标签
用户开源其盈利的量化交易代码，并介绍QTrader平台，该平台提供策略管理、回测和模拟交易功能。
AI-Trader 是一个开源的 Python 框架，通过基于配置的 YAML 文件和 AI 助手集成，简化了跨多个市场的算法交易策略的回测和优化。
AQuA 是一个研究系统，包含两个独立的语言模型驱动智能体，它们在量化交易研究中递归地自我改进，在加密货币和美国股票上取得了较强的信息系数，同时使用密封沙箱防止数据泄漏。
介绍了Backtrader-Bench，这是一个用于评估算法交易中LLM编码智能体的基准，采用自生成的多选题和生成器-求解器过滤流程，展示了工具增强型智能体达到90%的准确率。
zipline-reloaded 是 Quantopian 关闭后由 Stefan Jansen 维护的 Zipline 回测框架延续版，支持 Python 3.11+ 和 pandas 2.0+，保留事件驱动架构和 Pipeline API，适合因子选股与机器学习策略回测。
关于 Horizon 的推广帖，这是一个由 AI 驱动的交易策略平台，允许用户用简单的英语回测和部署策略，文中引用了一位教授用 AI 代理管理 2 亿美元、去年回报率为 56% 的例子。
对BTC上RSI<30超卖策略的回测显示，尽管胜率仅为51.85%，该策略仍然盈利（+12.44%），但风险调整后指标仅处于边缘水平，凸显出盈亏结构比指标准确性更重要。推广Horizon的回测平台。
本文表明，在LLM回测中，标准的前/后训练截止检查对时间泄漏的检测毫无信息量，因为近因效应会模仿泄漏。文章提出了使用已知截止点和匹配的干净对照组的新估计器，以测量泄漏并计算调整分数，并在前沿模型上进行了验证。
Scalar Field (YC X25) 推出其智能体交易台执行引擎，打通从研究、回测到实盘交易的闭环，支持 Robinhood、Public、Alpaca、Hyperliquid 和 Polymarket。
介绍一个关于Python量化交易全栈实操的视频教程，涵盖数据抓取、机器学习预测、组合优化和策略回测，并提及开源量化交易执行系统Kungfu。
Magents 是一个开源的 Python 框架，用于在一个系统中模拟和回测多种交易策略，具备隔离的策略舱、事件驱动引擎和中央风险控制。
介绍了开源 Python 工具 InStock (myhhub/stock)，用于 A 股量化分析，支持数据抓取、技术指标、选股、回测、自动交易等功能，可 Docker 部署。
精心挑选的10个免费GitHub仓库，用于算法交易和量化金融，涵盖回测、数据分析、投资组合优化以及AI驱动交易策略的工具。
A user curated a free GitHub repository aggregating numerous open-source quantitative finance tools, including pricing engines, backtesting frameworks, order book simulators, and risk models, making institutional-grade research tools accessible to individuals at minimal cost.
一个GitHub仓库汇集了免费的、开源的量化金融工具——定价引擎、回测工具、订单簿以及高频交易模拟器——这些通常被公司严密保护，包括微软的AI量化平台。
该帖子声称，量化公司复杂的数学优势现在可以通过一个说白话的聊天界面获得，该界面可以描述、回测并执行交易策略，从而使量化金融变得大众化。
本文详细介绍了如何利用免费的AI开源工具（如OpenBB、Qlib、TradingAgents等）搭建个人量化交易系统，涵盖数据、研究、回测、风控和执行五大模块，并指出了常见陷阱与纪律。
开源A股量化工作台，基于TickFlow数据实现选股、实时监控和回测三大功能，内置20个Polars向量化策略，支持AI写策略及飞书推送。
一位开发者展示了在8GB RTX 4060上本地运行Gemma 4 26B MoE模型，结合Hermes智能体，完全自动化回测交易策略，凸显了本地LLM作为自主智能体的日益增强的能力。
A thread introducing Loop Engineering as a solution to the common problem of quant strategies that backtest perfectly but fail in live trading, emphasizing the need for iterative optimization.