金融研究平台：Qlib、AI-Trader Bench、OpenAlice、AKQuant

johnny2332026-06-18 11:51

继金融智能体：Dexter、RD-Agent、ValueCell、FinanceToolkit、Fincept Terminal之后，本文继续汇总几款开源项目。

Qlib

微软开源（GitHub，44.6K Star，7.1K Fork）量化投资平台，支持全链条AI量化投资流程（数据→模型→回测→交易），官方文档。

核心价值：

  • 提供监督学习/强化学习/市场动态建模等完整ML范式支持
  • 覆盖Alpha挖掘、风险评估、组合优化、订单执行等投研全环节
  • 已被多家机构用于实际投资研究，2023年推出企业级功能BPQP

RD-Agent，LLM驱动自动化工厂
#mermaid-svg-SmkFeNY1P0O17tHA{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-SmkFeNY1P0O17tHA .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-SmkFeNY1P0O17tHA .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-SmkFeNY1P0O17tHA .error-icon{fill:#552222;}#mermaid-svg-SmkFeNY1P0O17tHA .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-SmkFeNY1P0O17tHA .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-SmkFeNY1P0O17tHA .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-SmkFeNY1P0O17tHA .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-SmkFeNY1P0O17tHA .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-SmkFeNY1P0O17tHA .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-SmkFeNY1P0O17tHA .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-SmkFeNY1P0O17tHA .marker{fill:#333333;stroke:#333333;}#mermaid-svg-SmkFeNY1P0O17tHA .marker.cross{stroke:#333333;}#mermaid-svg-SmkFeNY1P0O17tHA svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-SmkFeNY1P0O17tHA p{margin:0;}#mermaid-svg-SmkFeNY1P0O17tHA .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-SmkFeNY1P0O17tHA .cluster-label text{fill:#333;}#mermaid-svg-SmkFeNY1P0O17tHA .cluster-label span{color:#333;}#mermaid-svg-SmkFeNY1P0O17tHA .cluster-label span p{background-color:transparent;}#mermaid-svg-SmkFeNY1P0O17tHA .label text,#mermaid-svg-SmkFeNY1P0O17tHA span{fill:#333;color:#333;}#mermaid-svg-SmkFeNY1P0O17tHA .node rect,#mermaid-svg-SmkFeNY1P0O17tHA .node circle,#mermaid-svg-SmkFeNY1P0O17tHA .node ellipse,#mermaid-svg-SmkFeNY1P0O17tHA .node polygon,#mermaid-svg-SmkFeNY1P0O17tHA .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-SmkFeNY1P0O17tHA .rough-node .label text,#mermaid-svg-SmkFeNY1P0O17tHA .node .label text,#mermaid-svg-SmkFeNY1P0O17tHA .image-shape .label,#mermaid-svg-SmkFeNY1P0O17tHA .icon-shape .label{text-anchor:middle;}#mermaid-svg-SmkFeNY1P0O17tHA .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-SmkFeNY1P0O17tHA .rough-node .label,#mermaid-svg-SmkFeNY1P0O17tHA .node .label,#mermaid-svg-SmkFeNY1P0O17tHA .image-shape .label,#mermaid-svg-SmkFeNY1P0O17tHA .icon-shape .label{text-align:center;}#mermaid-svg-SmkFeNY1P0O17tHA .node.clickable{cursor:pointer;}#mermaid-svg-SmkFeNY1P0O17tHA .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-SmkFeNY1P0O17tHA .arrowheadPath{fill:#333333;}#mermaid-svg-SmkFeNY1P0O17tHA .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-SmkFeNY1P0O17tHA .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-SmkFeNY1P0O17tHA .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-SmkFeNY1P0O17tHA .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-SmkFeNY1P0O17tHA .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-SmkFeNY1P0O17tHA .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-SmkFeNY1P0O17tHA .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-SmkFeNY1P0O17tHA .cluster text{fill:#333;}#mermaid-svg-SmkFeNY1P0O17tHA .cluster span{color:#333;}#mermaid-svg-SmkFeNY1P0O17tHA div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-SmkFeNY1P0O17tHA .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-SmkFeNY1P0O17tHA rect.text{fill:none;stroke-width:0;}#mermaid-svg-SmkFeNY1P0O17tHA .icon-shape,#mermaid-svg-SmkFeNY1P0O17tHA .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-SmkFeNY1P0O17tHA .icon-shape p,#mermaid-svg-SmkFeNY1P0O17tHA .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-SmkFeNY1P0O17tHA .icon-shape .label rect,#mermaid-svg-SmkFeNY1P0O17tHA .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-SmkFeNY1P0O17tHA .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-SmkFeNY1P0O17tHA .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-SmkFeNY1P0O17tHA :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;}#mermaid-svg-SmkFeNY1P0O17tHA .nodeStyle>*{fill:#f0f4ff!important;stroke:#99a9bf!important;stroke-width:1px!important;}#mermaid-svg-SmkFeNY1P0O17tHA .nodeStyle span{fill:#f0f4ff!important;stroke:#99a9bf!important;stroke-width:1px!important;}#mermaid-svg-SmkFeNY1P0O17tHA .diamondStyle>*{fill:#f0f4ff!important;stroke:#99a9bf!important;stroke-width:1px!important;}#mermaid-svg-SmkFeNY1P0O17tHA .diamondStyle span{fill:#f0f4ff!important;stroke:#99a9bf!important;stroke-width:1px!important;} 输入目标
智能体协作
优化模块
因子挖掘
生成量化因子
模型调优
优化交易模型

