Vibe-Trading Skill：一条命令让你的 AI Agent 具备完整量化交易研究能力

Skill超级捕获手 技术创作者 2026-08-18 10 阅读

一条命令，把 AI Agent 变成具备完整交易研究能力的智能体——Vibe-Trading 正在成为量化交易圈最受关注的开源 Skill。

香港大学数据科学实验室（HKUDS）出品的 Vibe-Trading，定位是”个人交易 Agent 框架”。用户不需要手动调用一堆券商 API、不需要自己搭回测引擎，只需要给 Agent 一句指令，它就能完成从市场研究、策略开发、模拟盘验证到实盘下单的全流程。pip install 装完，配上 Alpaca 模拟账户，一行命令就能跑起来。上线以来持续保持高强度迭代，仅 8 月就推进了 1000+ commits，是近期 GitHub 量化/AI 交叉领域最活跃的项目之一。

核心设计围绕 Shadow Account（影子账户）展开。用户先在模拟盘里验证策略效果，确认有效再切换到真实账户。系统内置完整回测引擎，支持股票、加密货币、外汇、A 股等多市场数据，提供了 25+ 个数据源（Yahoo Finance、Alpha Vantage、Polygon、Coinbase、MetaTrader 5 等），覆盖币圈、港股、美股、A 股主流品种。

支持 MCP（Model Context Protocol），可与 Claude Code、Codex 等主流 AI 编程客户端直接集成——这意味着开发者可以用自然语言指挥 Agent 研究市场、写策略代码、做回测、看报告，构建完全自主的量化工作流。系统内置 OpenAI、Anthropic、Google DeepMind、DeepSeek、Ollama、Azure、Groq 等十余家模型提供商，用户按需切换。

支持的券商包括 Alpaca（数字标的主流）、Interactive Brokers（美股/港股/全球）、eToro（跟单交易）。前端提供可选的 React 19 Dashboard，可视化展示持仓、回测报告、收益曲线等。另有命令行界面，适合深度用户做自动化编排。

文档提供英文、中文、日语、韩语、阿拉伯语、西班牙语六种语言。

功能与原则

核心能力：
– Shadow Account 模拟盘：虚拟账户验证策略，零成本试错，有完整的订单记录和审计日志
– 回测引擎：基于历史数据的策略验证，支持多种风险指标（夏普比、最大回撤、Calmar 比率等）
– 多市场数据：股票、加密货币、外汇、A 股，25+ 数据源覆盖
– 多券商接入：Alpaca、IBKR、eToro，可随时切换模拟盘/实盘
– MCP 集成：接入 Claude Code / Codex 等 AI 编程工具，用自然语言驱动整个研究流程
– 可选 Dashboard：React 19 前端，收益曲线、月度收益热力图、希腊值展示

设计原则：
– 安全第一：实盘操作有严格的 Shadow Account 隔离层，任何策略先模拟再上实盘
– 模型无关：支持十余家 LLM 提供商，用户自由切换，不绑定某一模型生态
– 可复现研究：每次运行生成独立报告，hash-chained 审计日志保证数据不可篡改
– Windows 优先支持：相比大多数量化项目，Vibe-Trading 对 Windows 平台做了专项加固

认可度

  • GitHub Star：截至 2026-08-18 约 10,600+ 星，fork 约 2,078 个
  • Trending 表现：多次登上 GitHub Trending 量化/AI 类榜单
  • 社区活跃度：维护极为频繁，2026 年 8 月单月 PR/issue 活跃度极高，commit 量持续破千
  • GitHub 最新 commit：2026-08-17 刚修复了测试套件安全隔离问题（防止模拟盘数据污染真实审计日志）和 XIRR 长期视野除零问题
  • PyPI 分发：已发布至 vibe-trading-ai，pip install 即可使用
  • 社群覆盖：Discord、飞书、微信群，文档六语种

链接

GitHub 仓库：https://github.com/HKUDS/Vibe-Trading

官方文档：https://vibetrading.wiki/docs/

原作者

HKUDS（Hong Kong University Data Science Lab）——香港大学数据科学实验室，是近期 GitHub 上最活跃的 AI + 垂直应用研究团队之一，旗下还拥有 OpenSpace（空间智能）、AutoAgent、Nanobot、DeepTutor 等多个热门开源项目，在 AI Agent 研究方向上有很高的社区认可度。

介绍

Vibe-Trading 的核心出发点，是解决”量化研究工作流”高度碎片化的问题。传统 Quant 开发者在研究阶段用 Jupyter Notebook、回测用 Backtrader/VectorBT、下单又要接券商 API，每个环节工具链各不相同，切换成本极高。Vibe-Trading 通过 MCP 协议把整个链条串起来，Agent 用自然语言描述策略思路，系统自动完成数据获取、因子构建、回测分析、报告生成的完整闭环。

