Python量化AI交易新趋势：15大开源项目盘点与趋势解读

April 16, 2026

引言：金融领域的AI开源浪潮

在大模型、智能体以及开放交易生态的持续演进下，金融科技领域的开源项目正以前所未有的速度涌现。从数据预处理、研究分析，到策略生成与自动化执行，一系列创新尝试正在重塑量化交易的范式。本文旨在梳理近期在GitHub上受到高度关注的一批代表性金融AI开源项目，覆盖智能体平台、投研分析、自动交易以及底层数据基础设施等多个关键方向。

1. FinRobot：全栈式金融AI智能体平台

FinRobot（6.4K⭐）

GitHub：https://github.com/AI4Finance-Foundation/FinRobot

FinRobot是由AI4Finance基金会开源的一个面向金融垂直场景的AI智能体平台。其核心创新在于将大语言模型的推理能力、强化学习算法与专业量化分析方法融合进一个统一框架，用以支撑投资研究自动化、交易策略生成与风险评估等复杂任务。相较于依赖单一预训练模型的传统方案，FinRobot更强调多智能体协同工作流、面向金融的思维链推理、多元数据源整合以及从市场感知、决策制定到任务执行的完整闭环。因此，它可被视为一个覆盖金融文本理解、市场预测、策略构建与执行调度的全栈式金融AI基础设施。

2. TradingAgents：多智能体协同交易模拟框架

TradingAgents（32.3K⭐）

GitHub：https://github.com/TauricResearch/TradingAgents

TradingAgents是一个基于多智能体架构的金融交易研究与模拟框架。它旨在通过模拟真实市场中的交互动态，结合大语言模型驱动的各类智能体进行协同分析与决策。框架内包含负责基本面分析、市场情绪研判、新闻解析、技术分析等不同职能的智能体，并设有专门的交易执行与风控智能体。这些智能体通过评估市场状态、相互协作与辩论，共同制定交易策略，例如执行订单或调整风险敞口。该项目采用模块化设计，支持集成如Alpha Vantage的数据源以及OpenAI的推理API，非常适合用于金融策略的模拟、测试与学术研究。

3. TradingAgents-CN：面向中文市场的增强版研究平台

TradingAgents-CN（22.5K⭐）

Github：https://github.com/hsliuping/TradingAgents-CN

TradingAgents-CN 是在原版TradingAgents设计理念基础上，专为中文用户打造的多智能体金融分析与策略研究平台。它定位为一个用于学习和探索如何将多智能体框架与大语言模型结合应用于股票分析的中文增强系统。该项目强调完整的中文本地化支持、A股市场适配、多LLM供应商接入（原生集成OpenAI与Google AI）、自定义API端点配置、智能模型路由选择、Docker容器化部署以及专业级研究报告导出等功能。平台明确其用途限定于合规的股票研究与策略实验，不提供直接的实盘交易信号或指令。

4. AI Hedge Fund：投资大师智能体概念验证

AI Hedge Fund（49.1K⭐）

GitHub：https://github.com/virattt/ai-hedge-fund

AI Hedge Fund 是一个开源的“AI对冲基金”概念验证项目。其核心构想是利用多智能体协作来模拟真实的投资研究与交易决策流程。一方面，它将巴菲特、芒格、彼得·林奇、达摩达兰等不同流派的投资思想抽象为独立的“投资大师”智能体；另一方面，又设置了负责估值、情绪、基本面、技术面、风险管理和组合管理的功能型智能体。这些智能体共同分析股票并生成交易信号与资产配置决策。项目支持命令行与Web应用两种交互方式，允许接入本地或云端大语言模型，并包含回测模块，因此适合作为研究“多智能体如何参与投资决策”的实验性平台。

5. FinGPT：开放金融大语言模型生态

FinGPT（18.8K⭐）

GitHub：https://github.com/AI4Finance-Foundation/FinGPT

FinGPT 是AI4Finance基金会维护的一个面向金融领域的大语言模型开源项目，旨在构建一个开放、可访问的金融LLM生态系统。与依赖封闭专有数据和高成本训练的金融模型不同，FinGPT强调利用互联网规模的公开金融数据、高效的轻量级微调技术以及持续的数据更新机制，来实现更低成本、更高时效性的金融智能分析能力。项目不仅提供针对金融情感分析、指令跟随微调、市场预测等多种任务的预训练模型与基准测试，还配套了完整的数据处理管道、LoRA微调工具链、推理示例以及Hugging Face模型仓库资源。

6. Dexter：自治式金融研究智能体

Dexter（17.9K⭐）

GitHub：https://github.com/virattt/dexter

Dexter 是一个专注于金融研究场景的自治式AI智能体。其核心定位并非直接执行自动化交易，而是将复杂的金融研究问题分解为清晰可执行的步骤序列，通过结合实时市场数据、公司财务报表和网络检索工具，自主完成深度分析，并借助自我校验与迭代机制不断优化最终结论。项目强调任务规划、工具调用、反思学习与安全控制，支持对利润表、资产负债表、现金流量表等核心金融数据进行查询与分析。因此，它更像一位“专为投研任务打造的AI金融研究员”，适用于公司深度分析、基本面研究和投资问答等场景。

