最近在 github 上看到很多所谓开源量化交易系统

量化交易的核心不是“量化”吗？

都靠 LLM 主观了还量化个毛线？

如果真的能赚钱，这种东西谁还会开源呢

哈哈，我之前也准备干的，后来发现这些开源的量化交易系统，本质就是多个 agent 萝卜白菜开大会，后来也琢磨出一个套路，非 HFT ，不过之前好用，最近三个月连续四次回撤，我直接关机了

@sentinelK 是啊，但是韭菜太多了，很多项目就是用 LLM 去读取传统指标 MACD RSI KDJ 然后用提示词让 LLM 给出分析报告，这其实和人类阅读指标给报告没什么区别，而且 LLM 还有幻觉问题，反正我是把 B 站上吹的比较多的几个量化交易 up 的项目都扒回来自己看过，结论就是幼儿园水平

@connor123 我猜问题是难以定义市场状态导致回撤吧？这是几乎所有量化交易系统的难题

我感觉 15 分钟级别数据都过于复杂和先进了, 普通人能搞定日线数据, 做点 ETF 动量轮动可能都足够能用了

我的计划中一个项目就是改造这些开源量化, 按照自己的思路进行, 因为现在很多开源量化就是欢乐儿童, 给你提供情绪价值而已.

不从零做的意思这些开源项目把基础的框架已经做好, 最起码你可以节约一些 token? 也欢迎各位有兴趣的朋友一起交流.

@yesterdaysun 无论哪个周期，关键还是如何定义市场状态

@wises 是的，这就是我的感觉。不过你打算用什么思路？目前我看到最大的问题是遇到市场状态切换时，比如趋势震荡转换，就会干掉一大批

是 HTF 还是 HFT ？

做中高频的交易系统，开源的，摸到了第一梯队的，基本上就功夫源了 https://github.com/kungfu-systems/kungfu/tree/release/v3/v3.0

做中低频的交易系统，易用性最好的就是 https://github.com/vnpy/vnpy

前者的作者董可人写高频交易系统的程序出身的，非常专业；后者的作者陈晓优也是职业交易员出身，都是内行人。

我刚入行那会儿也给 vnpy 贡献过代码，kungfu 我也给了不少改造意见，在收费使用的阶段我也一直是无偿使用。

搞一堆 agent，或者几个技术指标胡编乱造的，基本上都是外行。

@incu HTF 高频交易

@EliteOtaku high frequency trading 兄弟

@bigtan 谢谢介绍，vnpy 我了解过，名气很大，不过这些都是基础框架，交易系统是否能赚钱，主要是靠自己的策略。我自己虽然是主观，但不是完全依赖技术分析，也需要结合一些宏观分析来判断，好歹是拿过几个交易冠军的。所以目前思路主要是先考虑用波浪理论进行市场状态分析和定义，用来减少日常分析的压力。

你最后提的那些乱象，也是我深恶痛绝的

用 AI 分析新闻财报选股怎么样？

@piaooo 这一块，只能说是让你看消息面更省力一些，不等于交易策略参考。这样的分析功能也很容易被语料污染误导。说白了，就是一致性和幻觉问题。

A 股 t+1,怎么操作啊

AI 就是用来做情绪分析，还有是帮忙搭建代码而已。

我觉得 HFT 个人很难参与，不如看看低频。做日线以上的级别。

我在尝试通过回调形态，去抓住 3 浪和 5 浪的起点。

对于没有开发基础的人来说，处理数据可能就卡死绝大多数的人了。

个人认为，就目前来说的话，可能还是人工判断为主，智能体辅助比较好。如果要解决幻觉问题的话，可能需要搭建一个数据库，包含一些过去的交易数据还有个人的交易风格。还有就是感觉不太能够单纯靠提示词来让 LLM 分析波浪。

@geese1028 如果说抓回调的话，你如何定义 3 浪和 5 浪？多周期怎么处理？

@xu33 买入底仓再 T+0 只能 小散户的话

@T1ght 我现在的思路是混合 python+LLM ，开发的路径和 LLM 讨论后，基本没问题，等后面跑通了，自己评测能达到要求后再说

@EliteOtaku

我不区分 3 浪还是 5 浪，我用 macd 来区分周期，级别从大向小逐步观察，最小的一个 macd 没有下零轴的级别就是当前的运行级别，如果这个级别里有 abc 回调，没有顶背离，小周期有底背离，并且有启动 K 线，我就进场博弈做多。