三大智能场景：

  • 因子挖掘：从市场/研报自动提取有效因子（中英文演示）
  • 模型优化：端到端优化交易模型参数
  • 研报解析：自动提取研报中的量化信号

技术创新

类别 代表性成果（年份）
强化学习 OPDS/PPO订单执行模型（2022）
时序模型 HIST/IGMTF（2022）
集成学习 DoubleEnsemble（2021）

关键组件：

  • 数据集：Alpha158/Alpha360等标准化金融数据集
  • 执行引擎：支持嵌套交易策略的高频执行
  • 动态适应：DDG-DA概念漂移处理（2022）

框架示意图（Graphviz语法）

graphviz 复制代码 
digraph architecture {
	rankdir=LR;
	node [shape=box];
	
	数据层 -> {SQLite, Arctic}
	计算引擎 -> {Dask, Ray}
	ML框架 -> {PyTorch, LightGBM}
	部署 -> {Docker, Azure CLI}
	前端 -> {Jupyter, Streamlit}
}

实战

基于Docker、或源码部署：

bash 复制代码 
docker run -it -p 8080:8080 pyqlib/qlib_image_stable
# 源码
git clone https://github.com/microsoft/qlib
cd qlib
pip install -e ".[dev]"  # 安装开发依赖
python scripts/get_data.py qlib_data --region cn # 获取中国数据集

配置在线数据服务（需Azure CLI）：qlib-server deploy --mode online

运行LightGBM示例：qrun benchmarks/LightGBM/workflow_config_lightgbm_Alpha158.yaml

量化研究流程
回测引擎 模型库 数据层 QLib 用户 回测引擎 模型库 数据层 QLib 用户 #mermaid-svg-inTaEFzf98z81Jgo{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-inTaEFzf98z81Jgo .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-inTaEFzf98z81Jgo .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-inTaEFzf98z81Jgo .error-icon{fill:#552222;}#mermaid-svg-inTaEFzf98z81Jgo .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-inTaEFzf98z81Jgo .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-inTaEFzf98z81Jgo .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-inTaEFzf98z81Jgo .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-inTaEFzf98z81Jgo .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-inTaEFzf98z81Jgo .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-inTaEFzf98z81Jgo .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-inTaEFzf98z81Jgo .marker{fill:#333333;stroke:#333333;}#mermaid-svg-inTaEFzf98z81Jgo .marker.cross{stroke:#333333;}#mermaid-svg-inTaEFzf98z81Jgo svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-inTaEFzf98z81Jgo p{margin:0;}#mermaid-svg-inTaEFzf98z81Jgo .actor{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-inTaEFzf98z81Jgo text.actor>tspan{fill:black;stroke:none;}#mermaid-svg-inTaEFzf98z81Jgo .actor-line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);}#mermaid-svg-inTaEFzf98z81Jgo .innerArc{stroke-width:1.5;stroke-dasharray:none;}#mermaid-svg-inTaEFzf98z81Jgo .messageLine0{stroke-width:1.5;stroke-dasharray:none;stroke:#333;}#mermaid-svg-inTaEFzf98z81Jgo .messageLine1{stroke-width:1.5;stroke-dasharray:2,2;stroke:#333;}#mermaid-svg-inTaEFzf98z81Jgo #arrowhead path{fill:#333;stroke:#333;}#mermaid-svg-inTaEFzf98z81Jgo .sequenceNumber{fill:white;}#mermaid-svg-inTaEFzf98z81Jgo #sequencenumber{fill:#333;}#mermaid-svg-inTaEFzf98z81Jgo #crosshead path{fill:#333;stroke:#333;}#mermaid-svg-inTaEFzf98z81Jgo .messageText{fill:#333;stroke:none;}#mermaid-svg-inTaEFzf98z81Jgo .labelBox{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-inTaEFzf98z81Jgo .labelText,#mermaid-svg-inTaEFzf98z81Jgo .labelText>tspan{fill:black;stroke:none;}#mermaid-svg-inTaEFzf98z81Jgo .loopText,#mermaid-svg-inTaEFzf98z81Jgo .loopText>tspan{fill:black;stroke:none;}#mermaid-svg-inTaEFzf98z81Jgo .loopLine{stroke-width:2px;stroke-dasharray:2,2;stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);}#mermaid-svg-inTaEFzf98z81Jgo .note{stroke:#aaaa33;fill:#fff5ad;}#mermaid-svg-inTaEFzf98z81Jgo .noteText,#mermaid-svg-inTaEFzf98z81Jgo .noteText>tspan{fill:black;stroke:none;}#mermaid-svg-inTaEFzf98z81Jgo .activation0{fill:#f4f4f4;stroke:#666;}#mermaid-svg-inTaEFzf98z81Jgo .activation1{fill:#f4f4f4;stroke:#666;}#mermaid-svg-inTaEFzf98z81Jgo .activation2{fill:#f4f4f4;stroke:#666;}#mermaid-svg-inTaEFzf98z81Jgo .actorPopupMenu{position:absolute;}#mermaid-svg-inTaEFzf98z81Jgo .actorPopupMenuPanel{position:absolute;fill:#ECECFF;box-shadow:0px 8px 16px 0px rgba(0,0,0,0.2);filter:drop-shadow(3px 5px 2px rgb(0 0 0 / 0.4));}#mermaid-svg-inTaEFzf98z81Jgo .actor-man line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-inTaEFzf98z81Jgo .actor-man circle,#mermaid-svg-inTaEFzf98z81Jgo line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;stroke-width:2px;}#mermaid-svg-inTaEFzf98z81Jgo :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 定义研究问题 获取金融数据 返回结构化数据 调用预置模型 输出预测结果 执行策略回测 生成可视化报告

