️⃣ 基金净值+持仓、可转债行情、期货主力合约历史数据全都有
5️⃣ 4K stars、747 forks，pip install efinance 即装即用，Python 3.6+
量化第一步就是数据，别再为个历史 K 线去注册一堆接口了，这个库免费还全。
显示更多
这下省事了！取股票/基金/期货/可转债数据，不用再注册 key、写爬虫了
efinance，4K stars，免费开源免 token，一行代码直接出 DataFrame！
以前做量化，第一步就卡在数据上：要么掏钱上 Wind/聚宽，要么自己写爬虫抓，费时费钱还容易被封。
efinance 不一样——免费开源、不用注册 key，ef.stock.get_quote_history('600519') 一行就出完整数据。
核心亮点：
1️⃣ 股票/基金/可转债/期货 四大类数据全覆盖，A股 + 美股港股（苹果、微软直接输中文名都能查）
2️⃣ 免注册、免 key、免费开源，一行代码出 DataFrame，回测数据源直接接上
3️⃣ 股票数据含日K/5分钟K/实时行情/龙虎榜/季度业绩/资金流向（主力·超大单·大单·中单·小单净流入）
4️⃣ 基金净值+持仓、可转债行情、期货主力合约历史数据全都有
5️⃣ 4K stars、747 forks，pip install efinance 即装即用，Python 3.6+
量化第一步就是数据，别再为个历史 K 线去注册一堆接口了，这个库免费还全。
显示更多
这就舒服了！股票技术指标不用再一个个手写——stockstats，1.5K stars
50+ 技术指标直接做成 pandas 列，df['macd'] 一行取，金叉死叉也能直接判断。
以前算技术指标，要自己写 RSI、MACD、布林带这些公式，或者接 TA-Lib，来回维护很麻烦。
stockstats 的思路很直接：给 pandas.DataFrame 套一层 StockDataFrame，行情数据进去，df['rsi']、df['macd']、df['boll'] 直接取，跟普通列差不多。
核心亮点：
1️⃣ 50+ 技术指标：MACD、KDJ、RSI、布林带、ATR、CCI、Supertrend、一目均衡等
2️⃣ pandas 无缝衔接：指标按需计算，用到哪列再算哪列
3️⃣ 金叉死叉直接写：close_10_sma_xu_close_50_sma 可判断均线交叉
4️⃣ 比较信号也内置：rsi_ge_70、kdjk_xu_kdjd 这类条件可以直接进策略
5️⃣ 安装简单：pip install stockstats，Python 3.9+，BSD-3-Clause 开源
我比较喜欢的是，它把算技术指标变成了取 DataFrame 的一列。
写策略、做因子或者 ML 特征工程时，不用再维护一堆 RSI、MACD 的计算公式，数据准备好，直接拿指标和信号。
显示更多
卧槽！Quantopian 倒闭了，但它的回测引擎被《Machine Learning for Trading》的作者救活了—zipline-reloaded！
Zipline 曾是全球最强大的 Python 回测框架，Quantopian 关站后 Stefan Jansen 接手维护，升级到 Python 3.11+、pandas 2.0+，pipeline API 因子计算、data bundle 数据管理、事件驱动引擎全部保留。
核心特点如下：
1️⃣ 事件驱动回测架构，逻辑清晰
2️⃣ 与 Pandas 深度集成，方便处理数据
3️⃣ 支持常见技术指标和统计分析
4️⃣ 可配合 scikit-learn、statsmodels 等做机器学习策略
5️⃣ 兼容较新的 Python 和依赖版本
6️⃣ 有完整文档和示例，适合学习和研究
