QuantDinger （开源AI量化交易）

构建你的本地开源 AI 量化交易系统
策略生成 → 回测验证 → 实盘执行 → 全流程自动
开源免费・本地部署・安全可控
本地部署:

[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 互相校验 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。实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。最后从最初的 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]

@JunLi1027911 界面里可以自由的更换语言

[QuantDinger （开源AI量化交易） @Dingerquant]

一个开源项目，可能干掉80%的“量化工具”

量化交易这个赛道现在有多割裂，做过的人都懂——
看图一个工具，写策略一个工具，回测一个平台，实盘又换一套系统。

一套流程下来，少说要折腾好几个平台，
还不算部署、接口、风控这些坑。

我们现在在做的 QuantDinger 开源项目，
想把这整条链路，压成一个系统直接跑通。

它干的事情拆开看：

1️⃣ 研究 → 分析 → 出结论（AI直接参��）

你不只是看K线，
而是可以让 AI 帮你做策略分析、数据解读、甚至给优化建议。

不是简单指标，而是“帮你思考”。

2️⃣ Python直接写策略（比 PineScript 更自由）

不用再被 TradingView 限制，
策略直接用 Python 写，逻辑更复杂也能跑。

从“玩指标”，变成真正做系统。

3️⃣ 回测 → 实盘，一套打通

行业现状：

看图 → TradingView
写策略 → Python
回测 → 另一个平台
实盘 → 交易所

👉 全是割裂的

而 QuantDinger：

👉 一个系统，从研究到交易全部跑通

4️⃣ 本地运行（这是很多人忽略但最关键的一点）

策略、资金、逻辑，全在本地

不用担心：

数据泄露

API被托管

云端被限制

这一点，对做大资金的人其实是刚需。

5️⃣ 多交易所 + 自动化执行

支持多个主流交易所，
策略可以直接跑实盘

👉 不只是分析工具，是执行工具

现在 GitHub 已经 1k+ star，热度在慢慢起来。

说实话，量化工具市面上太多了，
大部分的问题不在功能，而在“断层”。

👉 能分析，但不能交易
👉 能回测，但不能落地
👉 能写策略，但执行很麻烦

QuantDinger 试图解决的，是这个“断层问题”。

但它能不能真的成为主流，关键不在功能有多全，
而在一件事：

👉 用户能不能真正用它稳定赚钱

不过方向是对的。

量化的本质，从来不是工具有多复杂，
而是谁能更快把“想法 → 策略 → 执行”跑通。

这个开源项目细节还在打磨，非常欢迎各位试用并提出宝贵的建议。我们将不断优化，更新迭代！
个人量化交易者的时代，
可能也才刚刚开始。

[QuantDinger （开源AI量化交易） @Dingerquant]

@0xMulight 我们的美股分析，由多个专业 Agent 组成的“投资研究委员会”，分别从不同维度对市场、资产和策略进行分析，再汇总成一个可执行的综合判断，我觉得大家在研究时候可以参考看看呢，项目是免费的，开源了呢，希望大家star支持一下 https://t.co/CLiwMmg6L2

[QuantDinger （开源AI量化交易） @Dingerquant]

@Jason23818126 我们开源的 QuantDinger 的 AI 分析层，本质是由多个专业 Agent 组成的“投资研究委员会”，分别从不同维度对市场、资产和策略进行分析，再汇总成一个可执行的综合判断。

[QuantDinger （开源AI量化交易） @Dingerquant]

@waveking1314 我觉得我们开源的项目也很nice

[QuantDinger （开源AI量化交易） @Dingerquant]

@Fluyeporlaweb The warehouse is so good it shouldn't be free; you should definitely check out our quantitative finance project.

[QuantDinger （开源AI量化交易） @Dingerquant]

想象一下三年后：交易不再是盯着屏幕或对每一个价格波动做出反应。而是设定目标、明确界限，然后让人工智能来处理执行、风险和优化。你将成为策略师、投资组合管理者和价值创造者——而机器则负责操作细节。积累的是知识，而不仅仅是资金。
#QuantDinger

[QuantDinger （开源AI量化交易） @Dingerquant]

QuantDinger 正在构建下一代量化交易的开源人工智能基础设施层。
我们通过人工智能代理、回测、风险控制和实时执行，将交易理念转化为可执行的策略，从而帮助个人、团队和金融科技公司更快、更经济地推出他们自己的人工智能驱动的量化系统。

[QuantDinger （开源AI量化交易） @Dingerquant]

@wakuangren 进网站里有的

[QuantDinger （开源AI量化交易） @Dingerquant]

由衷感谢所有已经帮忙转发、支持 QuantDinger 的朋��！

你们的每一次分享，对这个小小的开源项目都意义重大。

QuantDinger 是我们站在真实交易者角度打造的自托管 AI 量化交易平台，覆盖研究、策略编写、回测到实盘全流程，完全开源、无阉割功能、无付费订阅。

每一条建议、每一个 bug 反馈、每一点思路，都能让它变得更强。一个项目好不好，只有社区能让它变得更好。

我们真心希望更多人能真正用起来、跑起来、体验后给出真实建议和想法。

如果您是量化领域的博主或内容创作者，希望能得到您的助力，让更多需要的人看到它。
🔗 https://t.co/KUYWMZ6evT
好工具，一起做，一起用。

[HiSeven｜🕊️ @hisevenih]