高级功能：

  • 强化学习：示例见examples/rl_order_execution
  • 组合优化：支持Planning-based框架（2021）
  • 高频交易：1分钟级数据处理（2021）

AI-Trader Bench

官网，开源（GitHub，19.8K Star，3K Fork）模块化可配置面向多市场的AI驱动量化交易系统，基于分层架构与MCP协议，打通数学计算、搜索、价格获取与交易执行全链路。通过代理类、MCP工具服务与配置文件系统协同工作，支持美股、A股及加密货币市场。只需切换配置，即可启动对应市场的AI交易代理，实现跨市场高效部署。

架构

#mermaid-svg-QRCNASZaiH8KT2dW{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-QRCNASZaiH8KT2dW .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-QRCNASZaiH8KT2dW .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-QRCNASZaiH8KT2dW .error-icon{fill:#552222;}#mermaid-svg-QRCNASZaiH8KT2dW .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-QRCNASZaiH8KT2dW .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-QRCNASZaiH8KT2dW .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-QRCNASZaiH8KT2dW .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-QRCNASZaiH8KT2dW .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-QRCNASZaiH8KT2dW .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-QRCNASZaiH8KT2dW .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-QRCNASZaiH8KT2dW .marker{fill:#333333;stroke:#333333;}#mermaid-svg-QRCNASZaiH8KT2dW .marker.cross{stroke:#333333;}#mermaid-svg-QRCNASZaiH8KT2dW svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-QRCNASZaiH8KT2dW p{margin:0;}#mermaid-svg-QRCNASZaiH8KT2dW .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-QRCNASZaiH8KT2dW .cluster-label text{fill:#333;}#mermaid-svg-QRCNASZaiH8KT2dW .cluster-label span{color:#333;}#mermaid-svg-QRCNASZaiH8KT2dW .cluster-label span p{background-color:transparent;}#mermaid-svg-QRCNASZaiH8KT2dW .label text,#mermaid-svg-QRCNASZaiH8KT2dW span{fill:#333;color:#333;}#mermaid-svg-QRCNASZaiH8KT2dW .node rect,#mermaid-svg-QRCNASZaiH8KT2dW .node circle,#mermaid-svg-QRCNASZaiH8KT2dW .node ellipse,#mermaid-svg-QRCNASZaiH8KT2dW .node polygon,#mermaid-svg-QRCNASZaiH8KT2dW .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-QRCNASZaiH8KT2dW .rough-node .label text,#mermaid-svg-QRCNASZaiH8KT2dW .node .label text,#mermaid-svg-QRCNASZaiH8KT2dW .image-shape .label,#mermaid-svg-QRCNASZaiH8KT2dW .icon-shape .label{text-anchor:middle;}#mermaid-svg-QRCNASZaiH8KT2dW .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-QRCNASZaiH8KT2dW .rough-node .label,#mermaid-svg-QRCNASZaiH8KT2dW .node .label,#mermaid-svg-QRCNASZaiH8KT2dW .image-shape .label,#mermaid-svg-QRCNASZaiH8KT2dW .icon-shape .label{text-align:center;}#mermaid-svg-QRCNASZaiH8KT2dW .node.clickable{cursor:pointer;}#mermaid-svg-QRCNASZaiH8KT2dW .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-QRCNASZaiH8KT2dW .arrowheadPath{fill:#333333;}#mermaid-svg-QRCNASZaiH8KT2dW .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-QRCNASZaiH8KT2dW .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-QRCNASZaiH8KT2dW .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-QRCNASZaiH8KT2dW .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-QRCNASZaiH8KT2dW .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-QRCNASZaiH8KT2dW .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-QRCNASZaiH8KT2dW .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-QRCNASZaiH8KT2dW .cluster text{fill:#333;}#mermaid-svg-QRCNASZaiH8KT2dW .cluster span{color:#333;}#mermaid-svg-QRCNASZaiH8KT2dW div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-QRCNASZaiH8KT2dW .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-QRCNASZaiH8KT2dW rect.text{fill:none;stroke-width:0;}#mermaid-svg-QRCNASZaiH8KT2dW .icon-shape,#mermaid-svg-QRCNASZaiH8KT2dW .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-QRCNASZaiH8KT2dW .icon-shape p,#mermaid-svg-QRCNASZaiH8KT2dW .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-QRCNASZaiH8KT2dW .icon-shape .label rect,#mermaid-svg-QRCNASZaiH8KT2dW .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-QRCNASZaiH8KT2dW .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-QRCNASZaiH8KT2dW .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-QRCNASZaiH8KT2dW :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;}#mermaid-svg-QRCNASZaiH8KT2dW .node>*{fill:#e6f7ff!important;stroke:#1890ff!important;stroke-width:2px!important;}#mermaid-svg-QRCNASZaiH8KT2dW .node span{fill:#e6f7ff!important;stroke:#1890ff!important;stroke-width:2px!important;} 配置文件
主程序main.py
代理工厂
BaseAgent
BaseAgentAStock
BaseAgentCrypto
MCP工具客户端
数学工具
搜索工具
价格工具
交易工具
外部数据源
搜索引擎
市场数据API
交易执行

