QuantDinger （开源AI量化交易）

开源 AI 原生量化交易平台
AI 策略生成 · 专业回测 · 多交易所实盘 · 自动化交易
从交易想法到策略执行，让量化交易更简单
部署

[QuantDinger （开源AI量化交易） @Dingerquant]

我们团队花了半年，从零打造了一个 AI 本地量化交易平台 ～
QuantDinger 是一个由专业团队开发的 AI 驱动、本地优先量化交易平台，已完全开源。
它支持加密货币、股票、外汇全市场，一站式覆盖 AI 研究 → Python 策略开发 → 高性能回测 → 实盘执行 → 运维监控全流程。

核心亮点是：多代理 AI 研究系统 + 本地 RAG + 统一执行���，让策略从自然语言想法快速落地成可执行代码，且所有数据和 API 密钥 100% 留在本地，隐私安全第一。
目前已稳定运行数月，我们决定把核心技术实现、架构决策和踩过的坑全部公开分享。

一、整体架构：为什么选择 Docker Compose + Flask + Vue + 多适配器？ 我们从一开始就定下了「本地自托管、全栈一体化」的目标，避免用户在云 SaaS 和碎片化脚本之间反复切换。核心架构为：前端：Vue3 + Nginx（预构建静态部署，多语言支持中英日韩越泰俄德法阿） 后端：Flask API 网关，统一调度 AI、策略、回测、执行等模块 数据层：PostgreSQL（持久化）+ Redis（任务队列与缓存） 执行层与数据采集层完全解耦，通过适配器支持 CCXT（crypto）、IBKR（股票）、MT5（外汇）等，任意市场挂掉也不影响整体运行。

二、AI 工程化：多 LLM + 记忆 + Ensemble 容错设计AI 在QuantDinger 中不是辅助工具，而是贯穿整个工作流的核心。我们开发了 MultiAIClient 调度器，可动态路由 OpenRouter、OpenAI、Gemini、DeepSeek、本地 Ollama 等多家模型，并根据每个模型能力（strategy_generation、backtest_feedback 等）智能选择。同时加入：超时自动降级 + 重试机制 输出结构化解析 + 正则清洗 本地 RAG（市场新闻 + 历史策略记忆）多 Agent Ensemble 互相校�� 这套系统能让用户用自然语言描述策略，AI 快速生成可直接运行的 Python 代码，大幅提升研究效率。

三、策略开发：IndicatorStrategy + ScriptStrategy 双模式我们支持纯 Python 原生策略，避免被 DSL 限制：1. IndicatorStrategy（向量化信号模式） —— 适合快速验证想法 python # 示例：双均线交叉策略 sma_short = df["close"].rolling(20).mean() sma_long = df["close"].rolling(50).mean() df["buy"] = (sma_short > sma_long) & (sma_short.shift(1) <= sma_long.shift(1)) df["sell"] = (sma_short < sma_long) & (sma_short.shift(1) >= sma_long.shift(1)) 2. ScriptStrategy（事件驱动模式） —— 支持 on_init、on_bar、状态机，适合复杂逻辑和精细下单控制。所有策略都支持版本快照，保证回测与实盘 100% 一致。

四、回测与执行：高性能引擎 + 统一 OrderIntent 层回测引擎采用向量化 + 多进程设计，支持参数优化和 Walk-Forward。���盘执行层是我们最满意的部分：抽象出统一的 ExecutionAdapter 策略只输出「订单意图」（OrderIntent） 执行层统一做风控、仓位管理、再路由到具体交易所/券商 目前已支持 10+ 家主流 crypto 交易所 + IBKR + MT5，后续新增适配器非常方便。

五、数据一致性与多用户支持使用 PostgreSQL 复合唯一索引 + ON CONFLICT 处理重复交易记录，保证幂等性。同时支持 OAuth 多用户、角色权限、USDT 计费系统，既能个人本地部署，也支持团队/商业化自托管。

六、部署体验：真正的一键自托管我们把所有服务打包进 Docker Compose，用户只需：bash docker compose up -d --build 即可完成部署，包含健康检查、Worker 管理、环境变量配置等。完全本地运行，零 telemetry，数据永不离机。最后从最���的 idea 到现在 v3.0.1，我们团队一直坚持「本地优先、开发者体验至上、完全开源」的理念。希望 QuantDinger 能成为更多量化爱好者和团队的强大生产力工具。

欢迎大家来体验、提 Issue、一起共建！GitHub 开源地址（Star 支持一下）：https://t.co/KUYWMZ6Mlr

演示站：https://t.co/cZojDKl7BV
#AI #量化交易 #开源 #Crypto #QuantTrading

[QuantDinger （开源AI量化交易） @Dingerquant]

🚀 Meet QuantDinger — AI-Native Quant Trading Infrastructure
让每一个交易想法，都有机会��成可验证、可执行的量化策略。
QuantDinger 是一个开源 AI 原生量化研究与自动化交易平台，致力于打通从策略构想到实盘执行的完整流程。

