标签
作者介绍如何用 Minara 与 Jev 组合搭建 24/7 运行的 AI 金融交易智能体，声称以 100U 本金 7 天跑出 174% 收益，并分享数据获取、判断、回测、风控与执行的完整工作流。
这篇帖子介绍了一篇 MIT 量化论文，展示了 AI 如何加速交易研究，同时也让虚假的 alpha 更容易被人相信，作者主张 AI 应当充当策略淘汰机器，而非交易神谕。
作者用 AI 代理回测了一个策略：每月买入上月表现最好的股票，自 1998 年以来 1000 美元可增长到 880 万美元，远超标普 500 的 220 万美元（但收益主要来自苹果、英伟达等少数离群股）。整个实验是用 Agents API 构建的。
港大实验室开源了 Vibe-Trading，一个获得 34K+ GitHub Stars、采用 MIT 协议的金融研究平台，用户只需用自然语言即可完成从数据获取、因子挖掘到多智能体回测的完整量化研究链路。
本研究评估大型语言模型（如DeepSeek、GPT和Gemini）在交易中测试时推理是否提升净投资组合回报，发现在不同条件下额外的推理并不能可靠地增强经济结果。
作者构建了一个AI交易代理，但发现使用LLM进行直接交易决策不稳定，因此转向一个确定性系统，其中LLM将策略翻译为明确的执行规则。
本文推荐了Minara AI，这是一款旨在帮助普通人交易美股的AI Agent，它提供了强大的数据库、市场仪表盘、内置策略、回测功能以及华尔街研究报告分析团队等功能。
GPT-6 Astra利用一篇2014年的数学论文优化了一个Rust回测引擎，解决了其他AI模型无法解决的问题，作者认为这表明AGI即将到来。
Indicator Go 是一个 Go 库，提供超过 80 个技术分析指标、一个回测框架，并通过 MCP 与 AI 工具集成，用于算法交易。
Horizon 是一款由 AI 驱动的工具，允许交易员用自然语言描述交易策略，自动生成带有详细指标的回测，以进行迭代测试和改进。
这个 GitHub 仓库名为 finance-quant-skills，提供了 13 个可安装的 Agent Skills，专门用于 A 股量化交易，涵盖数据获取、策略回测和文档查询等功能。
这篇论文解释了如何通过移除市场贝塔和因子暴露来揭示真实的交易信号，强调严格的压力测试以避免过拟合和回测中的虚假信心。
文章主张，AI交易智能体应包含一个质疑型智能体，以检查诸如数据泄露和不可能假设等缺陷，而不是仅仅生成更多策略。
NautilusTrader is a high-performance, open-source trading engine with a Rust core and Python strategy support, enabling seamless transition from backtesting to live trading across multiple assets and exchanges.
作者构建了PortfolioLab，一个用于交易的AI代理管道，通过回测、模拟交易和只读API执行来分阶段测试模型，以防止过早接触真实资金。他们正在寻求关于AI代理架构在高风险应用中信任模式的反馈。
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。