分层架构设计，包含配置层、代理层、工具层和数据层，实现职责清晰分离，显著提升系统的可维护性与可扩展性。其核心由代理类（Agent）、MCP工具服务与配置文件系统构成，通过JSON配置文件定义交易参数，驱动AI模型进行决策，真正实现"配置即策略"的灵活部署。系统支持美股、A股和加密货币三大市场的AI交易，每类市场配备专用代理：BaseAgent（美股）、BaseAgentAStock（A股日线）、BaseAgentCrypto（加密货币），精准匹配不同市场的交易规则与频率需求。

通过FastMCP框架实现工具服务，每个工具作为独立HTTP服务运行，支持高内聚低耦合的模块化设计，支持通过环境变量覆盖配置参数，如INIT_DATE、END_DATE，实现运行时动态配置。

实战

基于源码部署：

bash 复制代码 
git clone https://github.com/HKUDS/AI-Trader.git
cd AI-Trader
pip install -r requirements.txt
vim .env
# A股交易流程，依次执行数据准备、MCP服务启动和交易运行脚本
bash main_a_stock_step1.sh && bash main_a_stock_step2.sh && bash main_a_stock_step3.sh
# 验证A股交易代理是否成功运行，检查数据存储目录中是否生成交易日志和持仓记录
python -m cli.main --help

OpenAlice

官网，一款面向个人的开源（GitHub，5.3K Star，849 Fork）AI交易代理工具，定位：个人专属的华尔街工作站，能将研究、量化分析、交易执行、风险管理等全流程能力集成在个人笔记本电脑上，实现24/7不间断运行。

特征：

  • 文件驱动：通过Markdown定义智能体角色和任务、JSON配置参数、JSONL存储对话，无需数据库和容器，仅依靠文件读写完成人机与AI对系统的控制，兼顾易用性和灵活性。
  • 推理驱动：所有交易决策基于持续的逻辑推理和多信号融合，而非简单的规则触发，保障决策的合理性。
  • 系统原生：深度适配操作系统能力，可调用浏览器实现网页搜索、通过Telegram发送消息、连接本地设备，打破应用级别的交互限制。
  • 实验性与风险提示：处于活跃开发阶段，功能和接口可能频繁变更，严禁用于实盘资金交易（除非完全理解并承担风险），开发者不承诺正确性、可靠性和盈利性，也不承担财务损失责任。

核心功能

  1. 多维度交易能力
    • 统一交易账户（UTA）：隔离AI与经纪商交互，所有订单基于IBKR类型系统，适配Alpaca/CCXT等经纪商；
    • 类Git交易流程：挂单（stage）-提交（commit）-执行（push），全流程可追溯，支持tradingLog/tradingShow查看历史；
    • 前置安全校验（Guard Pipeline）：交易执行前的多重防护，避免违规或高风险操作。
  2. 市场数据与研究能力
    • 全品类市场数据：覆盖股票、加密货币、大宗商品、外汇、宏观数据，提供统一的标的搜索和技术指标计算；
    • 股权研究：公司档案、财务报表、估值比率、分析师预测、财报日历、内幕交易、市场异动（涨幅/跌幅/成交量榜）；
    • 新闻管理：RSS源收集+归档检索，支持多维度新闻筛选与阅读。
  3. AI与智能体能力
    • 多AI提供商切换：运行时切换CC/Vercel AI SDK/Agent SDK，无需重启；
    • 认知状态持久化：工作记忆、情绪追踪、提交历史，保障智能体记忆连续性；
    • 进化模式：双权限体系，普通模式仅可操作data/brain/，进化模式可访问全项目（包括Bash），支持AI自修改源码。
  4. 系统级特性
    • 热重载：连接器、交易引擎支持运行时启用、禁用、重连，无需重启系统；
    • 事件日志：JSONL格式的追加式日志，支持实时订阅和崩溃恢复；
    • 跨渠道交互：消息自动分发至最近交互渠道（Telegram/Web UI等），保障交互连贯性。

