标签
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。
本文详细介绍了一家系统性基金如何用基于RAG的LLM代理架构取代其传统NLP流水线，从非结构化数据中实现了alpha生成能力提升340%。文中引用了近期研究（Alpha-GPT 2.0、FinCon、FinAgent），表明在自动化因子发现和交易性能方面取得了显著进步。
本研究测试了本杰明·格雷厄姆的经典价值投资规则是否可以作为数学上的“低通滤波器”，防止现代机器学习模型（XGBoost、AutoGluon）过拟合市场噪音。使用20年的标普500数据，作者发现，格雷厄姆规则与随机森林相结合，相比单独使用复杂AI模型，能够实现高收益且风险更低。
一本全面指南，介绍卡尔曼滤波器及其在构建更智能交易系统中的应用，包括数学基础和可用于生产环境的示例。
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.
本文介绍了CARLOS，一种深度强化学习算法，它利用聚合深度神经网络学习美式期权的连续时间最优停止规则，有效缩小了百慕大与美国期权之间的价值差距，并具有较高的计算效率。
推荐11个GitHub上优质开源项目，涵盖AI智能体框架、AI编程、记忆系统、科研自动化和量化投资工具，旨在帮助开发者快速上手和提升效率。
一份面向零基础的中文量化金融教程，采用Jupyter Notebook形式，包含4章（量化认知、收益率分析、双均线策略和策略回测），使用yfinance获取真实数据，每章约30分钟可跑通。
PandaAI提出了一种用于量化金融序列决策的闭环神经符号LLM智能体，通过集成市场状态建模和约束Alpha生成来应对金融数据的低信噪比和非平稳性，在性能上较最先进的时间序列模型有显著提升。
一位年薪38.5万的程序员在面试Jane Street时因拒绝使用Claude Code而失败，反映出AI工具已成为行业准入标准，Polymarket上在押注AI工具渗透速度。
该推文介绍了Jane Street、Goldman Sachs和J.P. Morgan等顶级量化机构开源的三个金融/工程工具：magic-trace（高精度进程追踪）、gs-quant（衍生品定价与风险管理Python包）和Perspective（实时数据可视化工具），帮助量化爱好者免费获得机构级技术能力。
文章介绍Jane Street一名量化交易员在YouTube上分享了50分钟的量化学习全流程路线图视频，包含Polymarket等实操技巧，对量化从业者有参考价值。
Kronos是全球首个专为金融市场打造的开源基础大模型，从零训练于120亿条真实K线数据，支持价格预测与波动率预判，性能远超通用模型，完全免费开源。