AI 量化开源项目有哪些:GitHub 热门项目按用途分类
选型篇 — AI 能帮你做研究,不能替你保证赚钱
先说结论:想体验“几个 AI 分析师一起研究一只股票”,看 TradingAgents 或它的 A 股版本;会 Python、想用机器学习选股,看微软 Qlib;研究强化学习,看 FinRL;想系统学,从《Machine Learning for Trading》的配套代码开始。这些项目都把自己定位成研究工具,不要直接拿它们的结论去下单。
本站与下面这些开源项目没有合作关系。表里的 star 数和维护状态来自 GitHub,每天自动更新;“它是什么”和许可按各项目自己的说明写。
01 · 大模型多智能体投研:几个 AI 分析师分工讨论
让多个大模型扮演基本面、新闻、技术面分析师和研究员,辩论后给出结论。目前这类项目都自称研究用途,适合当研究助手,不适合直接替你下单。
| 工具 | 它是什么 | 许可 | GitHub star | 维护状态 |
|---|---|---|---|---|
| TradingAgents | 这一类的源头项目:多智能体 LLM 金融交易框架,自述为研究用途 | Apache-2.0 | 111.2k | 最后提交 12 天前 |
| TradingAgents-CN | 面向 A 股的中文版研究辅助系统,带自然语言选股、模拟交易和学习课程;另有付费 Pro 版 | 混合授权:核心引擎 Apache-2.0,应用层源码可见、禁止商用和再分发 | 32.3k | 最后提交 23 天前 |
| TradingAgents-astock | 基于 TradingAgents 改造的 A 股多 Agent 投研框架,接入龙虎榜、解禁等 A 股数据,面向研究与教学 | Apache-2.0 | 3.7k | 最后提交 4 天前 |
| Vibe-Trading | 个人交易 Agent,带研究、回测和组合工具,数据覆盖 A 股、港股、美股和加密货币;自述不构成投资建议 | MIT | 35.5k | 今日有提交 |
注意许可:TradingAgents-CN 是混合授权,核心引擎开源,但应用层只允许个人使用、评估和教学,禁止商用和再分发。想自己部署一个 Agent,看 部署你的第一个 AI 投研 Agent;更多同类项目见 LLM/Agent 分类。
02 · 机器学习与强化学习平台:用模型找规律
不靠大模型对话,而是用历史数据训练预测模型或交易智能体。需要会 Python 和一点机器学习。
| 工具 | 它是什么 | 许可 | GitHub star | 维护状态 |
|---|---|---|---|---|
| Qlib | 微软开源的 AI 量化投资平台,覆盖数据处理、模型训练和回测;配套的 RD-Agent 用大模型自动挖因子 | MIT | 49.4k | 今日有提交 |
| FinRL | 最早的开源金融强化学习框架,本仓库保留原版的教学与研究流程,新架构在 FinRL-X | MIT | 16.6k | 最后提交 2 天前 |
| PyBroker | 面向机器学习策略的回测框架 | Apache 2.0 附 Commons Clause | 3.6k | 最后提交 10 天前 |
Qlib 和 PyBroker 也在 量化回测框架怎么选 里和其他框架放在一起比过。PyBroker 的许可附带 Commons Clause,不能把它本身拿去卖。
03 · AI 金融终端与数据:先把资料喂给 AI
AI 分析的质量取决于喂进去的数据。这两个项目解决的是“数据从哪来、怎么整理成 AI 能读的样子”。
| 工具 | 它是什么 | 许可 | GitHub star | 维护状态 |
|---|---|---|---|---|
| Fincept Terminal | C++ 写的桌面金融研究终端,内置 Python 分析和 AI 功能;另有付费企业版 | AGPL-3.0 | 32.5k | 最后提交 2 天前 |
| edgartools | 把美国 SEC 公告和财报变成结构化数据的 Python 库,自带 MCP 服务,方便接给大模型 | MIT | 2.8k | 今日有提交 |
Fincept Terminal 用的是 AGPL-3.0:自己用没问题,改了代码再分发或做成给别人用的服务,就要把改动同样开源。数据源的选法见 数据源怎么选。
04 · 学习资料:先弄懂再上手
想系统学,而不是只跑别人的代码,从这两个开始。
| 工具 | 它是什么 | 许可 | GitHub star | 维护状态 |
