每日一个开源项目（第159篇）：Vibe-Trading - 用自然语言做量化研究，AI 驱动的个人交易 Agent

引言“把自然语言的金融研究问题转化为可运行的分析、回测和交易工作流。”这是每日一个开源项目系列的第159篇文章。今天的主角是Vibe-Trading——HKUDS香港大学数据科学实验室开源的 AI 驱动量化交易研究框架。量化研究的传统门槛很高你需要知道用哪个数据 API、怎么处理缺失数据、选哪个回测框架、怎么写策略代码、怎么做统计验证。每一步都可能卡住。Vibe-Trading 的出发点是用自然语言描述你想研究什么让 AI Agent 把后面的技术细节处理掉。“回测 BTC-USDT 的 20/50 均线策略”——一句话Agent 自动选数据源、拉数据、写策略、跑回测、输出报告。当然这不是说它能帮你赚钱。它是一个研究工具且它自己的安全设计也清楚地说明了这一点系统默认只读不托管资金所有的实盘操作都通过经纪商接口中继。你将学到什么自然语言 → 可执行策略的工作流Plan/Ground/Execute/Validate/Deliver 五阶段19 个免费数据源和智能 fallback 链的设计461 个预置 alpha 因子库Alpha Zoo影子账户功能用你的历史交易数据分析你自己的交易偏误多 Agent 投资委员会模式安全设计AST 沙箱、资金不托管原则前置知识了解量化交易的基本概念策略、回测、alpha 因子Python 基础有 A 股、美股或加密货币交易经验更容易理解适用场景项目背景项目简介Vibe-Trading 是一个开源量化研究工作台通过 AI Agent 把自然语言的研究意图转化为实际可运行的分析代码和回测流程。它的定位不是AI 帮你炒股而是降低量化研究的技术门槛——让更多人能用上专业量化工具而不需要先成为软件工程师。作者/团队介绍团队: HKUDS香港大学数据科学实验室License: MIT语言: Python 3.11项目数据⭐ GitHub Stars:21,800 Forks: 3,800 Agent 工具: 68 个 Alpha 因子: 461 个 数据源: 19 个免费 63 付费 License: MIT五阶段工作流Plan规划Agent 解析自然语言问题决定调用哪些 Skill用哪些工具连接哪些数据源是否启用多 Agent 协作Ground接地通过 fallback 链拉取市场数据A 股数据链按 IP 封禁风险从低到高排序tencent → mootdx → eastmoney → baostock → akshare → tushare美股数据链yahoo → stooq → sina → yfinance → finnhub → alphavantage加密数据链okx → ccxt → yfinance“一个get_market_data调用”——上层代码不需要知道底层用哪个源数据层自动处理 fallback。Execute执行Agent 生成策略代码在 AST 沙箱里执行回测。支持的回测引擎市场引擎A 股China A-Share Engine美股US Equity Engine港股HK Equity Engine印度股市India NSE/BSE Engine加密货币Crypto Engine中国期货China Futures Engine全球期货Global Futures Engine外汇Forex Engine期权Options Engine混合组合CompositeEngineValidate验证统计验证方法Monte Carlo 模拟Bootstrap 置信区间Walk-Forward 测试策略运行卡Performance CardDeliver交付输出格式支持HTML / PDF 报告Pine ScriptTradingViewTDX通达信MetaTrader 5 MQL5核心功能详解自改进 AgentAgent 的记忆和 Skill 系统跨会话持久记忆之前研究过的策略、发现的规律、做出的假设都被保存下来87 个 Skill9 个类别量化研究、因子分析、风险管理、组合优化等5 层上下文压缩处理长时间研究会话的上下文膨胀问题Skill 自动演化在研究过程中总结新的 Skill扩展能力库Alpha Zoo因子库461 个预置量化因子一行命令可以批量评测# 评测 GTJA 191 因子库中前 20 个因子CSI300 股票池2018-2025 年vibe-trading alpha bench\--zoogtja191\--universecsi300\--period2018-2025\--top20输出每个因子的 IC 均值、IC 标准差、IR、IC 正比率。支持的因子库Qlib158微软开源量化库的经典因子集Kakushadze101学术文献中经典的 101 个 alpha 因子GTJA191国泰君安 191 个量化因子PIT-safe 基本面因子避免 Point-in-Time 偏差的基本面数据因子影子账户Shadow Account这是 Vibe-Trading 最有意思的功能之一上传你的历史交易记录AI 给你做行为诊断。