系统架构分为三层：数据层（25+ 数据源，标准化市场数据接口）、推理层（集成多 LLM 提供商，支持 Claude/Anthropic/DeepSeek 等主流模型）、执行层（Alpaca/IBKR/eToro 券商接口，支持模拟盘和实盘切换）。各层之间通过 Pydantic 模型严格校验数据类型，避免”数据单位不一致导致信号漂移”这类经典坑。

Shadow Account 机制是产品设计的亮点。系统维护一份 append-only、hash-chained 的审计日志（audit.jsonl），每一笔订单记录都有密码学保证的不可篡改性。测试套件在 2026-08-17 的更新中特别修复了”Windows 下 Path.home() 指向真实用户目录导致测试污染真实审计日志”的严重 bug，体现了项目对数据完整性的重视。

特点

  • 一条命令安装：pip install vibe-trading-ai，无需编译，PyPI 直接分发
  • Shadow Account 先行：先模拟盘验证，再决定是否上实盘，全链路安全隔离
  • 25+ 数据源：Yahoo Finance、Alpha Vantage、Polygon、Coinbase、MetaTrader 5、A 股（ BaoStock/同花顺）等
  • 多券商支持：Alpaca（数字资产）、IBKR（全球股票）、eToro（跟单），一个框架覆盖
  • MCP 原生集成：Claude Code、Codex 等直接调用，不需要额外 Wrapper
  • 可选 React Dashboard：收益分析、因子研究、期权希腊值（Options Lab）可视化
  • 多语言文档：EN / ZH / JA / KO / AR / ES
  • 活跃维护：2026 年 8 月持续高频迭代，多名社区贡献者参与
  • 完整审计体系：hash-chained 日志，防篡改，可供合规审查

使用方法

安装：

pip install vibe-trading-ai

配置环境变量（以 Alpaca 模拟盘为例）：

export ALPACA_API_KEY=your_key
export ALPACA_SECRET_KEY=your_secret
export ALPACA_PAPER=TRUE

基本调用（通过 MCP 接入 Claude Code）：

# 在 Claude Code 中通过 MCP 调用 Vibe-Trading
# 告诉 Agent："帮我研究一下 NVDA 最近一个月的走势，写一个均值回归策略并回测"

Python API 调用：

from vibe_trading import Agent

agent = Agent(model="claude-sonnet-4", provider="anthropic")
result = agent.run("研究一下 TSLA 和 AMZN 的配对交易策略，周期用 60 天，回测 2024 年")
print(result.backtest_report)

使用场景与人群

适用场景：
– 量化策略研究（因子挖掘、均值回归、套利、配对交易）
– AI Agent 驱动的自动化交易工作流搭建
– 个人投资者的模拟盘验证与实盘过渡
– 量化交易课程与教学演示
– 对冲基金/自营交易团队的快速原型验证

目标用户：
– 有编程能力的个人量化交易者
– 对 AI + 金融交叉方向感兴趣的开发者
– 构建交易 Agent 的 AI 应用开发者
– 需要快速验证交易思路的券商/自营交易员

输入与输出案例

案例 1：配对交易策略研究

输入：

“帮我研究 NVDA 和 AMD 的配对交易策略，使用 60 天滚动窗口计算价差 Z-Score，2025 年全年回测，基准设为买入持有 SPY。”

输出：
– 市场数据自动拉取 NVDA/AMD 历史价格序列
– 计算 60 天协整关系与 Z-Score 序列
– 生成回测报告：年化收益、夏普比、最大回撤、vs SPY 超额收益
– 在 Dashboard 中展示配对价差图与持仓时序图

案例 2：通过 MCP 用自然语言做 A 股量化分析

输入：

“分析一下 2026 年 Q2 沪深 300 指数成分股里，PE 低于行业均值且近三月机构调研次数排名前 20 的股票，给我一个候选池。”

输出：
– 自动从 BAOSTOCK/同花顺数据源拉取沪深 300 成分股财务数据
– 合并机构调研频次数据（腾讯财经接口）
– 筛选并排序，输出候选股票列表（含代码、现价、PE、行业均值差）
– 结果可导出 CSV 或直接用 Shadow Account 建模拟仓验证

GitHub：https://github.com/HKUDS/Vibe-Trading

GitHub: https://github.com/HKUDS/Vibe-Trading

评论区

0 条评论

登录后可评论。

Skill超级捕获手 10 阅读