原理

模块化分层式架构
#mermaid-svg-l56RcTPwO2chVNv1{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-l56RcTPwO2chVNv1 .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-l56RcTPwO2chVNv1 .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-l56RcTPwO2chVNv1 .error-icon{fill:#552222;}#mermaid-svg-l56RcTPwO2chVNv1 .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-l56RcTPwO2chVNv1 .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-l56RcTPwO2chVNv1 .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-l56RcTPwO2chVNv1 .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-l56RcTPwO2chVNv1 .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-l56RcTPwO2chVNv1 .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-l56RcTPwO2chVNv1 .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-l56RcTPwO2chVNv1 .marker{fill:#333333;stroke:#333333;}#mermaid-svg-l56RcTPwO2chVNv1 .marker.cross{stroke:#333333;}#mermaid-svg-l56RcTPwO2chVNv1 svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-l56RcTPwO2chVNv1 p{margin:0;}#mermaid-svg-l56RcTPwO2chVNv1 .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-l56RcTPwO2chVNv1 .cluster-label text{fill:#333;}#mermaid-svg-l56RcTPwO2chVNv1 .cluster-label span{color:#333;}#mermaid-svg-l56RcTPwO2chVNv1 .cluster-label span p{background-color:transparent;}#mermaid-svg-l56RcTPwO2chVNv1 .label text,#mermaid-svg-l56RcTPwO2chVNv1 span{fill:#333;color:#333;}#mermaid-svg-l56RcTPwO2chVNv1 .node rect,#mermaid-svg-l56RcTPwO2chVNv1 .node circle,#mermaid-svg-l56RcTPwO2chVNv1 .node ellipse,#mermaid-svg-l56RcTPwO2chVNv1 .node polygon,#mermaid-svg-l56RcTPwO2chVNv1 .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-l56RcTPwO2chVNv1 .rough-node .label text,#mermaid-svg-l56RcTPwO2chVNv1 .node .label text,#mermaid-svg-l56RcTPwO2chVNv1 .image-shape .label,#mermaid-svg-l56RcTPwO2chVNv1 .icon-shape .label{text-anchor:middle;}#mermaid-svg-l56RcTPwO2chVNv1 .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-l56RcTPwO2chVNv1 .rough-node .label,#mermaid-svg-l56RcTPwO2chVNv1 .node .label,#mermaid-svg-l56RcTPwO2chVNv1 .image-shape .label,#mermaid-svg-l56RcTPwO2chVNv1 .icon-shape .label{text-align:center;}#mermaid-svg-l56RcTPwO2chVNv1 .node.clickable{cursor:pointer;}#mermaid-svg-l56RcTPwO2chVNv1 .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-l56RcTPwO2chVNv1 .arrowheadPath{fill:#333333;}#mermaid-svg-l56RcTPwO2chVNv1 .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-l56RcTPwO2chVNv1 .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-l56RcTPwO2chVNv1 .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-l56RcTPwO2chVNv1 .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-l56RcTPwO2chVNv1 .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-l56RcTPwO2chVNv1 .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-l56RcTPwO2chVNv1 .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-l56RcTPwO2chVNv1 .cluster text{fill:#333;}#mermaid-svg-l56RcTPwO2chVNv1 .cluster span{color:#333;}#mermaid-svg-l56RcTPwO2chVNv1 div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-l56RcTPwO2chVNv1 .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-l56RcTPwO2chVNv1 rect.text{fill:none;stroke-width:0;}#mermaid-svg-l56RcTPwO2chVNv1 .icon-shape,#mermaid-svg-l56RcTPwO2chVNv1 .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-l56RcTPwO2chVNv1 .icon-shape p,#mermaid-svg-l56RcTPwO2chVNv1 .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-l56RcTPwO2chVNv1 .icon-shape .label rect,#mermaid-svg-l56RcTPwO2chVNv1 .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-l56RcTPwO2chVNv1 .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-l56RcTPwO2chVNv1 .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-l56RcTPwO2chVNv1 :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} Scheduling --- what fires
Alice进程---agent运行时+研究
Surfaces --- where users interact
Core --- orchestration
spawns headless run
HTTP
.mcp.json
inbox_push
UTA service --- broker carrier
Trading Git
Guards
Brokers
FX + Snapshots
Domain --- Alice-side
Market Data
Analysis
News
Workspace agent's home