以前 Zipline 装不上：Python 版本不对 → 依赖冲突 → 放弃了。现在 zipline-reloaded pip install 一行搞定。
做因子选股 + 回测的，zipline-reloaded + Pyfolio 是最接近 Quantopian 体验的组合。
显示更多
强烈推荐给想系统入门量化交易的朋友。
这套《Algorithmic Trading Using Python》全长 4 小时 33 分钟，是目前比较完整的 Python 量化从基础到实战课程之一。
为什么值得看？
最大特点是没有刻意剪掉错误，而是完整展示真实开发过程：API 报错、数据缺失、逻辑调试，直到策略最终跑通。
对于新手来说，这种带着问题一起解决的学习方式，比只展示最终结果的教程更有价值。
课程直接落地三类真实策略：
1️⃣ 等权重标普500（规避市值加权偏差）
2️⃣ 高质量动量选股（多周期 + 百分位评分）
3️⃣ 复合多因子价值筛选（避免单一估值陷阱）
完整流程覆盖：
真实金融数据获取 → 因子清洗 → 截面排序 → 股票分配 → 生成交易方案
整套流程可以作为学习量化研究框架的参考。
建议收藏，配合代码边看边练。
它最大的价值不是教你一个赚钱策略，而是让你理解专业量化研究从数据到策略的完整流程。
周末学起来吧。
显示更多
强烈推荐给想系统入门量化交易的朋友。
这套《Algorithmic Trading Using Python》全长 4 小时 33 分钟，是目前比较完整的 Python 量化从基础到实战课程之一。
为什么值得看？
最大特点是没有刻意剪掉错误，而是完整展示真实开发过程：API 报错、数据缺失、逻辑调试，直到策略最终跑通。
对于新手来说，这种带着问题一起解决的学习方式，比只展示最终结果的教程更有价值。
课程直接落地三类真实策略：
1️⃣ 等权重标普500（规避市值加权偏差）
2️⃣ 高质量动量选股（多周期 + 百分位评分）
3️⃣ 复合多因子价值筛选（避免单一估值陷阱）
完整流程覆盖：
真实金融数据获取 → 因子清洗 → 截面排序 → 股票分配 → 生成交易方案
整套流程可以作为学习量化研究框架的参考。
建议收藏，配合代码边看边练。
它最大的价值不是教你一个赚钱策略，而是让你理解专业量化研究从数据到策略的完整流程。
周末学起来吧。
显示更多
卧槽！期权、CDS、债券、利率互换——全部定价模型 Python 一把梭！FinancePy，真金融工程利器。
domokane 开源的 FinancePy，专注金融衍生品的定价和风险管理，覆盖固收、股票、外汇和信用等产品，目前有 3.1K Star。
核心能力包括：
1️⃣ 债券、可转债、利率衍生品定价
2️⃣ 股票期权（欧式、美式、亚式、障碍等）
3️⃣ 外汇期权和相关产品
4️⃣ 信用违约互换（CDS）等信用衍生品
5️⃣ 多种定价模型（Black-Scholes、树模型、随机波动率等）
6️⃣ 使用 Numba 加速，性能比较好，同时保持纯 Python 可读性
对做衍生品定价、风险计算，或者想系统学习量化金融建模的人来说，这个库内容比较扎实。
现在 FinancePy 纯 Python 加中文注释，pip install 就能跑。想做衍生品方向的，先把这个库吃透。
显示更多
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。
显示更多
量化实操：29分钟用Python构建高夏普股票组合
遇到一位把杀手级股票组合讲得非常直观的老师。
我问他，如何用 Python 从 100 多只纽交所股票里，自动筛出高夏普比率的优化组合，并直接映射成可下单的股数？
他发布了这支约 29 分钟的精选量化教学视频，利用近 8 年真实价格数据 + PyPortfolioOpt，演示了完整的均值-方差优化流程。
核心内容包括：
1️⃣ 多资产数据加载与缺失值处理（含 IPO 股票）
