爱吃折耳根的Ace (@_zheergen)
@_zheergen
0 正在关注 0 粉丝
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
🚨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
兄弟们！GitHub 上最完整的开源量化交易平台来了！
StockSharp 是一个基于 .NET（C#）的开源算法交易框架和平台，支持从策略开发、回测到实盘交易的全流程。#
它提供了可视化图表、策略编辑器、回测引擎，以及丰富的交易连接器，可以对接多个交易所和券商（包括股票、期货、期权、外汇和加密货币等市场）。
核心亮点：
> 免费可视化策略设计器：拖拽搭策略，不用写代码，也内置 C# 编辑器给高手
> 40+ 家交易所/券商直连：Crypto 全接、美股 IBKR/Alpaca、外汇 MT4/MT5
> Hydra 数据引擎：免费下载+高压缩存储，支持 CSV/Excel/数据库导入导出
> Terminal 图表交易：Cluster Charts、Volume Profile、Renko 等专业图表，图表上直接下单
> 回测引擎：统计报表、权益曲线、并行执行策略
> HFT 就绪：支持 DMA 直连交易所，低延迟架构
从数据落地到策略编写到回测到实盘执行，一条龙全包。40+ 家交易所和券商全接，Binance、OKX、IBKR、Alpaca、MT5 一把梭。
无论是个人量化交易者还是想搭建交易系统的团队，都可以作为参考和使用。
显示更多
🚨专注 AI 量化最全的资源路线图来了，港中文出品！
awesome-quant-ai 是一个 curated list（精选资源列表），专门收集了量化金融与人工智能/机器学习结合的相关资源。
它涵盖了从入门到前沿的多个方向，包括：
> LLM 金融推理 + Agent 交易 + RL 选股 + 时序预测—全方向覆盖
> 每个项目附 GitHub + Paper 双链接，审过才收录
> 港中文 AI 金融方向实验室维护，持续更新
> 做 AI 量化研究的第一导航页
> 经典与前沿的量化策略（因子、统计套利、趋势跟踪、AI Agent 交易等）
以前找 AI 量化项目：GitHub 搜半天 → 筛掉一堆 abandoned repo → 再找论文 → 对不上号。现在 awesome-quant-ai 一个页面全整理好了。AI 量化入门的第一站。
显示更多
🚨专注 AI 量化最全的资源路线图来了，港中文出品！
awesome-quant-ai 是一个 curated list（精选资源列表），专门收集了量化金融与人工智能/机器学习结合的相关资源。
它涵盖了从入门到前沿的多个方向，包括：
> LLM 金融推理 + Agent 交易 + RL 选股 + 时序预测—全方向覆盖
> 每个项目附 GitHub + Paper 双链接，审过才收录
> 港中文 AI 金融方向实验室维护，持续更新
> 做 AI 量化研究的第一导航页
> 经典与前沿的量化策略（因子、统计套利、趋势跟踪、AI Agent 交易等）
以前找 AI 量化项目：GitHub 搜半天 → 筛掉一堆 abandoned repo → 再找论文 → 对不上号。现在 awesome-quant-ai 一个页面全整理好了。AI 量化入门的第一站。
显示更多
🚨 把你的自选股变成每天自动生成的投研报告
现在连盯盘这件事都开始被 AI 接管了。
AI Market Pulse 是一个开源的量化投研工具，能把你输入的自选股（支持 A 股、美股、ETF、加密货币）自动生成一份结构化的每日研究报告。
它可以帮你完成股票筛选、技术指标分析、信号评分、基准对比、组合归因和风险监控等工作，并支持用 AI 对个股和组合进行总结。
核心亮点：
> 支持 A 股（自动处理后缀）、美股和加密货币
> 内置技术指标和规则打分系统（0-100 分 + 风险标签）
> 可生成交互式仪表盘和静态研究报告
> 支持推送到 Telegram、飞书、Discord 等渠道
> 可通过 GitHub Actions 实现每天自动运行并发布报告
> 提供本地 Web 控制台和命令行两种使用方式
这个工具适合想系统化做投研但又不想每天手动整理数据的个人投资者和量化爱好者使用，尤其是希望每天有一份属于自己自选股的研究报告的人。
每天早上打开手机收到一份 AI 写的自选股日报，比自己翻半天新闻高效多了。
显示更多
🚨 兄弟们！剑桥、牛津、哈佛的量化大佬联手做了一个中文量化百科知识系统学习平台！
Quant Wiki 是一个开源的中文量化百科项目，致力于把量化金融知识进行开源和汉化，减少国内外信息差。
它把量化交易相关的核心内容做了结构化整理，适合想系统学习量化的人建立知识框架。
主要内容包括：
> 创始团队来自剑桥、牛津、哈佛、ETH、北大、中科大 > 顾问来自高盛、汇丰、Man Group、Citadel——不是野路子，是真大佬操刀 > 因子模型、事件驱动、执行成本优化、AI 量化——全领域覆盖
> 因子模型与因子挖掘
> 常见量化策略类型（趋势、均值回归、事件驱动等）
> 回测逻辑、执行与风控
> 算法交易相关知识
> 中文开源，人人可共建，直接看，不用翻墙
项目采用社区共建的方式持续更新，同时配套了 Quant Question 平台用于练习和巩固。目前是国内比较系统、免费的中文量化学习资源之一。