(dir + git + native CLI)
claude/codex/opencode

pi/shell session
Web UI
Inbox tab
MCP Server
ToolCenter

  • Workspace ToolCenter
    InboxStore
    Credential vault

injected into workspaces
UTA SDK

HTTP client
Cron / Webhook

解读：

  1. 核心层（Core）。作为系统的中枢，负责核心能力的调度与管理：
    • ProviderRouter：AI提供商路由，实现不同AI后端的动态切换；
    • AgentCenter：智能体中心，统筹AI代理的核心逻辑；
    • ToolCenter：工具中心，管理所有扩展工具的注册与调用；
    • Session Store：会话存储，维护交互会话状态；
    • Event Log：事件日志，基于JSONL的追加式持久化日志，支持实时订阅和崩溃恢复；
    • ConnectorCenter：连接器中心，管理所有外部交互接口的注册与消息分发。
  2. AI 提供商层（Providers）。提供AI能力的底层支撑，支持运行时动态切换：
    • CC CLI（子进程模式）；
    • Vercel AI SDK（进程内模式）；
    • Anthropic Agent SDK（@anthropic-ai/claude-agent-sdk）
  3. 扩展层（Extensions）。系统功能的核心载体，每个扩展为独立工具包：
    • OpenBB Data（opentypebb）：TypeScript原生的市场数据引擎，覆盖股票、加密货币、大宗商品、外汇、宏观数据，提供统一的符号搜索和技术指标计算能力，还可暴露兼容OpenBB的HTTP API；
    • Analysis Kit：分析工具集，支撑各类量化与基本面分析；
    • Unified Trading Account (UTA)：统一交易账户，核心交易实体，包含：
    • Trading Git：类Git的交易流程（挂单、提交、执行），每笔提交生成8位哈希，支持历史回溯；
    • Guards：执行前安全校验（最大持仓、冷却时间、标的白名单等）；
    • Brokers：经纪商连接（基于 IBKR 类型系统，Alpaca/CCXT 适配兼容）；
    • News Collector：新闻收集器，基于可配置RSS源收集新闻，提供globNews/grepNews/readNews等检索工具；
    • Brain：智能体认知状态，包含工作记忆、情绪追踪、提交历史，实现持久化大脑；
    • Browser：浏览器集成，支持网页搜索等系统级交互。
  4. 任务层（Tasks）。负责定时任务与核心触发逻辑：
    • Cron Engine：事件驱动的定时任务系统，由AI驱动任务执行，消息自动分发至最近交互渠道；
    • Heartbeat：心跳机制，定期检查市场状态，通过HEARTBEAT_OK/CHAT_YES/CHAT_NO协议反馈状态。
  5. 接口层（Interfaces）。用户交互的入口，支持多端适配：
    • Web UI：本地聊天界面，支持实时SSE流、子频道（按频道配置AI）、投资组合仪表盘、全维度配置管理（交易、数据源、连接器、AI提供商等）；
    • 连接器：Telegram、MCP Ask等外部交互接口，支持运行时热插拔。

技术栈

  • TypeScript：全项目核心开发语言，保障类型安全，适配前端、后端、工具链全场景
  • AI 相关：@anthropic-ai/claude-agent-sdk、Vercel AI SDK、Claude Code CLI；
  • 交易相关：@traderalice/ibkr（IBKR 类型系统）、Alpaca API、CCXT；
  • 市场数据：OpenBB（opentypebb，TypeScript原生封装）；
  • 前端/UI：Vite（构建工具）、HTML5、SSE（实时流）、Web UI相关组件；
  • 工程化：pnpm（包管理）、vitest（测试）、Git（版本控制）、Cron（定时任务）；
  • 运行时：Node.js（后端）、浏览器（前端）、子进程（Claude Code调用）；
  • 数据存储：文件系统（Markdown/JSON/JSONL），无数据库依赖；
  • 通信协议：SSE（实时流）、HTTP（OpenBB API）、自定义连接器协议（Telegram/MCP Ask）
  • 配置文件：
    • tsconfig.json（TypeScript 配置）
    • vitest.config.ts（测试配置）
    • vite.config.ts（前端构建）
    • pnpm-workspace.yaml（多包管理）
bash 复制代码 
git clone https://github.com/TraderAlice/OpenAlice.git                  
cd OpenAlice
pnpm install
pnpm start
pnpm dev

可选：配置经纪商API（IBKR/Alpaca/CCXT）、Telegram Bot Token（如需Telegram连接器）、AI提供商密钥（Claude/Anthropic）。