2️⃣ 年化期望收益与协方差矩阵估计
3️⃣ 有效前沿求解最大夏普比率组合（视频中达到 4.9）
4️⃣ 将连续权重转化为 $5,000 资金下的离散整数股数
5️⃣ 调用 Yahoo Finance API 自动解析公司全称
需要特别注意：视频中 141% 年化收益和 4.9 夏普属于典型的样本内过拟合（Look-ahead Bias），实盘必须做滚动窗口或样本外验证。
对想快速上手投资组合优化与实盘映射的朋友，这是清晰的入门实操。建议收藏。
显示更多
量化实操：29分钟用Python构建高夏普股票组合
遇到一位把杀手级股票组合讲得非常直观的老师。
我问他，如何用 Python 从 100 多只纽交所股票里，自动筛出高夏普比率的优化组合，并直接映射成可下单的股数？
他发布了这支约 29 分钟的精选量化教学视频，利用近 8 年真实价格数据 + PyPortfolioOpt，演示了完整的均值-方差优化流程。
核心内容包括：
1️⃣ 多资产数据加载与缺失值处理（含 IPO 股票）
2️⃣ 年化期望收益与协方差矩阵估计
3️⃣ 有效前沿求解最大夏普比率组合（视频中达到 4.9）
4️⃣ 将连续权重转化为 $5,000 资金下的离散整数股数
5️⃣ 调用 Yahoo Finance API 自动解析公司全称
需要特别注意：视频中 141% 年化收益和 4.9 夏普属于典型的样本内过拟合（Look-ahead Bias），实盘必须做滚动窗口或样本外验证。
对想快速上手投资组合优化与实盘映射的朋友，这是清晰的入门实操。建议收藏。
显示更多
我现在都是让 Codex 替我画架构图，这感觉别提有多爽了
以前做一个量化交易系统图、Agent 架构图、策略流程图：
改一个模块，要重新拖半天。
drawio-scientific-illustrator 是一个 Codex 插件，能让 AI 通过 MCP 实时控制 draw 画布，一步一步绘制科学图示。
装上这个 Skill 后，Codex 可以直接把图片 1:1 重建成可编辑 draw 文件。
然后就会得到每个元素都可以修改的可编辑图片！
我就喜欢拿来做量化框架图，这感觉真的很爽！
显示更多
量化必备：几何布朗运动从理论到向量化实现
之前分享过从零到一的 Python 量化回测、真实数据清洗避坑，以及 Fama-French 多因子模型实操。
今天粉丝问我：Ace 还有没有把几何布朗运动（GBM）从数学公式一路讲到可交互模拟仪表盘的完整视频？
我去找了这支来自 Daniel Boctor 的优质实战教学。
视频真正的价值在于：它把量化金融中最基础也最重要的随机模型——几何布朗运动，讲得既有理论深度，又有工程落地感。
核心内容包括：
1️⃣ 清晰拆解 GBM 公式 dStSt=μdt+σdWt \frac{dS_t}{S_t} = \mu dt + \sigma dW_t StdSt=μdt+σdWt，把漂移项、扩散项和随机项讲透
2️⃣ 特别纠正离散模拟时必须使用几何复利收益、而不是简单算术收益的常见错误
3️⃣ 用 NumPy 向量化彻底摆脱 for 循环，瞬间生成成百上千条随机路径
4️⃣ 用 ipywidgets 搭建可实时调节参数的交互仪表盘，直观观察资产增长曲线和终端财富分布
5️⃣ 末尾额外演示了 Fama-French 因子滚动回归分析
这是一支从理论到可视化都做得很扎实的量化随机过程教学，适合想系统学习蒙特卡洛模拟和向量化编程的朋友。强烈建议跟着敲一遍代码收获会很大。
显示更多
量化必备：几何布朗运动从理论到向量化实现
之前分享过从零到一的 Python 量化回测、真实数据清洗避坑，以及 Fama-French 多因子模型实操。
今天粉丝问我：Ace 还有没有把几何布朗运动（GBM）从数学公式一路讲到可交互模拟仪表盘的完整视频？
我去找了这支来自 Daniel Boctor 的优质实战教学。
