1、自动化交易机器人​Qbot

https://github.com/UFund-Me/Qbot

Qbot是一个基于Python开发的自动化交易机器人，支持加密货币/股票市场，集成数据分析和策略回测功能。

从选股、选基金到策略分析、回测，到实施模拟交易，邮件、飞书消息发送的闭环。给出了web端和移动端操作，但目前项目架构还是有点繁琐，还在优化中。

本地可直接python main.py运行整个程序，对股票、基金、期货和虚拟货币都有支持，并逐渐增加和完善。

Qbot 适用于 各类交易者：

  • 个人投资者：自动化执行交易策略，减少情绪影响
  • 量化团队：扩展 AI 交易策略，提高交易效率
  • 金融研究者：测试和优化交易模型，提高投资回报

项目的核心目标是：

  • 让用户 快速部署交易机器人，无需复杂的编程；
  • 兼容 多种交易所 API，实现自动交易执行；
  • 结合 AI 策略、技术分析、市场监控，提升交易智能化；

项目自2022年9月启动，旨在通过机器学习、深度学习和强化学习等技术，构建从数据获取、策略开发、回测验证到实盘交易的完整量化交易体系。

核心特点包括多市场支持（股票/基金/期货/数字货币）、AI策略集成和分层模块化设计。

目前Github标星11.4K，足以可见其含金量。

2、AI量化交易操盘手

https://github.com/charliedream1/ai_quant_trade

从学习、模拟到实盘，一站式平台。包含股票知识、策略实例、大模型、因子挖掘、传统策略、机器学习、深度学习、强化学习、图网络、高频交易、C++部署和聚宽实例代码等，可以方便学习、模拟及实盘交易

项目特点：

  • 一站式平台：从学习、模拟到实盘
  • 炒股策略：大模型、因子挖掘、传统策略、机器学习、深度学习、强化学习、图网络、高频交易等
  • 资源汇总：全网资源汇总、实战案例、论文解读、代码实现
  • 提供辅助操盘工具：辅助盯盘、股票推荐
  • 覆盖股票、基金、加密货币等多个市场
  • 实盘部署工具：python/C++/CPU/GPU等部署

目前Github标星2.9K。

3、Abu

https://github.com/bbfamily/abu

基于 Python 的开源量化交易框架，由开发者团队 bbfamily 维护，旨在为股票、期权、期货、比特币等金融资产提供全面的量化交易解决方案。

项目结合传统量化策略与机器学习技术，强调智能化策略优化和实盘交易适配性，适用于从普通投资者到专业量化研究者的广泛用户群体。

多市场支持：支持美股、A股、港股、期货、期权、比特币、莱特币等多种投资标的，覆盖主流金融市场。

理论体系：整合缠论、波浪理论、谐波理论及经典技术指标（如头肩形态、三角整理、均线系统等）。

择时策略：支持自定义买入/卖出信号生成，结合止盈止损、滑点计算、手续费管理等功能。

多资产回测：提供 A 股（处理涨跌停）、港股、加密货币等市场的回测工具，支持并行计算加速。

参数优化：通过网格搜索（Grid Search）寻找最优参数，支持自定义评分机制评估策略表现。

4、Trader

https://github.com/BigBrotherTrade/trader

大部分代码15年写完就没怎么动过，可能现在看有点老了，但不影响使用。

策略就是很简单的趋势跟踪，古老但是有效。

开源作者用了这个项目也做了实际的交易，15年运行到现在23年也7年了，投了100万，起起伏伏的，平均年化15%左右，当个理财产品挺不错。

代码虽然很久没更新了，但是评价还不错：

5、VNPy

VNPy 是一个基于 Python 的开源量化交易平台开发框架，旨在帮助交易者快速构建和部署量化交易系统。它整合了多种交易接口，提供了简洁易用的 API，支持从策略开发到实盘交易的全流程。VNPy 不仅支持国内市场的期货、证券和期权交易，还支持国际市场的主要交易所。