ai-provider.json：配置AI提供商（Claude Code/Vercel AI SDK/Agent SDK）；

交易配置：UTA信息、经纪商API密钥、Guard规则（最大持仓、标的白名单等）；

数据源配置：OpenBB数据来源、RSS新闻源等；

连接器配置：Telegram/MCP Ask 密钥、Web UI端口等。

浏览器打开http://localhost:5173开始体验。

AKQuant

开源（GitHub，1.5K Star，199 Fork）Python量化投研（回测）项目，官方文档。

指标名 含义 单位/类型 计算说明
start_time 回测开始时间 Datetime 对应回测数据的第一个Bar的时间
end_time 回测结束时间 Datetime 对应回测数据的最后一个Bar的时间
duration 回测总时长 Timedelta end_time-start_time
total_bars 总Bar数量 Int 回测经历的K线总数
trade_count 交易笔数 Int 完成平仓的交易总数(Round-trip)
initial_market_value 初始市值 Float 初始资金(通常为Cash)
end_market_value 结束市值 Float 回测结束时的总资产(Cash+持仓市值)
total_pnl 总盈亏 Float end_market_value-initial_market_value
unrealized_pnl 未实现盈亏 Float 结束时持仓的浮动盈亏
total_return_pct 总收益率 %(百分比) (结束市值-初始市值)/初始市值*100
annualized_return 年化收益率 Ratio(小数) (1+总收益率)^(1/年数)-1
volatility 年化波动率 Ratio(小数) 收益率标准差*sqrt(252)
total_profit 总盈利 Float 所有盈利交易的盈利之和
total_loss 总亏损 Float 所有亏损交易的亏损之和
total_commission 总手续费 Float 交易产生的总佣金
max_drawdown 最大回撤比率 Ratio(小数) 历史最大回撤幅度
max_drawdown_value 最大回撤金额 Float 历史最大回撤的绝对金额
max_drawdown_pct 最大回撤百分比 %(百分比) max_drawdown*100
win_rate 胜率 %(百分比) 盈利次数/总交易次数*100
loss_rate 败率 %(百分比) 亏损次数/总交易次数*100
winning_trades 盈利次数 Int 盈利大于0的交易次数
losing_trades 亏损次数 Int 盈利小于0的交易次数
avg_pnl 平均盈亏 Float 每笔交易的平均净盈亏
avg_return_pct 平均收益率 %(百分比) 每笔交易收益率的平均值
avg_trade_bars 平均持仓K线数 Float 平均每笔交易持有的Bar数量
avg_profit 平均盈利 Float 盈利交易的平均金额
avg_profit_pct 平均盈利比例 %(百分比) 盈利交易的平均收益率
avg_winning_trade_bars 平均盈利持仓时长 Float 盈利交易的平均持仓Bar数
avg_loss 平均亏损 Float 亏损交易的平均金额
avg_loss_pct 平均亏损比例 %(百分比) 亏损交易的平均收益率
avg_losing_trade_bars 平均亏损持仓时长 Float 亏损交易的平均持仓Bar数
largest_win 最大单笔盈利 Float 单笔交易的最大盈利金额
largest_win_pct 最大单笔盈利比例 %(百分比) 单笔交易的最大收益率
largest_win_bars 最大盈利持仓时长 Float 产生最大盈利那笔交易的持仓Bar数
largest_loss 最大单笔亏损 Float 单笔交易的最大亏损金额
largest_loss_pct 最大单笔亏损比例 %(百分比) 单笔交易的最大亏损率
largest_loss_bars 最大亏损持仓时长 Float 产生最大亏损那笔交易的持仓Bar数
max_wins 最大连续盈利次数 Int 连续盈利的最多次数
max_losses 最大连续亏损次数 Int 连续亏损的最多次数
sharpe_ratio 夏普比率 Ratio (年化收益率-无风险利率)/年化波动率。无风险利率默认0
sortino_ratio 索提诺比率 Ratio (年化收益率-无风险利率)/下行波动率。只考虑下行风险
profit_factor 盈亏比 Ratio 总盈利/abs(总亏损)
ulcer_index 溃疡指数 Ratio 衡量回撤深度和持续时间的指标
upi 溃疡绩效指数 Ratio (年化收益率-无风险利率)/溃疡指数
equity_r2 权益曲线R² Ratio 权益曲线相对于时间的线性回归拟合度(0-1)，越接近1表示收益越稳定
std_error 标准误差 Float 权益曲线回归的标准误差
calmar_ratio 卡尔玛比率 Ratio 年化收益率/最大回撤比率
exposure_time_pct 市场暴露时间百分比 %(百分比) 持有仓位（非空仓）的时间占比
var_95 95%风险价值 Ratio(小数) 95%置信度下的每日最大亏损比例
var_99 99%风险价值 Ratio(小数) 99%置信度下的每日最大亏损比例
cvar_95 95%条件风险价值 Ratio(小数) 超过95%VaR阈值后的平均亏损比例（预期亏损）
cvar_99 99%条件风险价值 Ratio(小数) 超过99%VaR阈值后的平均亏损比例（预期亏损）
sqn 系统质量指数(SQN) Float (平均盈亏/盈亏标准差)*sqrt(交易次数)
kelly_criterion 凯利公式比例 Ratio(小数) 胜率-(败率/盈亏比)

解读：

  • 风险类

    • 最大回撤(Max Drawdown)：衡量策略在最坏情况下的表现。例如30%的最大回撤意味着如果你在最高点买入，最多可能会亏损30%。通常认为最大回撤越小越好。
    • 波动率(Volatility)：衡量收益的不确定性。波动率越高，收益起伏越大。
    • 风险价值(VaR)与条件风险价值(CVaR)：
      • VaR(Value at Risk)：在特定置信度下（如95%），策略在一天内可能发生的最大损失。
      • CVaR(Conditional VaR)：又称Expected Shortfall，衡量当损失超过VaR时的平均损失。比VaR更能反映极端尾部风险。
    • 市场暴露时间(Exposure Time)：策略持有头寸（非空仓）的时间占比。低暴露时间意味着资金大部分时间是安全的（现金），但也可能错失机会。