# 上传券商导出的交易记录vibe-trading--uploadtrades_export.csv# 分析交易行为vibe-trading run-p分析我的交易记录识别交易偏误提取我的实际交易策略诊断的偏误类型处置效应Disposition Effect过早卖出盈利仓位持有亏损仓位太久过度交易Overtrading频繁操作拉高费用却没有对应的超额收益追势交易Momentum Chasing涨了追买、跌了割肉的追涨杀跌行为锚定偏误Anchoring过度依赖某个价格参考点做决策输出量化的偏误程度报告提炼出的影子策略你的实际行为模式和回测基准的对比分析HTML/PDF 格式的详细审计报告多 Agent 投资委员会对于复杂研究任务可以启动多 Agent 并行模式角色构成投资委员会研究员、风险官、组合经理等角色并行分析量化团队因子研究、策略开发、回测验证分工协作加密团队链上数据分析、DEX 流动性、宏观对冲风险委员会多维风险评估和压力测试各 Agent 并行工作进度实时流式输出结果汇总后生成综合报告。快速开始安装pipinstallvibe-trading-ai# 包含所有 IM 适配器Telegram、Slack、Discord、微信、飞书等pipinstallvibe-trading-ai[channels]# 只要 Telegrampipinstallvibe-trading-ai[telegram]基础使用# 策略研究和回测vibe-trading run-p回测 BTC-USDT 的 20/50 均线策略时间范围 2024 年# 宏观分析vibe-trading run-p分析当前美股科技股的估值水平和 2000 年互联网泡沫对比# 因子研究vibe-trading run-p在 A 股中测试动量因子的有效性2015-2025 年# 影子账户分析vibe-trading--uploadbroker_export.csv vibe-trading run-p识别我最近 2 年的交易行为偏误Python APIfromvibe_tradingimportAgent agentAgent(provideranthropic,modelclaude-opus-4-6)resultawaitagent.run(分析 CSI300 的月度动量效应回测 2015-2025 年输出年化收益、夏普比率和最大回撤)Docker 部署dockercompose up-d# WebUI: http://localhost:3000经纪商连接如果需要连接实盘或模拟盘支持 10 个经纪商接口市场经纪商美股Robinhood、Alpaca、IBKRA股/港股富途Futu、长桥Longbridge、老虎Tiger加密OKX、Binance印度Dhan、Shoonya重要安全设计系统不托管资金只中继交易指令没有结构性纸/实盘隔离的经纪商默认只读文件系统级别的紧急停止开关kill switch完整的操作审计日志安全设计Vibe-Trading 在安全上做了相当多的工作对于一个会执行代码的 AI 系统来说这很必要AST 沙箱回测代码在硬化的 AST 沙箱里执行禁止的操作编译时拦截 × network calls不能访问网络 × subprocess不能启动子进程 × eval/exec不能动态执行代码 × os.environ不能读取环境变量 × file writes outside designated dirs不能写入指定目录外的文件这意味着 AI 生成的策略代码即使包含恶意内容也无法做出上述危险操作。其他安全措施CSRF 防护 SSRF 防御速率限制Docker 多阶段构建镜像使用 digest 固定版本SSE 认证使用短期一次性票据项目地址与资源GitHub: HKUDS/Vibe-TradingPyPI: vibe-trading-ai总结Vibe-Trading 代表了一个方向把量化研究的技术门槛从需要掌握多个专业工具降到能描述你想研究什么。461 个预置因子、19 个免费数据源、10 个市场的回测引擎——这些技术深度不是为了炫耀而是把现实中做量化研究需要踩的坑都预先踩掉让用户可以专注在研究本身而不是工具集成。影子账户功能是一个少见但很实用的设计很多散户投资者有一大堆交易记录却从来没有系统地分析过自己的行为模式。这个功能可以帮你把我觉得我是怎么交易的和我实际上是怎么交易的这两个版本对比一下。安全设计AST 沙箱、资金不托管、只读默认说明团队清楚地知道这类系统的风险在哪里并且把防护做在了正确的位置。21.8k Stars 来自 HKUDS 这样的学术背景团队说明它在学术上是可信的在工程上也经过了认真打磨。免责声明本文介绍的是一个开源技术工具不构成任何投资建议。量化策略的历史回测表现不代表未来收益。探索 PrimeSkills —— 精选 AI Agent 与技能的市场每一个都经过真实企业工作流验证去掉浮夸留下真正有用的。欢迎访问我的个人主页发现更多有价值的见解和有趣的产品。