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
📈 热度走势
GitHub star / HF 下载量每日快照 · 自 2026-09-16(上限 30 天)+5(现 43 · 断点=当日未采集)
📖 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 | ALTA | LangAlpha |
|---|---|---|---|---|
| 结论 | 仅供研究 | 推荐 | 仅供研究 | 值得关注 |
| 热度 | 43 | 35.5k | 1.1k | 1.8k |
| 7日增长 | 0 | +562 | −10 | +10 |
| 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 | 较高 | 中等 |
| 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。
一款仅用于研究的多 Agent 量化交易平台(Autonomous LLM Trading Asterism),主打证据优先的研究流程、可审计的控制台、Shadow 模拟交易,以及需明确授权后才执行的券商下单。适合想以安全合规方式实验 LLM 多智能体交易策略的开发者与研究者。
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。
其他工具 · HuggingFace 61 下载
一款面向 DeepSeek Harness 的 Agent 原生量化研究工具包，基于 TypeScript 构建。它提供覆盖数据、alpha、机器学习、风险、执行与生态领域的 46 个工具，并支持端到端的研究流程。适合希望在 LLM/Agent 环境中开展量化研究的开发者与研究人员使用。
LLM/Agent 研报 · HuggingFace 17 下载