量化交易 on Text Matrix

daily_stock_analysis - LLM驱动的A股/港股/美股智能分析系统

Mon, 18 May 2026 00:00:00 +0000

daily_stock_analysis：零成本搭建 LLM 驱动的 A/H/美股智能分析系统

Stars: 36,812 | 今日: +36,091 | Python

一句话评价

一个用大模型分析 A股/港股/美股的自动化系统，每日自动抓取行情、新闻、公告，经 LLM 生成「AI 决策仪表盘」推送至企业微信/飞书/Telegram/Discord/Slack/邮箱，零成本依赖 GitHub Actions 定时运行。

TradingAgents 全面指南：多 Agent 大模型金融交易框架从入门到精通

Sat, 02 May 2026 15:04:08 +0800

目标读者：想系统掌握 LLM 多 Agent 协作在金融交易场景落地的工程师与研究者 核心问题：TradingAgents 是如何把"分析师团队 + 研究员辩论 + 交易员决策 + 风控审批"这套真实交易逻辑翻译成可运行的多 Agent 工作流的？每个 Agent 的职责边界在哪里？系统如何做到可恢复、可积累的？难度：⭐⭐⭐⭐（高级工程实践，需要一定 Python 基础与 LLM 使用经验） 预计阅读时间：25 分钟

QuantDinger 完全指南：自托管 AI 量化交易平台从入门到精通

Wed, 29 Apr 2026 20:14:04 +0800

学习目标

读完本文后，你将能够：

说清 QuantDinger 的产品定位，以及它与传统量化工具栈的根本区别
理解系统架构各层（前端 / Flask API / PostgreSQL / Redis / 交易层）
配置 AI 层，接入 OpenRouter、OpenAI、Gemini、DeepSeek 等 LLM 提供商
用 Docker Compose 完成从零部署，包含密钥生成与首次验证
编写 IndicatorStrategy（基于 DataFrame 的信号策略）和 ScriptStrategy（事件驱动的运行时策略）
接入加密货币交易所（ Binance、OKX、Bitget、Bybit 等）、IBKR 股票和 MT5 外汇
配置多用户系统、会员计划、积分和 USDT 计费体系
评估 QuantDinger 是否适合你的交易场景，并制定进阶路径

什么是 QuantDinger

QuantDinger 是一个自托管的本地优先量化平台：AI 辅助研究、Python 原生策略、回测验证和实盘执行（加密货币 / IBKR 股票 / MT5 外汇），全部集中在同一个产品里——不是一堆互不关联的脚本和 SaaS 标签页的拼接。

AI 量化交易从 0 到 1：ai-quant-book 多智能体量化系统导读

Thu, 23 Apr 2026 21:02:46 +0800

目标读者：希望系统学习量化交易工程、AI Agent 架构与生产化交易系统设计的开发者、研究者和进阶读者 核心问题：ai-quant-book 到底讲了什么、适合谁、值不值得读，以及它对真实量化系统建设有什么可迁移价值难度：⭐⭐⭐（中级） 预计阅读时间：18 分钟

AI-Trader 深度拆解：它为什么像是第一个真正面向 Agent 的交易平台？

Mon, 13 Apr 2026 09:30:00 +0800

如果你最近在看 Agent 产品、交易平台或 AI 原生基础设施，AI-Trader 是一个很难绕开的样本。

它最值得研究的地方，不是“AI 能不能帮人类交易”，而是它换了一个问题：如果未来真正参与交易、发布信号、被跟随和被评价的主体，逐渐从人类扩展到 Agent，平台应该怎么设计？