7. AI-Trader：OpenClaw生态下的复制交易信号市场

AI-Trader（12K⭐）

Github: https://github.com/HKUDS/AI-Trader

AI-Trader 是香港大学数据智能系统实验室开源的一个AI复制交易平台。其核心定位并非单一的策略生成器，而是一个面向OpenClaw开放交易生态的交易信号市场。平台允许兼容OpenClaw协议的AI智能体发布交易信号、参与策略讨论，并通过内置的复制交易机制让其他用户实现一键跟单。同时，它支持美股、A股、加密货币、预测市场、外汇、期权和期货等多类资产，并提供模拟交易、真实信号同步、社区讨论与积分激励等功能。因此，它更适合作为“AI代理共享交易观点与实现自动化跟单”的实验性与平台化基础设施。

8. OpenAlice：文件驱动的个人AI交易工作站

OpenAlice（2.7K⭐）

Github: https://github.com/TraderAlice/OpenAlice

OpenAlice 是一个面向股票与加密货币市场的开源AI交易代理引擎。其设计理念并非传统的量化回测框架，而是尝试将“研究台、量化团队、交易执行和风险控制”整合成一个可长期运行在个人电脑上的自治系统。项目采用极具特色的 file-driven 架构，使用Markdown文件定义智能体“人格”与任务、JSON文件进行系统配置、JSONL文件记录事件与对话日志，使得用户或其它AI都可以通过读写文件直接与代理交互。同时，它结合持续推理、信号融合、操作系统原生交互、统一交易账户管理、类似Git的交易执行流程以及执行前的风控检查管线，实现了从市场研究、新闻分析到订单执行与审计追踪的完整闭环，堪称一个“可自我组织的个人化AI交易工作站”。

9. ValueCell：社区驱动的去中心化金融智能体生态

ValueCell（10.1K⭐）

Github: https://github.com/ValueCell-ai/valuecell

ValueCell 是一个面向金融领域的高热度开源多智能体平台，定位为“社区驱动的去中心化金融Agent生态”。其目标是通过一组具备不同投资功能的智能体，协助用户完成选股、深度研究、信息追踪乃至自动化交易等任务。从项目介绍看，它集成了深度研究智能体、策略智能体、新闻检索智能体等多个模块，支持多种主流LLM供应商，覆盖美股、港股、A股及加密货币市场等多类数据源，并可连接Binance、Hyperliquid、OKX等交易所进行实盘或准实盘策略执行。项目同时强调将敏感信息本地化存储，以增强数据隐私与安全性。整体而言，ValueCell更像是将大语言模型、智能体架构、研究自动化与交易执行打通的一体化金融AI应用平台。

10. FinnewsHunter：多智能体金融情报分析中台

FinnewsHunter（1.4K⭐）

Github：https://github.com/DemonDamon/FinnewsHunter

FinnewsHunter 是一个基于 AgenticX 框架构建的多智能体金融情报监控与分析平台。其核心目标是将实时财经新闻采集、深度语义解析、市场情绪判断、影响评估与投资机会挖掘串联成一条自动化工作流。项目通过NewsAnalyst、Researcher等多个智能体持续跟踪新浪财经、证券时报等多源头新闻流，借助大语言模型进行深度解读，并结合知识图谱技术挖掘潜在的投资机会与风险信号，旨在为量化交易提供更具前瞻性的决策级Alpha信号。工程实现上，它采用 FastAPI + PostgreSQL + Milvus + Redis + React 的完整技术栈，支持多家LLM供应商切换、异步向量化处理、批量新闻分析、A股标的搜索与K线分析，并提供基于Docker Compose的一键部署方案，适合被视作一个面向投研与新闻驱动策略的“金融AI分析中台”。

FinnewsHunter Architecture

11. ATLAS：基于市场反馈自我改进的交易代理框架

ATLAS（1.3K⭐）

Github: https://github.com/chrisworsey55/atlas-gic

ATLAS 是General Intelligence Capital开源的一个“自我改进型AI交易代理”实验框架。其核心思路是将驱动交易智能体的提示词视为可优化的“参数”，并利用真实市场反馈与滚动的夏普比率等表现指标，持续地对这些提示词进行改写、保留或回滚操作，从而形成一种类似“提示词进化训练”的机制。项目采用分层多智能体架构，包含宏观、行业、超级投资者和决策层在内的超过25个智能体，通过每日辩论、风险对抗、信号综合与自动执行来生成交易决策。同时，它引入了达尔文式的权重更新机制、由知识缺口触发的智能体自动孵化、面向不同市场状态的特设队列训练，以及更高层的JANUS元决策机制来动态加权在不同市场环境下训练出的智能体群体。因此，ATLAS更像一个将大语言模型、多智能体协作、基于市场反馈的强化学习与自适应交易研究深度融合的前沿实验平台。