|---|---|---|---|---|
| machine-learning-for-trading | 《Machine Learning for Trading》第三版的配套代码,从数据、策略研究一直讲到上线后的监控 | MIT | 21.4k | 最后提交 2 天前 |
| Introduction-to-Quantitative-Finance | 中文量化研究入门资料库:多因子投研教程、AI + 金融论文追踪和资源清单 | MIT | 1.8k | 今日有提交 |
05 · 近 7 天涨得最快的 AI 量化项目
按 GitHub star 近 7 天的增量排序,每天自动更新。涨得快说明最近关注的人多,不代表好用,更不代表能赚钱;已归档的、狙击和 MEV 套利类机器人、热度太小的项目不列入。
| 项目 | 近 7 天新增 | GitHub star |
|---|---|---|
| TradingAgents | +1.1k | 111.2k |
| Vibe-Trading | +562 | 35.5k |
| Fincept Terminal | +211 | 32.5k |
| Qlib | +159 | 49.4k |
| OctoBot | +107 | 6.8k |
| TradingAgents-CN | +104 | 32.3k |
| machine-learning-for-trading | +96 | 21.4k |
| Vibe-Research | +74 | 2.7k |
06 · AI 量化能做什么,不能做什么
- 能做:帮你读公告和新闻、整理财报、从多个角度列出看多和看空的理由、批量试因子和模型、把回测流程自动化。
- 不能做:保证赚钱。大模型会理解错、会编造不存在的数据;机器学习模型在历史数据上表现好,换到未来常常失效。
- 回测好看不等于能赚钱:手续费、滑点和过度拟合都会让实盘比回测差。先用模拟盘跑一段时间,方法见 模拟盘对接。
- 算一下大模型的费用:多智能体项目每分析一次都要调用很多次大模型,用付费接口时先小范围试,看清一次要花多少钱。
07 · AI 交易机器人另说
上面这些是研究工具。如果你要的是“AI 替你自动下单”,比如 OctoBot 接大模型做交易、CloddsBot 用对话操作账户,风险完全不同,单独写了一篇:量化交易机器人怎么选。
08 · 怎么选
- 想先体验 AI 投研:TradingAgents-CN 带网页界面,不用写代码,但要自己装好数据库、接上大模型接口;想要更贴近 A 股规则的,看 TradingAgents-astock。
- 会 Python,想用机器学习做选股:Qlib。
- 研究强化学习交易:FinRL。
- 做美股、需要财报数据给 AI 读:edgartools。
- 还不清楚量化要哪些工具:先看 量化工具有哪些。
本站收录的全部 AI 相关项目可以在 LLM/Agent 分类 和 工具目录 里按热度筛选,每个工具页都标了最近更新时间和是否已停止维护。
常见问题
AI 量化开源项目有哪些?
按用途大致分四类:大模型多智能体投研(TradingAgents、TradingAgents-CN、TradingAgents-astock、Vibe-Trading),机器学习与强化学习平台(微软 Qlib、FinRL、PyBroker),AI 金融终端与数据(Fincept Terminal、edgartools),以及学习资料(machine-learning-for-trading、Introduction-to-Quantitative-Finance)。
用 AI 做量化能赚钱吗?
不能保证。上面这些项目都把自己定位成研究工具;大模型会理解错、会编造不存在的数据,机器学习模型在历史数据上表现好,换到未来常常失效。回测之后先跑模拟盘,不要直接拿它们的结论下单。
TradingAgents-CN 可以商用吗?
它现在是混合授权:核心引擎是 Apache-2.0,应用层源码可见,只允许个人使用、评估和教学,禁止商用和再分发,商用需要联系作者。
新手从哪个 AI 量化项目开始?
想体验 AI 投研,用 TradingAgents-CN,它带网页界面、不用写代码,但要自己装好数据库并接上大模型接口;会 Python、想用机器学习选股,用 Qlib;想系统学习,从《Machine Learning for Trading》的配套代码开始。
本文不构成任何投资建议。AI 生成的分析可能出错,回测结果不代表未来收益;各项目的功能和许可以其官方说明为准。