[QuantDinger （开源AI量化交易） @Dingerquant]

@CaiGecu 需要自己桥接

[QuantDinger （开源AI量化交易） @Dingerquant]

QuantDinger v5.6.1 现已上线 🚀
✨ 品牌形象与界面全面优化
⚡ “快速交易”Quick Trade功能提供更丰富的持仓数据
🌙 深色模式体验更加统一
🌍 支持多语言的 AI 技能
🛡️ 增强了针对滥用注册行为的防护
💳 会员体验全新升级
构建更智能，交易更清晰。
#QuantDinger #算法交易 #金融科技

[QuantDinger （开源AI量化交易） @Dingerquant]

@sera00111 不错啊

[QuantDinger （开源AI量化交易） @Dingerquant]

QuantDinger 发布了重大升级

[QuantDinger @QuantDinger_EN]

Big upgrade shipped for QuantDinger today 🚀
✅ TA-Lib 0.8.1 with new indicators across Factor Library, AI Research, and multilingual UI
✅ Unified factor engine with skewness, kurtosis, and multi-dimensional risk analysis
✅ Point-in-time computation to eliminate look-ahead bias
✅ Stronger multi-exchange position reconciliation to prevent “ghost positions”
✅ Cleaner architecture, dependencies, and PR backlog
3,430 backend tests + 389 frontend tests passed, along with CodeQL and security scans.
QuantDinger is evolving from a quant toolkit into a complete AI-powered system for research, validation, and execution.
#QuantDinger #AITrading #QuantTrading #FinTech #OpenSource

[QuantDinger （开源AI量化交易） @Dingerquant]

不会编程，也能做量化

[QuantDinger （开源AI量化交易） @Dingerquant]

@noahvisualsx 1ZZQXX

[QuantDinger （开源AI量化交易） @Dingerquant]

@SwordXyj 再加一个吧：1ZZQXX

[QuantDinger （开源AI量化交易） @Dingerquant]

@xiayitiaoAI 邀请码：1ZZQXX

[QuantDinger （开源AI量化交易） @Dingerquant]

@KalinJunYAI 邀请码：1ZZQXX

[QuantDinger （开源AI量化交易） @Dingerquant]

5.46版本了
5.0已经更新43个版本了,已经部署的记得更新代码

[QuantDinger （开源AI量化交易） @Dingerquant]

@liukai1919 注册成功

[QuantDinger （开源AI量化交易） @Dingerquant]

@c16888 1ZZQXX

[QuantDinger （开源AI量化交易） @Dingerquant]

@mjjwiki 邀请码：1ZZQXX

[QuantDinger （开源AI量化交易） @Dingerquant]

https://t.co/BEIthVvmYZ
大家都注册了嘛
快来看看你的个人 AI 智能体 Muse 。在加入后的 48 小时内通过“设置”兑现我的邀请码，我们就能分别获得 10 亿个 Muse 词元

邀请码：1ZZQXX
https://t.co/O6vuP9IxYO

[QuantDinger （开源AI量化交易） @Dingerquant]

QuantDinger Mobile 现已上线
找到有效的策略,监控实时交易情况,利用人工智能研究市场动态,探索各种技术指标,甚至可以通过手机在多个交易所进行交易.
试试看：
https://t.co/9HXXBwC31g
来源：
https://t.co/2D6Ky9NfpN
#AITrading #AlgoTrading #FinTech

[QuantDinger （开源AI量化交易） @Dingerquant]

感谢大家的喜欢和支持

[QuantDinger @QuantDinger_EN]

Everyone is asking:

“Can Jev trade?”

We asked a different question:

“Can Jev stop you from making a bad trade?”

There are two ways AI is entering trading:

① AI as the Trader
Feed it market data, technical rules and context.
AI decides BUY / SELL / HOLD and sends the trade.

② AI as the Gatekeeper**
Your quantitative strategy still generates the signal.
But before the order reaches the market, AI gets one final decision:

ALLOW or REJECT?

QuantDinger chose the second path.

Strategy → Signal → Jev Decision Gate → Execution

Why?

Because sometimes the best trade
is the one you never opened.

AI doesn't have to replace quantitative trading.

It can become the layer between *a signal and a mistake.*

We integrated Jev into QuantDinger as a pre-trade decision layer from the start.

Open source. Auditable. Built for real trading workflows.

**Don't let AI trade more.
Let AI help you trade less — but better.**

[QuantDinger （开源AI量化交易） @Dingerquant]

将 Jev 整合到量化金融领域:从依赖大语言模型的工作流程,到可控的概率决策机制

[QuantDinger （开源AI量化交易） @Dingerquant]

MACD的精髓
整理了一下这个资料，与大家共勉

从位移、速度到加速度，理解MACD：快慢均线之差观察动量，柱状图观察动量变化。像汽车减速仍在前进，缩柱不等于反转。用四张图，串起公式与直觉。