只做多。

用 AI 搭建的低频策略自动交易，目前年化收益率 8 个点左右

看板：
https://yj-dashboard.qingyunji.top/

@geese1028 humm ，你是做哪个市场的？ A 股？是否有回测过？如果用 MACD ，我觉得还是传统的 EA 模式，你如何解决 MACD 钝化问题？

@lyinan 用什么测量，愿闻其详~

@liubaoji505 策略

@EliteOtaku 做 US100 、BTC 和黄金，回测了几年的历史数据，结果还不错。MACD 在我的系统里主要用于定位关键区域和划分行情结构，并不是作为进场信号，所以我没有专门去处理 MACD 钝化的问题，钝化对我的系统影响不大。

这年头开源量化系统都退化成津巴布韦币了

我特别同意楼主观点。我自己也在搞，但不是用 agent 交易，是用 agent 辅助分析、写回测代码、优化参数。

@liubaoji505 #28 等再稳定一些再开帖分享

个人做量化没有太大意义，搞不赢机构的。

@piaooo 这个感觉信息源比 ai 更难搞

开源得也好用不？感觉 ai 以后会越来越强大呀。关键是能挣到钱么？值得商榷

很多人连自己的交易系统，策略，纪律都没想明白，也没回测过，就妄想用一套黑盒系统去割别人韭菜，甚至还是高频。。。

量化交易的核心就是策略，现在这些系统花里胡哨的在哪呼哧呼哧搞，只能说是提供情绪价值

日线数据好做，15 分钟周期太短，不行搞 60 分钟

我也觉得量化交易的基础是策略。

不过我好奇，使用那些公开地策略，量化能赚到钱不？

@geese1028 你回测数据库用的是哪家的服务呀

@iv2ex 公开策略可以赚，但问题是能否稳定的赚，特别是出名的策略，复刻后，就需要考虑市场属性问题了，还有容量之类的，这些就不是单纯策略问题

实话说我认为真正能赚钱的，都是有自己针对性调整，而且需要随市场状态变化。简单粗暴的趋势或者震荡策略，都面临失效风险。

看到董可人，这个是老玩家，@bigtan 推荐的项目要认真阅读了。首先定义一下年收益率的基准线，=30%才是合格线。

alpha101 楼主还是认真过一遍吧。从一个趋势交易的角度而言，你做一个类似雪球的 bbs ，从独特角度宣传，你会得到趋势因子。

网上的开源量化，麻烦回答：1 什么叫换手率，什么隔夜收益，什么叫日内收益，答清楚幼儿园问题之后； 2 请回答你的计算公式确定 AI 没计算错。

最后，我认为的思路：快，足够快。无了。

@ndxxx nautilus 链接 ibkr 拉 5 分钟的数据，其他级别用 nautilus 的工具合成

@lyinan #32 好啊，试试美股~

量化最重要的是策略，以及自己能不能守纪律，不要亏一点就否定策略，来回改来回吃瘪

都是在算命，还搞得不亦乐乎，我很早就说过，量化交易最大作用是练习编程，有利于跳槽涨薪，现在程序都是 ai 写了，这点用处也没有了

量化最好的策略就是量化基金本身： 赚钱分 20%，赔钱一分不赔，日常还要提 2%费用，这世界上啥策略能比得上这个

不如卖课来钱快

我觉得个人做量化就是伪需求。在股票市场赚钱，有两种方式，一种是赚企业成长的钱，另一种是赚别人的钱。在 A 股，用量化想赚别人的钱，你的对手是文锋这个级别的量化，无论是人才、策略、算力都有明显的差距。如果想追求稳定福复利，纳指、标普都是明牌。
我觉得个人最适合的是赚企业成长的钱，特别是 AI 基建爆发这一波，美股的算力、光、存储，A 股的光、半导体设备，都有很多机会，做研究选好有业绩的公司，反而更轻松收益更大。A 股很多量化基金，今年的收益都不如几个科技龙头