丰富的交易接口：支持国内外主流交易所（如 CTP、富途、币安等）等40+ 交易接口，提供统一的 Gateway 接口，便于对接不同交易系统。

内置策略与工具：提供技术指标计算、K线合成、策略回测（CtaBacktesting模块）及参数优化（遗传算法/穷举法）功能。

VNPy 的主要功能包括：

  • 多市场支持：支持国内外多种交易所，包括 CTP、IB、Interactive Brokers 等。
  • 多策略模块：提供 CTA 策略、价差交易、期权交易、算法交易等多种量化策略模块。
  • 事件驱动引擎：提供高性能的事件驱动引擎，支持实时交易。
  • 数据管理：支持多种数据服务和数据库适配器，方便数据的导入、导出和管理。
  • 回测与优化：提供图形化回测和参数优化工具，帮助用户验证和优化交易策略。
  • 风险管理：提供交易流控、下单数量限制等功能，帮助用户实现前端风控。

6、QUANTAXIS

https://gitee.com/yutiansut/QUANTAXIS

相比市面上许多侧重策略回测的框架，QUANTAXIS 提供了从数据抓取、因子研究、策略开发、实盘交易到微服务部署的一站式解决方案。

该项目荣获码云最有价值开源项目：

核心优势在于：

  • 多市场支持：支持A股、期货、期权、虚拟币；
  • 全链路架构：从数据采集、存储、分析到回测和实盘；
  • 多语言兼容：Python、Rust、C++；
  • 高性能组件：使用 MongoDB / ClickHouse 存储，RabbitMQ 通讯，支持异步并发和分布式。

项目整体架构分为以下几个模块，功能划分明确，利于按需定制：

  1. QAFetch/QASU：支持从多市场抓取数据并存储至 MongoDB/ClickHouse；
  2. QAUtil：提供交易日历、时间处理、数据转换等基础工具；
  3. QIFI/QAMarket：统一账户管理体系，支持股票、期货、期权、多账户等；
  4. QAFactor：单因子研究、测试与管理，支持因子合并；
  5. QAData：内存级数据结构，用于实时计算和回测；
  6. QAIndicator：指标表达式支持，全市场因子计算；
  7. QAEngine：异步/分布式任务执行引擎；
  8. QAPubSub：基于 RabbitMQ 的消息队列系统；
  9. QAStrategy：CTA 策略框架，支持实盘对接；
  10. QAWebServer + QASchedule：中台服务与自动任务调度。

7、Qlib

github.com/microsoft/ql

微软推出开源量化投资工具Qlib，该项目由亚洲研究院开发。该工具整合机器学习技术，涵盖数据管理、模型开发到策略验证全流程。

提供三大核心功能：统一接口处理多类金融数据、兼容主流机器学习框架、内置可视化回测系统。

支持用户快速验证投资策略并分析风险收益，具有内置的回测引擎，用户可以在历史数据上验证量化策略的表现，评估其风险、收益等关键指标。

Qlib 允许用户灵活设置回测的参数，并可视化策略的历史表现。

8、yfinance

https://github.com/ranaroussi/yfinance

一个高效的金融数据获取工具，支持从 Yahoo Finance 获取各类历史数据、实时数据以及财务信息，包括股票、外汇、加密货币等多种资产的市场数据。该库的优势在于其简洁易用，能够让用户快速从 Yahoo Finance 获取数据，而不需要过多的配置。

很多投资者都知道Yahoo提供了丰富的金融市场数据，不过获取这些数据很多时候需要自己去写一些网页爬虫。

当然也有一些Python第三方库可以免除我们从头写爬虫的麻烦，几乎可以当作API来调用。

通过 yfinance，可以直接访问苹果公司等股票的历史价格、成交量、分红信息等多个维度的数据，极大提高了分析的便利性。

环境要求

  • Python >= 2.7, 3.4+
  • Pandas (tested to work with >=0.23.1)
  • Numpy >= 1.11.1
  • requests >= 2.14.2
  • lxml >= 4.5.1

例如：获取股票价格数据

我们也可以方便地取得公司股票价格历史数据，比如取最长时间的历史价格数据：

hist = aapl.history(period="max")
hist.head()

篇幅有限 就不一一展示啦！！！完整版项目视频加源码看下图自行获取哈~

发布于 2025-06-19 16:08