标签
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。
Kirk Borne 重点介绍了 Stefan Jansen 所著的《Machine Learning for Trading》第3版，这是一本全面覆盖构建AI驱动交易系统的826页书籍，并宣布将于8月15日举办配套的线上直播研讨会。
该预印本介绍了AlphaSchema，一个为基于LLM的Alpha挖掘构建并探索结构化交易语义空间的框架，将语义探索与因子实现解耦。在中国股市上的实验表明，它能够发现具有强预测能力和投资组合表现的因子池。
本文研究了大语言模型在算法交易中母单执行的应用，提出了层次化框架PACE，在深圳证券交易所数据上优于传统基线，并表明大语言模型可以补充人类交易员。
Awesome AI in Finance 是一个开源的精选资源列表，涵盖AI和量化金融领域的论文、工具、数据集和交易框架，并按代理、研究、策略、数据和交易栈等类别组织。
哥伦比亚大学的一篇论文介绍了一个严格因果的隐马尔可夫模型，能适应不断变化的市场制度，实现了2.18的夏普比率，而SPX买入持有为1.18，并在2025年抛售期间将最大回撤从-14.62%降低到-5.43%。
前Citadel基金经理Brett Caughran总结了十点关于如何在投资中应用AI Agent的要点，作者认为其中第5和第6点尤其公允。
一位量化金融专家在PyData大会上系统讲解Python在量化金融中的实际用法，涵盖NumPy、SciPy、Pandas、Numba等工具，并推荐开源库DX Analytics和资源大全awesome-quant。
高盛开源了其内部量化交易工具库 gs-quant，提供机构级的衍生品定价、风险管理和策略开发工具，已获 11.3K GitHub Star。
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。
该线程探讨了数学/编程奥赛背景如何批量培养科技创始人，指出竞赛范式内化的系统化解题能力、信念和同侪效应是核心引擎，量化金融作为中转站，但也提醒创业需要超越解题的技能。
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。
XAlpha引入了一种记忆驱动的AI量化研究员，它整合金融知识和发现反馈，自动完成从假设到代码的Alpha发现全流程，在沪深300上取得了更强的性能。
AI Trader 是一款完全自主的交易代理，现已免费提供。
文章总结了世界顶级几何学家和量化之王詹姆斯·西蒙斯的核心学习法：潜意识孵化、剥离噪声和极度抗拒的死记硬背，强调深度思考、留白和利用天才网络跨界学习。
一条推文强调了斯坦福大学教授Stephen Boyd免费的凸优化课程和教科书，指出Citadel为此技能支付40万美元。该课程讲授最优投资组合配置，但强调优化器只有在信号具备真正优势时才有效。
一条教育性长帖，解释量化交易公司（如Renaissance Technologies）所用的数学基础，涵盖从伯努利到布朗运动的概念。
本文介绍了OpenFinGym，这是一个统一的多任务Gym环境，用于评估量化金融中的大语言模型Agent，涵盖预测、市场生成、实时交易和欺诈检测，具备可验证执行和自动化任务构建功能。
Awesome Quant AI 是一个精选的GitHub仓库，整理了量化金融与交易中AI和机器学习的资源，包括策略设计、交易范式，以及如LLM智能体、时间序列基础模型等前沿AI主题。