视频真正的价值在于：它把量化金融中最基础也最重要的随机模型——几何布朗运动，讲得既有理论深度，又有工程落地感。
核心内容包括：
1️⃣ 清晰拆解 GBM 公式 dStSt=μdt+σdWt \frac{dS_t}{S_t} = \mu dt + \sigma dW_t StdSt=μdt+σdWt，把漂移项、扩散项和随机项讲透
2️⃣ 特别纠正离散模拟时必须使用几何复利收益、而不是简单算术收益的常见错误
3️⃣ 用 NumPy 向量化彻底摆脱 for 循环，瞬间生成成百上千条随机路径
4️⃣ 用 ipywidgets 搭建可实时调节参数的交互仪表盘，直观观察资产增长曲线和终端财富分布
5️⃣ 末尾额外演示了 Fama-French 因子滚动回归分析
这是一支从理论到可视化都做得很扎实的量化随机过程教学，适合想系统学习蒙特卡洛模拟和向量化编程的朋友。强烈建议跟着敲一遍代码收获会很大。
显示更多
🚨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。
显示更多
🚨卧槽！一个多 Agent 协作的 A 股智能分析桌面工具来了
JCP（韭菜盘） 是一个基于 Wails 开发的跨平台桌面应用，通过多个 AI Agent 协同工作，为 A 股投资者提供结构化的股票分析。
它让不同角色的 AI（技术面、基本面、情绪面、风控等）一起讨论一只股票，最后给出综合结论，而不是单一模型的输出。
核心亮点：
> 多 Agent 智库协作：技术分析师、基本面分析师、情绪分析师、风控专家等角色共同讨论
> 实时数据 + 图表支持：集成 Lightweight Charts，支持多周期 K 线和盘口深度
> 智能记忆系统：按股票隔离的长期记忆，自动提取关键事实和历史摘要
> 热点舆情聚合：整合百度、抖音、B站、头条等多平台舆情数据
> 支持策略配置和模型自由切换，可为不同 Agent 指定不同大模型
> 内置 MCP 扩展能力，未来可轻松接入更多工具
对想在本地用多 Agent 方式深度分析 A 股、需要实时图表和舆情辅助决策的投资者来说，这是一个功能比较完整的开源桌面方案。
显示更多
🚨卧槽！一个多 Agent 协作的 A 股智能分析桌面工具来了
JCP（韭菜盘） 是一个基于 Wails 开发的跨平台桌面应用，通过多个 AI Agent 协同工作，为 A 股投资者提供结构化的股票分析。
它让不同角色的 AI（技术面、基本面、情绪面、风控等）一起讨论一只股票，最后给出综合结论，而不是单一模型的输出。
核心亮点：
> 多 Agent 智库协作：技术分析师、基本面分析师、情绪分析师、风控专家等角色共同讨论
> 实时数据 + 图表支持：集成 Lightweight Charts，支持多周期 K 线和盘口深度
> 智能记忆系统：按股票隔离的长期记忆，自动提取关键事实和历史摘要
> 热点舆情聚合：整合百度、抖音、B站、头条等多平台舆情数据
> 支持策略配置和模型自由切换，可为不同 Agent 指定不同大模型
> 内置 MCP 扩展能力，未来可轻松接入更多工具
对想在本地用多 Agent 方式深度分析 A 股、需要实时图表和舆情辅助决策的投资者来说，这是一个功能比较完整的开源桌面方案。
显示更多
🚨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。
显示更多
🚨兄弟们！全自动 Agent 原生交易平台 AI-Trader 来了
HKUDS 开源的 AI-Trader 是一个 100% Agent-Native 的交易平台，让 AI 智能体可以自主参与股票、加密货币、外汇、期权和期货交易。
核心亮点：
> Agent 原生设计：任何 AI Agent 只需读取一个 SKILL.md 链接就能快速接入并开始交易
> 集体智能协作：多个 Agent 可以一起讨论、辩论策略，共同生成交易信号