Rockyzsu/stock：7.5K Stars·Python量化交易系统

Sun, 12 Apr 2026 02:31:39 +0800

Rockyzsu/stock：7.5K Stars·Python量化交易系统·A股/港股/基金/转债全覆盖·机器学习+技术分析

一，项目概述

1.1 项目定位

Rockyzsu/stock 是一个面向中文市场的Python量化交易系统，作者署名Rocky Chen，slogan是"更好的帮助自己炒股(亏钱-。-)"。

awesome-systematic-trading：8.4K Stars·量化交易资源大全·论文/数据集/代码库

Sun, 12 Apr 2026 02:29:31 +0800

awesome-systematic-trading：8.4K Stars·量化交易资源大全·论文/数据集/代码库·Python/R/JS·策略研究

一，项目概述

1.1 awesome-systematic-trading 是什么

awesome-systematic-trading 是一个精心策划的量化交易资源集合，涵盖研究论文、书籍、量化专家、数据集、代码库等全方位资源。

AI Hedge Fund：多 Agent 对冲基金团队实战

Thu, 09 Apr 2026 11:30:00 +0800

目标读者：想系统理解多 Agent 工作流、量化研究系统设计，或准备拆解 ai-hedge-fund 源码的工程师与研究者 核心问题：这个项目到底实现了什么？为什么它的多 Agent 设计值得学？第一次上手应该从哪里开始？难度：⭐⭐⭐（中高级工程实践） 预计阅读时间：18 分钟

ValueCell vs TradingAgents：两大开源多智能体金融平台深度对比

Wed, 08 Apr 2026 14:00:00 +0800

目标读者：在 ValueCell 和 TradingAgents 之间做技术选型的开发者，以及希望系统理解两大平台差异的研究者 核心问题：ValueCell 和 TradingAgents 各有什么特点？分别适合什么场景？选哪个更合理？难度：⭐⭐⭐（中级偏高） 预计阅读时间：35 分钟

ValueCell：社区驱动的多智能体金融应用平台完全指南

Wed, 08 Apr 2026 13:00:00 +0800

这篇文章只写可验证事实。

内容依据主要来自 ValueCell 的公开 README、配置文档、官网说明与仓库源码结构。凡是尚未落地、只出现在路线图中的内容，本文都会明确标记为规划或预览，避免把愿景写成现状。

TradingAgents：多智能体 LLM 金融交易框架深度解析

Wed, 08 Apr 2026 12:30:00 +0800

TradingAgents 最值得看的地方，不是“让一个 LLM 直接给出买卖建议”，而是把投研团队里原本混在一起的四件事拆开了：信息采集、观点对抗、交易决策、组合审批。到 2026 年 5 月公开的 v0.2.5，这个项目已经不只是论文配套 Demo。它有 CLI、Python 包、多提供商模型、LangGraph checkpoint、跨运行决策日志和 Docker；但它首先仍是研究框架，不是可以直接接券商账户的实盘执行系统。

OpenBB：开源金融数据平台专家级技术文档

Wed, 08 Apr 2026 12:00:00 +0800

目标读者：想要掌握 OpenBB 的数据工程师、量化分析师和 AI 应用开发者 核心问题：OpenBB 是什么？如何设计架构？如何集成到自己的应用？难度：⭐⭐⭐⭐（专家设计） 预计阅读时间：40 分钟

CZSC：缠中说禅技术分析工具完全指南

Wed, 08 Apr 2026 11:00:00 +0800

目标读者：量化交易开发者、缠论学习者、Python 量化研究者 核心问题：如何使用 CZSC 实现缠论技术分析？难度：⭐⭐⭐（中级） 预计阅读时间：30 分钟

§0 三分钟速览

如果你现在只想快速判断这个项目值不值得深入，先记住下面 4 点：

RD-Agent：微软自动化研发智能体完全指南

Wed, 01 Apr 2026 16:55:00 +0800

RD-Agent：微软自动化研发智能体完全指南

预计阅读时间：35分钟 | 难度：⭐⭐⭐⭐

目标读者：AI 研究工程师、自动化研发从业者

一、项目概述

1.1 什么是 RD-Agent

RD-Agent（Research & Development Agent）是微软研究院开源的自动化研发智能体框架，专注于数据驱动场景的模型和数据的自动化开发。框架核心设计理念是**“R"代表提出新想法，“D"代表实现它们**，通过自动化的研究循环推动具有工业价值的技术创新。