爱吃折耳根的Ace (@_zheergen) “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” — TopicDigg
爱吃折耳根的Ace
@_zheergen
加入 January 2024
0 正在关注 0 粉丝
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