> 一键跟单 + 跨平台同步：支持复制顶级 Agent 的交易，并同步到 Binance、Coinbase、IB 等经纪商
> 支持实盘 + 模拟交易：提供 $100K 纸上交易环境，同时支持真实市场执行
> 统一信号系统：策略讨论、操作信号、公开讨论三种类型，方便 Agent 和人类协作
> 目前 GitHub 已获得 20.8K Star，发展非常快
对想让 AI Agent 自主交易、研究多 Agent 集体智能、或者构建自动化交易系统的人来说，这是目前开源里最完整、最原生的 Agent-Native 交易平台之一。
显示更多
🚨兄弟们！全自动 Agent 原生交易平台 AI-Trader 来了
HKUDS 开源的 AI-Trader 是一个 100% Agent-Native 的交易平台，让 AI 智能体可以自主参与股票、加密货币、外汇、期权和期货交易。
核心亮点：
> Agent 原生设计：任何 AI Agent 只需读取一个 SKILL.md 链接就能快速接入并开始交易
> 集体智能协作：多个 Agent 可以一起讨论、辩论策略，共同生成交易信号
> 一键跟单 + 跨平台同步：支持复制顶级 Agent 的交易，并同步到 Binance、Coinbase、IB 等经纪商
> 支持实盘 + 模拟交易：提供 $100K 纸上交易环境，同时支持真实市场执行
> 统一信号系统：策略讨论、操作信号、公开讨论三种类型，方便 Agent 和人类协作
> 目前 GitHub 已获得 20.8K Star，发展非常快
对想让 AI Agent 自主交易、研究多 Agent 集体智能、或者构建自动化交易系统的人来说，这是目前开源里最完整、最原生的 Agent-Native 交易平台之一。
显示更多
🚨卧槽！开源剪映替代品 OpenCut 来了
OpenCut 是一个免费开源的视频编辑器，目标是成为 CapCut 的平替。
它采用 Rust 核心 + 插件优先架构，正在从头重写，目前已经支持网页端、桌面端和移动端（同一代码库），未来还会提供更强的扩展性和自动化能力。
核心亮点：
> 本地处理 + 无水印无订阅：导出完全免费，无任何限制
> 正在用 Rust 重写核心，支持 Web、桌面、移动多端统一
> 未来规划强大插件系统 + MCP Server（可直接给 AI Agent 用）
> 支持无头模式和脚本化，适合批量处理和自动化
> 目前经典版已经可用，新版重构完成后体验会更强
> GitHub 已经接近 70K Star，发展非常快
对做视频剪辑、接剪辑单、或者需要本地隐私处理视频的创作者和 freelancer 来说，这是目前最强力的开源 CapCut 替代方案之一。
显示更多
🚨卧槽！Obsidian 交易日志插件 Journalit 来了
Journalit 是一个专为交易者设计的 Obsidian 插件，把交易日志、复盘和数据分析全部放在本地 Markdown 文件里完成。
做交易时，订单分散在 IBKR、Tradovate、Bybit 等多个平台，想统一同步到 Obsidian 里复盘，同时又不希望数据交给第三方。
核心亮点：
> 本地优先 + Markdown 存储：数据完全在你自己的 Obsidian vault，不依赖云端
> 强大分析看板：Home View、交易仪表盘、Prop Firm 账户监控（盈亏目标、回撤）
> 结构化复盘系统：支持自定义每日/每周/每月/年度复盘模板，还能自己搭布局
> 多平台导入：支持 CSV、经纪商报表导入，可自动同步 MT4/MT5
> 适合 Prop Firm 和多账户交易者：能同时管理多个账户和不同品种
对用 Obsidian 做交易复盘、想要数据完全自有、又希望有结构化分析和模板的交易者来说，这是目前最适合 Obsidian 的交易日志方案之一。
显示更多