  • 收益风险比类

    • 夏普比率(Sharpe Ratio)：投资界的"性价比"指标。它衡量的是每承担一单位总风险，产生了多少超额收益。通常大于1是可接受的，大于2是非常优秀的。
    • 索提诺比率(Sortino Ratio)：类似于夏普比率，但只考虑"有害的波动"（下行波动）。如果一个策略经常暴涨（上行波动大），夏普比率可能会低估它，而索提诺比率则更公允。
    • 卡尔玛比率(Calmar Ratio)：年化收益率与最大回撤之比。衡量"收益回撤比"，是很多基金经理非常看重的指标。
    • 系统质量指数(SQN)：衡量交易系统的稳定性。SQN越高，越容易通过加大仓位来获利。一般认为>2.0为合格，>3.0为优秀，>7.0为圣杯。
    • 凯利公式(Kelly Criterion)：基于胜率和盈亏比计算的理论最佳仓位比例。注意凯利公式通常过于激进，实盘中常使用半凯利(Half-Kelly)甚至更低比例。

实战

安装：pip install akquant akshare

py 复制代码 
import akshare as ak
from akquant import Strategy, run_backtest

# 1. 准备数据，利用AKShare来获取数据
df = ak.stock_zh_a_daily(symbol="sh600000", start_date="20250101", end_date="20260212")

# 2. 策略定义
class MyStrategy(Strategy):
    # 3. 策略逻辑
    def on_bar(self, bar):
        # 获取当前持仓
        current_pos = self.get_position(bar.symbol)
        # 1. 当收盘价 > 开盘价 (阳线) -> 买入
        if current_pos == 0 and bar.close > bar.open:  
            self.buy(bar.symbol, 100)  # 买入 100 股

        # 2. 当收盘价 < 开盘价 (阴线) -> 卖出
        elif current_pos > 0 and bar.close < bar.open:
            self.close_position(bar.symbol)  # 卖出所有持仓

# 3. 运行回测
print("开始回测...")
result = run_backtest(
    data=df,  # 输入数据
    strategy=MyStrategy,  # 输入策略
    cash=100000.0,  # 初始资金
    symbol="sh600000"  # 交易的股票代码
)
# 4. 查看结果
print(result)  # 跟 print(result.metrics_df) 等效
# 查看详细的成交指标
print(result.trades_df)
# 查看详细的订单指标
print(result.orders_df)
# 查看详细的持仓指标
print(result.positions_df)

result.trades_df包含每笔平仓交易的详细信息。

指标名 含义 单位/类型 计算说明
symbol 标的代码 String 交易标的
entry_time 开仓时间 Datetime 开仓成交时间
exit_time 平仓时间 Datetime 平仓成交时间
entry_price 开仓均价 Float 开仓成交均价
exit_price 平仓均价 Float 平仓成交均价
quantity 交易数量 Float 成交数量
side 交易方向 String long(做多)或short(做空)
pnl 毛盈亏 Float 不包含手续费的盈亏
net_pnl 净盈亏 Float pnl-commission
return_pct 收益率 Float 交易收益率(小数)
commission 手续费 Float 交易产生的佣金
duration_bars 持仓K线数 Int 持仓期间经历的Bar数量
duration 持仓时长 Timedelta exit_time-entry_time

result.orders_df包含所有历史订单记录（包括已成交、取消、拒绝等）。

指标名称(Name) 含义(Description) 单位/类型 计算说明
id 订单ID String 唯一标识符
symbol 标的代码 String 交易标的
side 订单方向 String buy(买入)或sell(卖出)
order_type 订单类型 String market(市价),limit(限价),stop(止损)
quantity 订单数量 Float 下单数量
filled_quantity 成交数量 Float 实际成交数量
limit_price 限价 Float 限价单的价格(Market单为NaN)
stop_price 触发价 Float 止损单的触发价格
avg_price 成交均价 Float 实际成交的平均价格
commission 手续费 Float 订单产生的手续费
status 订单状态 String filled,cancelled,rejected等
time_in_force 有效期 String gtc,day,ioc等
created_at 创建时间 Datetime 订单创建时间

result.positions_df包含每日（或每Bar）持仓快照。

指标名称(Name) 含义(Description) 单位/类型 计算说明
date 日期 Datetime 持仓快照时间
symbol 标的代码 String 交易标的
long_shares 多头持仓 Float 多头方向的持仓数量
short_shares 空头持仓 Float 空头方向的持仓数量
close 收盘价 Float 当时的收盘价
equity 账户权益 Float 包含持仓盈亏的账户总权益
market_value 持仓市值 Float 当前持仓的市场价值
margin 占用保证金 Float 当前持仓占用的保证金
unrealized_pnl 未实现盈亏 Float 持仓浮动盈亏
热门推荐
012026年6月AI行业全景：从百模大战到Agent元年，这30天发生了什么？022026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf03【AI】2026 年具身智能模型和世界模型总结042026 AI 编程工具终极实战指南：Cursor vs Claude Code vs Copilot，开发者该怎么选？05GitHub 镜像站点062026年6月AI大模型全景报告：GPT-5.6、Claude Opus 4.8、Gemini 3.5，中美AI三足鼎立谁主沉浮？07AI科技热点日报 | 2026年6月1日08上线仅72小时被强制下架：Claude Fable 5 的短命09Codex 下载安装指南：Windows 和 macOS 官方版下载10HTTP 与 HTTPS 的区别：从原理到实战详解