Inalpha
✨ 多智能体量化框架，自动筛选有效因子并生成可回测的完整策略代码
🧭 AI 判断
仅供研究多智能体因子排序框架定位偏实验性,无热度与维护数据,上手难度高,实盘需自行验证
多Agent对话式框架,用时序Rank IC筛选有效因子并自动生成可过回测的策略代码
📊 综合评分
📖 工具介绍
一款基于 Python 和 TypeScript 的对话式多 Agent 量化研究框架。其核心功能是通过多个 Agent 对当前有效的因子进行排序(时间序列 rank IC)以辅助择时，并自动生成能通过沙盒测试的完整策略代码。适合希望借助 LLM/Agent 进行因子研究和策略开发的量化研究者与开发者使用。
`Python` `TypeScript` - Conversational multi-agent quant framework where agents rank currently-effective factors for entry timing (time-series rank IC), write complete strategy code that passes sandbo
⚖️ 同类对比
| 维度 | Inalpha | Vibe-Trading | LangAlpha | finance-chat |
|---|---|---|---|---|
| 结论 | 仅供研究 | 推荐 | 值得关注 | 仅供研究 |
| 热度 | 33 | 32.1k | 1.7k | 516 |
| 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 / AI Agent | 策略研究 / AI Agent | 策略研究 / AI Agent | 策略研究 / AI Agent |
| 支持市场 | 多市场 | 多市场 | 多市场 | 多市场 |
| 技术栈 | Python、TypeScript | Python | Python | Python |
| 上手难度 | 较高 | 中等 | 中等 | 较高 |
| 活跃度 | 低 | 高 | 中 | 中 |
🧩 更多同类工具
一款由 HKUDS 开源的 AI 量化交易 Agent 项目，定位为“个人交易智能体”。它基于 LLM 驱动，可辅助用户进行市场分析、策略研究与交易决策流程的自动化。适合对量化交易和 LLM/Agent 应用感兴趣的开发者与研究者参考使用。
一款面向金融市场的 AI Agent 工具，定位类似“金融领域的 Claude Code”。它基于大语言模型，支持通过自然语言驱动投研分析、市场数据处理等工作流。适合量化研究员、分析师及希望用 LLM 辅助金融研究的开发者使用。
一款基于 LLaMA 架构、面向金融领域微调的对话式大语言模型，托管于 Hugging Face。它通过领域自适应预训练增强金融文本理解能力，支持 text-generation 任务，提供 transformers、PyTorch、safetensors 等多种格式。适合从事金融研究、量化分析或需要处理金融语料的开发者与研究人员使用。
一款基于 Llama3-8B 架构并针对金融领域微调的文本生成模型，支持 transformers 和 safetensors 格式，专注于金融相关文本的理解与生成任务。适合从事金融研究、量化分析或需要处理英文金融文本的开发者和研究人员使用。
一个基于多 Agent 架构的 AI 量化交易系统，融合 8 类信号源并结合 Kronos 模型进行分析，支持自我调优。适合对多智能体策略、信号融合感兴趣的开发者和量化研究人员参考使用。
Circuit Framework 是一个开源的多 Agent LLM 交易研究系统,基于 GitHub 项目 EthanXiang777/circuit-framework。它通过多个 LLM Agent 协作完成交易相关的研报生成与分析流程,适合量化研究人员和开发者参考或搭建自己的 AI 研究工作流。