AI量化交易操盘手（ai_quant_trade）：从学习、模拟到实盘的一站式股票AI量化平台

项目定位为“AI量化交易操盘手：从学习、模拟到实盘，一站式平台”。核心亮点包括：一站式平台（学习、模拟到实盘全流程）、多元策略（大模型、因子挖掘、传统策略、机器学习、深度学习、强化学习、图网络、高频交易）、资源汇总（全网资源汇总、实战案例、论文解读、代码实现）、辅助工具（辅助盯盘、股票推荐）、多市场覆盖（股票、基金、加密货币）、实盘部署（支持 Python/C++/CPU/GPU 等多种部署方式）。适合人群为机构投资者、有编程基础的散户以及无编程基础的散户。

项目结构（摘自 README）：ai_notes（金融量化交易知识，含资源/实战/热点）、docs（使用说明文档）、egs_aide（辅助操盘工具，如看盘神器）、egs_alpha（因子库与因子挖掘）、egs_data（数据获取及处理，Wind/开源工具）、egs_fin_nlp（文本分析，情感分析等）、egs_llm（大模型应用，股价预测/金融分析）、egs_online_platform（在线投研平台策略，优矿/聚宽）、egs_trade（本地量化炒股策略，含 paper_trade 实盘模拟、rl 强化学习、ms_qlib 微软Qlib、vanilla 传统规则策略）、quant_brain（核心算法库）、runtime（模型部署和实际使用）、tools（辅助工具）、requirements.

txt、README.md。

新特性时间线：2026.07.25 上班“摸鱼炒股”神器 V2（模块化盯盘系统+预警监控+K线图+多源 fallback）；2025.08.09 推理型股价预测大模型训练教程；2025.05.17 Unsloth 推理型股价预测大模型（代码见本仓库，详细指南+模型见星球）；2025.01.03 大模型金融市场分析；2023.04.09 StructBERT 市场情绪分析；2023.03.28 强化学习多股票交易（README 标注年化收益 53%）；2023.02.

28 机器学习自动挖掘 5000 个因子及股票趋势预测；2023.02.05 利用 EXCEL 看盘；2023.01.01 本地深度强化学习策略；2022.11.07 Wind 本地实盘模拟；2022.08.03 基础回测框架+双均线策略。

强化学习（egs_trade/rl）：策略列表含原型、FinRL 教程0-NeurIPS2018（论文 Practical Deep Reinforcement Learning Approach for Stock Trading）。README 给出的回测结果：FinRL 教程0-NeurIPS2018 在美股道琼斯30上年化收益 53.1%、最大回撤 -10.4%、夏普率 2.17；原型（中国A股）未给出数值。

传统策略：双均线策略+简易手写回测框架（含策略代码、自建纯手写回测框架、买卖点绘图）、投资组合管理 7 节教学。

实盘交易（egs_trade）：Wind 本地实盘模拟（双均线策略），Wind 常作为金融机构首选数据源、价格较高，适用对象为机构。

辅助操盘工具（egs_aide）：利用 EXCEL 看盘 V1；上班“摸鱼炒股”神器 V2（架构重构为模块化 excel_monitor 包、Sheet Handler 模式、预警监控、Excel 内画 K 线、资金情绪 Sheet、股票池模糊搜索选股、多源 fallback（qstock 主源 + akshare/东财/腾讯/网易/efinance）、YAML+Excel 配置热重载、一条命令生成 7 个 Sheet 模板、pytest 156 项单元测试）；Streamlit 实时行情监控。配图 4 为看盘神器 V2 演示。

因子挖掘（egs_alpha）：机器学习自动挖掘 5000 个因子及股票趋势预测；因子库含 alpha101、stockstats、ta_lib。数据处理（egs_data）：各类常见数据源使用详解、统一数据源接口（配图 5 为数据源示意图）。文本分析（egs_fin_nlp）：StructBERT 市场情绪分析。大模型应用（egs_llm）：大模型金融市场分析、Unsloth 推理型股价预测模型训练（代码开源，详细指南+模型见星球）。

在线投研平台（egs_online_platform）：聚宽、优矿、米筐、果仁、BigQuant 等。README 提示这些策略仅在所述回测段有效，未做详细调优和全周期验证，实盘使用需慎重。聚宽策略示例：机器学习-动态因子选择策略（收益 12.3%，最大回撤 38.93%）、小市值+多均线量化炒股（58.4%，46.61%）、龙虎榜-看长做短（41.82%，26.89%）、强势股+趋势线判断+止损止盈（10.09%，21.449%）。该部分代码仅能在聚宽平台运行。

“a_全网优秀资源”为本仓库精华版块，按量化全流程分类：00_基础知识、00_学习资源、01_数据、02_综合框架（Qlib、WonderTrader 等）、03_回测框架（Backtrader、PyAlgoTrade、Zipline、RQAlpha、QuantDigger 等）、04_因子（Alpha101、ta_lib、stockstats、alphalens 等）、05_交易策略、06_辅助工具、07_可视化、08_知识图谱、09_高频交易、10_大模型（FinGPT、FinRobot、TradingAgents、Agent、RAG、Skill 包等）、11_投研平台、12_交易平台（EasyTrader、VNPy 等）。

重点推荐内容包括大模型在金融的应用（FinGPT、FinMem、Self-Reflective、Stock-chain、TradingAgents、FinRobot）、Skill 包合集（60+，含缠论、技术分析、量化统计、基本面分析、加密货币、宏观分析等）、回测框架多维对比、研报复现、交易策略全套。

配套与说明：ai_wiki / AI大模型避坑指南 为配套项目（Github 与 Gitee 镜像）；本仓库秉承“收费与免费并行”原则，部分代码转为私有化维护，仅在知识星球中可见，对应功能会在仓库中标注。

— 本文由 AI 根据公开来源辅助整理，命令、版本与许可证请在使用前到原始页面复核。