量化交易的门槛，
正被一个开源项目彻底击穿。

GitHub 上最近出现了一个叫 QuantDinger 的项目，
短短几天就收获了 6000 多个 Star。

它不只是一套普通的交易工具，
而是一个具备自我进化能力的 AI 交易员。

无论是国内外股票、期货，
还是加密货币、外汇，
它的交易雷达都能 24 小时扫描全球机会，
并把信号实时推送到你的手机上。

支��实盘数据。
真正厉害的，不只是自动执行，
而是它能像一位真正的交易员那样自主工作：

自动生成策略代码，
自动完成回测，
甚至根据历史收益、风险等数据，
借助大模型持续优化参数，
让策略更加稳健。

更令人惊讶的是，
它支持 Docker 一键私有化本地部署，
即便不懂代码也能轻松上手，
确实非常友好。

[QuantDinger （开源AI量化交易） @Dingerquant]

@hisevenih 感谢博主推荐

[QuantDinger （开源AI量化交易） @Dingerquant]

@sunyunran 来了

[QuantDinger （开源AI量化交易） @Dingerquant]

@xtony1314 赞赞赞,不忘来时路

[QuantDinger （开源AI量化交易） @Dingerquant]

@1YES_yes1 可以试试quantdinger这个开源项目，GitHub连续五周上榜增长最快star榜单,——闭环的量化工具，包含AI分析，AI写代码，回测，调参，实盘等。欢迎测评，提出宝贵建议，如果觉得项目不错，star支持一下哦😝

[Jealousy 尼卡 @eastweb3eth]

开源 AI 量化操作系统

上次全真开会听 @damobianyuan 老师讲量化，后面又陆续看了很多他写的帖子，我就开始对量化感兴趣。苦于门槛高，一时导致无法下手。

万幸今天我在github发现了一个开源 AI 量化交易系统，这个工具可��图表研究、AI 市场分析、Python 指标与策略、回测与实盘执行。而且很安全---跑在你自己的机器上，用你自己的 API 密钥。

仓库：https://t.co/3ZVMCoQjZ9 6.4 Star

多说一句，加密货币是这个工具的核心功能之一，除此之外还有美股~~~

我是尼卡，平时会持续分享 AI、美股、Web3 相关有用又有趣的工具和项目，感兴趣的话欢迎关注，下次见～

[QuantDinger （开源AI量化交易） @Dingerquant]

@eastweb3eth @damobianyuan 感谢推荐

[QuantDinger （开源AI量化交易） @Dingerquant]

连续五周上榜GitHub金融增长最快的榜单，欢迎大家测评，提交PR，如果觉得项目不错，star支持一下！
https://t.co/CLiwMmg6L2

[QuantDinger （开源AI量化交易） @Dingerquant]

把交易决策拆成一支 LLM 投研团队， 串起分析师、正反方研究员、交易员、风控和组合经理，开源的这个AI多agent,多模型的量化系统真是太方便了！

[QuantDinger （开源AI量化交易） @Dingerquant]

@QingQ77 我们这个��源的项目在AI分析时候就借鉴了多agent,多模型的概念，在这个基础上我们还完善了AI写策略，回测，调参和实盘，欢迎博主测评！

[QuantDinger （开源AI量化交易） @Dingerquant]

@IndieDevHailey 博主可以测评下我们的项目吗？闭环的开源量化系统，连续五周上榜github金融增长最快的榜单了！

[wincy.eth @gusik4ever]

the fastest growing GitHub repos in finance this week:

1. TauricResearch / TradingAgents (+3,500 ⭐)

A multi-agent LLM framework for financial trading: multiple AI agents (analyst, risk manager, trader) collaboratively make investment decisions based on news and market data.

2. brokermr810 / QuantDinger (+989 ⭐)

An AI-powered quantitative trading platform for crypto, stocks, and forex: backtesting, live trading, multi-agent market research, with support for Binance, Alpaca, and MT5.

3. himself65 / finance-skills (+510 ⭐)

A collection of AI skills for financial analysis and trading: ready-to-use tools for agents (Claude Code, MCP) as technical analysis, stock valuation, financial report parsing.

4. OpenBB-finance / OpenBB (+200 ⭐)

An open-source financial analysis platform with AI agent support: data on stocks, crypto, derivatives, and macro indicators; Python SDK + terminal; a Bloomberg alternative for developers.

5. ericosiu / ai-marketing-skills (+107 ⭐)

Open-source AI skills for marketing and finance automation: growth experiments, sales pipeline, SEO, outbound, and financial ops. All powered by AI agents.

6. AI4Finance-Foundation / FinGPT (20,300 ⭐)

Open-source financial large language models: fine-tuned LLMs on financial data, sentiment analysis, robo-advisor, technical analysis; models published on HuggingFace.

7. microsoft / qlib (43,400 ⭐)

Microsoft's AI-oriented quantitative investment platform: end-to-end pipeline from idea to strategy execution; machine learning for quant research, backtesting, and live trading.

8. AI4Finance-Foundation / FinRL (15,200 ⭐)

A reinforcement learning framework for finance: automated trading strategies, portfolio management, training agents on real market data.

9. KylinMountain / TradingAgents-AShare (+80 ⭐)

A multi-agent investment research system for the Chinese A-Share stock market: 15 AI agents simulating an investment bank workflow — debates, visualization, integration with Claude Code.

10. Lumiwealth / lumibot (1,592 ⭐)

Backtestable AI trading agents: support for stocks, options, crypto, futures, and forex; integrations with Interactive Brokers and Alpaca; LLM agents for SEC filing analysis and macro data.

bookmark this and start today.