aurumq-rl
✨ 面向A股的强化学习选股框架，融合Alpha101、主力资金、游资席位等多源因子
🧭 AI 判断
仅供研究无热度与维护数据,RL选股框架实验性质强,上手难度高,实盘价值待验证
面向A股的强化学习选股框架,融合alpha101、主力资金、游资席位等多源因子
📊 综合评分
📈 热度走势
GitHub star / HF 下载量每日快照 · 自 2026-09-16(上限 30 天)+5(现 55 · 断点=当日未采集)
📖 工具介绍
一款面向中国 A 股市场的强化学习选股框架,基于 Python 开发。它支持多源因子输入,包括 alpha101、主力资金流、游资席位、北向资金及机构数据等。适合希望将 reinforcement learning 应用于 A 股选股策略研究的量化开发者使用。
`Python` - Reinforcement learning stock-selection framework for the China A-share market with multi-source factor input (alpha101 + main-force flow + hot-money seats + northbound + institutional + fun
⚖️ 同类对比
| 维度 | aurumq-rl | Qlib | QuantGPT | vectorbt |
|---|---|---|---|---|
| 结论 | 仅供研究 | 推荐 | 仅供研究 | 推荐 |
| 热度 | 55 | 49.4k | 484 | 9.4k |
| 7日增长 | 0 | +159 | +5 | +83 |
| 适合人群 | 专业量化 | 专业量化 | 专业量化 | 专业量化 |
| 主要用途 | 策略研究 / 回测 | 回测 / 策略研究 | 策略研究 / 回测 | 回测 / 策略研究 |
| 支持市场 | A股 | A股 / 多市场 | A股 | 多市场 |
| 技术栈 | Python | Python | Python | Python |
| 上手难度 | 较高 | 较高 | 中等 | 较高 |
| 活跃度 | 低 | 高 | 低 | 高 |
💡 要生态成熟选 Qlib(49.4k)
🧩 更多同类工具
一款由微软开源的 AI 导向量化投资平台，基于 Python 构建。它提供从数据处理、模型训练到回测的完整机器学习流水线，覆盖 Alpha 挖掘、风险分析等量化投资全链条。适合希望将 AI/ML 方法应用于量化研究的开发者和研究者使用。
一款基于 Python 的 A 股因子研究 Agent 引擎，通过 8 个 MCP 工具覆盖假设设计、回测、打分与 anti-overfit 检测等环节。它将量化研究流程交由 Agent 驱动，适合从事 A 股因子挖掘与策略研究的量化开发者和研究人员使用。
一款基于 Python 的开源回测与量化研究框架，提供高性能的向量化计算能力，支持策略回测、参数优化、算法交易与研究分析。适合需要快速批量测试大量策略参数组合的量化研究员和交易者。
一款基于 Python 的开源算法交易回测框架，是 Quantopian 旗下 Zipline 项目的社区维护版本。它支持事件驱动的回测流程，可处理历史数据加载、订单执行模拟与绩效分析，并兼容较新的 Python 版本。适合量化研究者与策略开发者进行策略验证和研究。
一个开源的高频交易研究框架，用于支撑论文《A reinforcement learning approach to improve the performance of the Avellaneda-Stoikov market-making algorithm》的研究。它将强化学习与经典的 Avellaneda-Stoikov 做市模型相结合，可用于策略回测与实验验证。适合从事做市策略、强化学习量化研究的开发者和研究人员使用。
一款基于 Python 的高频交易与做市回测工具,能够模拟限价单、排队位置和延迟等因素,并利用完整的逐笔成交与订单簿数据进行回测。它适合量化研究者和高频、做市策略开发者使用。