12. AI Financial Agent：交互式投资研究助手

AI Financial Agent（1.9K⭐）

Github: https://github.com/virattt/ai-financial-agent

AI Financial Agent 是一个面向投资研究场景的交互式AI金融助手项目。其核心定位是利用大语言模型结合专业的金融数据接口，构建一个可通过自然语言对话完成股票研究与信息查询的智能系统。从项目说明看，它强调以聊天式界面进行金融研究、个股分析与数据查询，并通过生成式UI动态展示股价走势、基本面指标等关键信息。项目默认接入专为AI金融代理设计的 Financial Datasets API，可获取覆盖美国市场超过30年的实时与历史数据，包括详细财务报表、股价、期权、内部人交易和机构持仓等。技术上，该项目采用 Next.js/TypeScript + pnpm 的前端应用架构，支持一键部署至Vercel，整体上更适合作为一个“面向投研问答与金融分析的AI助手原型”，可用于构建金融Copilot、个股研究工具或多智能体金融应用的前端界面。

13. OpenBB：一体化的开源金融数据基础设施

OpenBB（64.9K⭐）

Github: https://github.com/OpenBB-finance/OpenBB

OpenBB 是一个面向金融分析师、量化研究员和AI智能体的开源一体化数据平台。其核心定位并非单一的策略回测或交易框架，而是一个“一次连接，处处消费”的数据基础设施层。它能够将专有数据、授权数据与公共金融数据统一接入后，同时输出到Python量化环境、OpenBB Workspace、Excel、MCP服务器以及REST API等多个下游消费端。工程上，它提供 openbb Python包、命令行工具以及基于 FastAPI + Uvicorn 的本地API服务，既适合用于搭建企业内部的投研数据中台，也适合为金融Copilot、研究看板和各类智能体系统提供稳定、统一的数据供给，堪称AI量化生态中的“底层数据总线”。

Logo

14. Qbot：全链路AI智能量化投研平台

Qbot（16.8K⭐）

Github: https://github.com/UFund-Me/Qbot

Qbot 是一个高关注度的开源 AI智能量化投研平台。项目定位是覆盖“数据获取、策略开发、回测评估、模拟交易、实盘接入”全流程的本地化量化研究与交易系统。从其架构设计看，它强调模块化分层，将数据层、策略层和交易引擎清晰解耦，支持股票、基金、期货和加密货币等多类资产，并整合了 backtrader, easyquant, vn.py, pytrader, pyfunds, qlib 以及多种深度学习、强化学习等AI建模框架。平台同时提供GUI前端、丰富的可视化分析工具以及接近实盘环境的延迟与滑点仿真。因此，Qbot更适合被理解为一个面向个人投资者和量化开发者的“全链路AI量化实验工作台”，尤其适用于进行本地化部署的策略研究、因子挖掘和自动化交易验证。

15. daily_stock_analysis：LLM驱动的自动化股票分析推送系统

daily_stock_analysis（27.4K⭐）

Github: https://github.com/ZhuLinsen/daily_stock_analysis

daily_stock_analysis 是一个高星标的 LLM驱动股票智能分析系统，面向A股、港股和美股市场。该系统将实时行情、技术指标、筹码分布、舆情情报和基本面信息整合到统一的分析管道中，由大语言模型生成包含核心结论、买卖建议与操作清单的“决策仪表盘”，并支持通过企业微信、飞书、Telegram、Discord、Slack和电子邮件等多渠道进行自动推送。项目不仅提供多轮“智能体问答”、内置多种策略对话模板、历史分析回测验证和大盘复盘能力，还支持通过GitHub Actions实现定时自动化运行，达成“零服务器”的轻量化运维部署，非常适合作为一个结合 多源数据、LLM决策、自动推送与轻量自动化 的个人化AI投研助手。

16. RD-Agent：面向研发自动化的通用智能体框架

RD-Agent（12.2K⭐）

Github: https://github.com/microsoft/RD-Agent

RD-Agent 是微软开源的一个面向“研究与开发自动化”的通用AI智能体框架。其核心目标是让大语言模型不仅能回答问题，更能围绕数据、模型与实验流程自主完成高价值的研发任务。项目既覆盖Kaggle竞赛、数据科学、机器学习工程等通用场景，也专门推出了 R&D-Agent-Quant 分支，将这一框架的能力拓展至量化交易研究领域。其特点在于将复杂的研发过程拆解为可迭代、可追溯的多阶段工作流，并提供详尽的文档、Web用户界面、基于LiteLLM的多模型后端支持以及可视化的任务执行追踪能力，适合作为一个“让AI自动进行金融研究、策略实验与工程迭代”的研发智能体基础平台。