分享用过/在用的量化交易工具（GitHub 项目清单）

wangjia

我是自己写策略、自己跑回测、自己接实盘的量化玩家。中间换过框架，推翻过架构，数据源也迁移过几次。钱没少花，服务器也烧过不少。策略起起伏伏的，有阶段性顺风，也有连续回撤。 分享一些工具，都是我自己用过，或者现在还在用的 GitHub 项目，优缺点都会说。一、数据获取很多人一上来就研究策略，其实数据层才是地基。我早期就踩过坑：数据源不稳定，回测和实盘对不上。1️⃣ AkShareGitHub：

https://github.com/akfamily/akshare优点：数据覆盖广社区活跃上手简单

缺点：有些接口偶尔抽风部分数据要自己做校验

我主要用来做：行业轮动宏观指标辅助A 股基础行情补充

不完美，但够用。2️⃣ TuShareGitHub：

https://github.com/waditu/tushare优点：财务数据体系完整Pro 数据质量还可以

缺点：免费额度有限部分字段更新延迟

做多因子基本绕不开。3️⃣ yfinanceGitHub：

https://github.com/ranaroussi/yfinance优点：简单直接美股、ETF 足够用

缺点：精度有限偶尔接口变动

低频策略完全够用。4️⃣ AllTickGitHub：

https://github.com/alltick/alltick-realtime-forex-crypto-stock-tick-finance-websocket-api优点：股票、期货、外汇、加密都支持实时 + 历史统一接口多语言 SDK

缺点：商业接口，要算成本不适合纯练手阶段

如果是做多资产统一架构，这种标准化行情源会省很多事。二、回测框架1️⃣ BacktraderGitHub：

https://github.com/mementum/backtrader优点：事件驱动多资产支持文档齐全

缺点：速度一般代码风格偏老

现在看可能有点老了，但不影响使用。

中低频策略、CTA 都没问题。2️⃣ VectorBTGitHub：

https://github.com/polakowo/vectorbt优点：向量化批量参数扫描极快

缺点：不适合复杂撮合逻辑更偏研究用途

策略其实很简单，均线、动量、突破这些古老又朴素的方法，用它跑参数很舒服。3️⃣ vn.pyGitHub：

https://github.com/vnpy/vnpy优点：国内实盘稳定CTP 成熟

缺点：学习曲线不低工程结构偏重

长期是能稳定跑的，但短期一定会被接口细节折腾。4️⃣ QuantConnect LeanGitHub：

https://github.com/QuantConnect/Lean优点：工程级架构多资产支持完整

缺点：偏重个人部署成本高

适合团队或者长期做机构化方向。三、因子研究与绩效分析AlphalensGitHub：

https://github.com/quantopian/alphalens功能：IC 分析分层收益因子衰减

第一次用会觉得复杂，但做多因子很有帮助。EmpyricalGitHub：

https://github.com/quantopian/empyrical功能：Sharpe最大回撤SortinoCalmar

我直接把它封成绩效模块。四、组合优化PyPortfolioOptGitHub：

https://github.com/robertmartin8/PyPortfolioOpt支持：均值方差Black-Litterman风险平价

长期可以优化风险结构。

短期市场风格一切换，参数假设可能直接失效。我也经历过刚调好权重就集体回撤。工具本身不会帮你赚钱，它只是把你的逻辑放大。 这些开源项目也并非完美，有些结构不够优雅，有些要自己补坑。但当成一套工程工具箱，挺不错的。如果只是想试试量化，这套足够从 0 跑到实盘。

如果打算长期做，打磨数据层和执行层，比频繁换框架重要得多。