SmartMoney-Cub
🧭 AI 判断
仅供研究本地优先的交易复盘评估框架,定位实验性质,热度极低且缺乏社区验证
本地优先的 Agent 交易复盘框架,冻结运行快照确定性重放,适合规则候选评估
📊 综合评分
📈 热度走势
GitHub star / HF 下载量每日快照 · 自 2026-10-01(上限 30 天)0(现 27 · 断点=当日未采集)
`Python` `LLM` - Local-first, agent-agnostic trading journal and review harness that freezes point-in-time run envelopes and evidence packs, replays them deterministically, and evaluates rule candidat
⚖️ 同类对比
| 维度 | SmartMoney-Cub | FinRL | PyBroker | backtrader |
|---|---|---|---|---|
| 结论 | 仅供研究 | 值得关注 | 值得关注 | 值得关注 |
| 热度 | 27 | 16.9k | 3.7k | 23.6k |
| 7日增长 | 0 | +92 | +28 | +71 |
| 适合人群 | 开发者 | 开发者 | 开发者 | 开发者 |
| 主要用途 | 策略研究 / 回测 | 回测 / 策略研究 | 回测 / 策略研究 | 回测 / 策略研究 |
| 支持市场 | 多市场 | 多市场 | 多市场 | 多市场 |
| 技术栈 | Python | Python | Python | Python |
| 上手难度 | 中等 | 中等 | 中等 | 中等 |
| 活跃度 | 低 | 高 | 中 | 高 |
💡 近7日 FinRL 势头最猛(+92)
🧩 更多同类工具
一款基于 Python 的深度强化学习量化交易库，曾发表于 NeurIPS 2020。它提供自动化交易的标准环境、算法与回测流程，支持股票、加密货币等多种市场场景。适合希望将 Deep Reinforcement Learning 应用于量化策略研究与开发的开发者和研究人员。
一款基于 Python 的算法交易回测框架，将机器学习融入量化策略开发流程。它支持训练 ML 模型并进行向量化回测，可高效验证策略表现。适合希望把机器学习应用于交易策略研究与回测的 Python 开发者和量化研究人员。
一款基于 Python 的开源回测框架，用于开发和测试交易策略。它支持多数据源、多品种回测，内置常用技术指标与 broker 模拟交易功能，也可对接实盘接口。适合量化研究者与策略开发者使用。
一个用 Python 实现的限价订单簿(Limit Order Book)库,功能完整且运行速度较快。它支持订单的提交、取消与撮合等核心机制,可用于模拟交易撮合过程。适合量化研究人员和开发者学习订单簿原理,或在高频交易策略回测中搭建撮合模拟环境。
一个开源的强化学习(Reinforcement Learning)框架,用于训练、评估和部署交易智能体。它采用模块化设计,支持自定义数据源、奖励函数和执行环境,便于构建稳健的交易策略。适合量化研究人员和开发者用于实验和验证基于 RL 的交易模型。
一款基于 Python 的开源回测模拟引擎，提供事件驱动的回测框架，支持组合构建、风险管理、交易成本与滑点模拟等功能。其代码结构清晰、易于扩展，适合量化研究者与开发者进行策略回测验证及二次开发。