以前学量化：
啃英文论文 → 翻 Glassdoor 面经 → 逛 QuantNet 论坛。现在 quant-wiki 一个网站把量化知识体系全汉化了。入门量化的信息差，终于有人填平了。
显示更多
🚨 港大开源 ViMax，让 AI 变成一个完整剧组！
GitHub 11K start 是一个多智能体视频生成框架，能把一句话的想法，直接生成带剧本、分镜、角色一致、自动配音的完整视频。
它把传统视频制作里不同角色的工作，用 Agent 分工实现：
> 编剧 Agent 负责写故事和剧本
> 导演 Agent 控制镜头、分镜和叙事节奏
> 制片 Agent 负责角色一致性和画面连贯
> 生成 Agent 输出最终视频
解决以下痛点：
> 支持长视频生成（不是只有几秒短 clip）
> 角色一致性控制较强，适合讲故事类内容
> 支持 Idea2Video、Novel2Video、Script2Video 等多种输入方式
> 可本地部署，免费开源
简单来说，它把“从想法到完整视频”这个流程用多智能体的方式系统化了，适合想用 AI 做内容创作、故事讲述或短剧的用户尝试。
显示更多
🚨 港大开源 ViMax，让 AI 变成一个完整剧组！
GitHub 11K start 是一个多智能体视频生成框架，能把一句话的想法，直接生成带剧本、分镜、角色一致、自动配音的完整视频。
它把传统视频制作里不同角色的工作，用 Agent 分工实现：
> 编剧 Agent 负责写故事和剧本
> 导演 Agent 控制镜头、分镜和叙事节奏
> 制片 Agent 负责角色一致性和画面连贯
> 生成 Agent 输出最终视频
解决以下痛点：
> 支持长视频生成（不是只有几秒短 clip）
> 角色一致性控制较强，适合讲故事类内容
> 支持 Idea2Video、Novel2Video、Script2Video 等多种输入方式
> 可本地部署，免费开源
简单来说，它把“从想法到完整视频”这个流程用多智能体的方式系统化了，适合想用 AI 做内容创作、故事讲述或短剧的用户尝试。
显示更多
🚨卧槽！微软悄悄开源了一套量化军火库，华尔街用了好几年，大众市场居然没几个人知道！
Qlib 是微软开源的一个量化研究平台，目前在 GitHub 上已经有 45.6k star。它不是一个简单的回测工具，而是覆盖了量化投资从数据处理到实盘部署的完整链路。
核心能力：
> 支持因子挖掘、模型训练、回测、组合优化、实盘执行全流程
> 内置多种前沿模型（LightGBM、Transformer、TabNet 等）
> 提供点时间（Point-in-Time）数据库，有效避免未来函数问题
> 支持高频数据（分钟级 K 线）
> 内置 Concept Drift 处理机制，适应市场变化
> 支持与 RD-Agent 结合，让 AI 辅助因子挖掘和策略优化
> 原生支持 A 股沪深 300、中证 500 增强，官方文档就有示例
> 高性能向量化计算引擎，比 Python 原生快上千倍
它对 A 股和美股策略研究都有较好的支持，社区和文档也相对成熟。
微软亚洲研究院出品，MIT 开源。从数据清洗→因子挖掘→模型训练→回测→模拟交易，一条龙全包。
pip install qlib 一行搞定。微软憋了好几年没宣传，今天替你翻出来了
显示更多
🚨 卧槽！自建一个免费的股票看盘平台，再也不用交高昂订阅费了！
OpenStock 是一个社区驱动的开源项目，目标是提供一个永久免费的股票市场平台，类似 TradingView 或雪球的轻量替代品。
它目前支持实时股价跟踪、个性化 watchlist、价格提醒，以及公司基本面和财务数据查看。界面比较现代，支持深色模式，还集成了 TradingView 图表。
核心亮点：
> 实时股价跟踪 + 个性化价格提醒，推送直接到邮箱
> TradingView K 线图 + 技术指标集成，MA/MACD/RSI 全套
> 公司基本面：财务数据、估值比率、详细洞察
> AI 新闻摘要，每天早上一份邮件发到你邮箱
> Watchlist 管理 + 投资组合追踪 + 盈亏计算
> shadcn/ui 界面干净好看，Docker 一键部署
这个项目完全开源，数据掌握在自己手里，适合不想付费订阅专业行情软件的普通投资者和开发者自己部署使用。
显示更多
🚨 卧槽！自建一个免费的股票看盘平台，再也不用交高昂订阅费了！
OpenStock 是一个社区驱动的开源项目，目标是提供一个永久免费的股票市场平台，类似 TradingView 或雪球的轻量替代品。
它目前支持实时股价跟踪、个性化 watchlist、价格提醒，以及公司基本面和财务数据查看。界面比较现代，支持深色模式，还集成了 TradingView 图表。
核心亮点：
> 实时股价跟踪 + 个性化价格提醒，推送直接到邮箱
> TradingView K 线图 + 技术指标集成，MA/MACD/RSI 全套
> 公司基本面：财务数据、估值比率、详细洞察
> AI 新闻摘要，每天早上一份邮件发到你邮箱
> Watchlist 管理 + 投资组合追踪 + 盈亏计算
> shadcn/ui 界面干净好看，Docker 一键部署
这个项目完全开源，数据掌握在自己手里，适合不想付费订阅专业行情软件的普通投资者和开发者自己部署使用。
显示更多