看到很多人不看好个人量化，觉得无法和机构抗衡； 其实我的看法完全相反，个人做量化有自己非常大的优势，特别是在现在 LLM 的时代；因为很多机会不是没有，而是容量太小 对于机构没有吸引力但是对于个人投资者还是非常丰厚的； 以前可能开发一套可靠的系统去喝这些汤很难，但是有 LLM 的加持很容易就可以实现

免费的都是最贵的

我做个量化交易的胜率还可以，个人感觉还是一个因子的独特性，就是你的因子必须和别人的不一样,

然后就是止盈止损 和 风控了，这一块花了我很多时间

@tfdetang 这也是我的思路之一，个人资金量不大，对市场没什么影响。机构体量大，转身速度慢，进出需要时间和空间。这算是打法差异。

@lyinan #25 怎么不和大盘对比一下？有没有可能一顿操作猛如虎，到头不如买指数？或者这些策略就是受益于大盘整体上涨？

别浪费 token 了，直接用 fmz 就行如果是 crypto

@HENQIGUAI #2 财富自由的人啊，粉丝们给的情绪价值也有吸引力

搞量化需要先认清自己的对手是什么级别的，除非有 alpha 因子研究能力，不然大概率成为炮灰

也搞了很久这个，交了几万学费。分享几点经验：
1. 大模型完全走不通，幻觉是最大的问题，其次是慢。
2. 单纯的指标也没啥用，指标太落后。优化了几个月的传统指标，回测很完美，一遇到市场新的变化盈亏比就一塌糊涂。
3. 然后用 LightGBM/XGBoost 输入了几十个参数，一开始赚了点钱，结果顶不住别人画 K 线，关键这玩意儿完全没法优化，纯纯黑盒，在某种情况下表现很好，但一种新的形态就各种接飞刀，各种触发止损
4. 已经开始相信玄学了，什么波浪理论、缠论、裸 K ，结果又交了学费。。。
-------
最后幡然醒悟，程序员搞这个完全不行。量化差的不是技术，而是金融学的知识，也是对人性的把握，对贪婪和恐惧的亲自体会。养尊处优旱涝保收的程序员怎么可能做的好，又凭什么跟一群刀口舔血的赌徒拼刀子？

看到这么多菜逼，心里也有底了。😂

无他. 建议问一下 AI 什么是有效市场理论,然后你会发现折腾公开策略纯属浪费时间

做讲故事的这类的，看看财报，分析一下基本面，是否政策用 AI 就行。
散户能赚钱的方式，就是波段。大方向看对，找个相对低点进去，设好止损，坐等抬轿就行

同意楼上 #59 。

在做一套系统，关键是辅助自己验证想法、提高自己对市场的认知，可能这比量化策略更重要。

赚钱的策略都不公开，公开的策略都是曾经赚钱的策略。量化归根到底还是找样本的统计规律，金融的问题在于市场会变化，交易规则，交易时间都会调整，历史数据无法有效反应当下的数据分布规律。量化就需要不停的调整统计规律。

@lyinan 我搞的外汇 年化大概 15 个点。

ai 做个策略交易机器人还是可以的，本质上代替人手动操作。策略都是已有确定的，一般收益率不会很高
想 ai 做量化交易，影响因素太多了，自己一点不懂，靠 ai 很难确定好量化因子

有做打板的吗？

lz 的量化思路看起来停留在自然语言直接跳跃到交易的方法上，然而，量化交易的本质是，量化策略，不管你是不是高频交易（散户的高频和机构的高频是两回事儿），都需要把策略变成精确、可执行的、基于市场数据的交易信号发生器。

一个完整的策略生命周期是：idea->strategy （含风控、退出、下单规则）->backtest->simulation->paper trading->live trading 。每一步都需要评估通过了才会进入下一步，不然都是浪费时间。

交易系统中执行策略的流程是：
1. 市场数据订阅
2. 策略消费 k 线数据，产生交易信号
3. 风控审核交易信号
4. 订单优化下单设置
5. 持仓管理+风控 SL/TP 更新
6. 风控 EE 平仓
7. 策略绩效评估
8. 日报/周报/月报

从系统角度看，策略（交易信号）只是很小一部分，那些几句提示词就生成一个 trading bot 都是玩具罢了。
我花了一年多时间做了一个策略研究+本地交易的产品，还没最终完成，不过大家可以先看看： https://ati.broyustudio.com/
我对量化系统的理解不一定准确，欢迎提出宝贵意见。