Olivia
Online
Re
@Recjk9m
Joined July 2026
61 Following
19 Followers
639 Posts
卧槽！TradingView 的行情和选股器，居然有人直接搬进 Python 了！
美股涨跌榜、RSI、MACD、财报数据，连市场新闻都能批量获取。
项目叫 tradingview-scraper，436 Stars，MIT 协议。
它把 TradingView 的金融数据封装成 Python 接口，覆盖股票、Crypto、外汇等市场，方便自动化选股和量化研究。
核心亮点：
1️⃣ 行情与技术指标：获取 K 线、成交量、RSI 等数据，支持多周期分析。
2️⃣ 智能选股：按市值、成交量、技术指标等条件批量筛选股票。
3️⃣ 市场涨跌榜：追踪涨跌幅、成交活跃榜及美股盘前盘后异动。
4️⃣ 股票基本面：查询营收、利润、PE、ROE 等财务数据。
5️⃣ 新闻与数据导出：获取市场新闻、交易观点，支持 CSV、JSON 格式。
我觉得最实用的是，它把 TradingView 的选股能力直接接进了 Python。
比如筛选成交量放大、RSI 符合条件的美股，再结合财务数据，研究自己的量化选股策略。
行情获取 → 条件选股 → 基本面分析 → 量化研究。
不用再反复打开网页、手动整理数据。
做股票量化、Python 选股或者金融数据分析的，这个项目值得收藏。
仓库：https://t.co/UlriLzk8Fa
这个免费的好用
好家伙！美国国会议员买卖了什么股票，居然能直接标在 K 线图上了！
有人用 Rust 做了一套彭博风格的免费金融终端，连 TradingView 式图表、期权链和券商账户都整合进来了。
这个开源项目叫 terminal-rs，GitHub 250 Stars、59 Forks。
它是一套 Rust 开发的桌面金融终端，支持股票、ETF、期权、外汇、Crypto、美债和期货，还能追踪美国国会议员公开披露的股票交易。
核心亮点：
1️⃣ GPU 高性能 K 线：支持百万根 K 线平滑缩放，内置 RSI、MACD、VWAP、布林带等指标。
2️⃣ 国会议员交易追踪：自动获取参众两院交易披露，在 K 线上标记买卖记录，还能设置提醒。
3️⃣ 多资产与期权分析：覆盖股票、外汇、Crypto、美债和期货，支持完整期权链及希腊值分析。
4️⃣ 自由分屏工作台：行情、新闻、期权、订单簿自由组合，支持多窗口联动和布局保存。
5️⃣ 券商账户管理：通过 SnapTrade 同步持仓和盈亏，内置 10 万美元模拟账户，实盘交易需主动开启。
6️⃣ 命令式看盘：输入 AAPL GO 查看行情，NVDA OMON 查询期权，不用反复点菜单。
我觉得最有意思的，是它把专业行情终端和美国国会议员交易披露放到了一起。
比如研究 NVDA，不仅能查看 K 线和技术指标，还能看到哪些国会议员披露过相关买卖，以及交易日期和披露延迟。
原本分散在多个网站的行情、期权和交易披露，现在可以集中到一个桌面终端里。
而且软件免费，官网已经提供 macOS 版本。
做股票量化、美股研究，或者想搭建自己金融终端的，这个项目值得关注。
https://t.co/iE6LvzLjL7
好家伙！美国国会议员买卖了什么股票，居然能直接标在 K 线图上了！
有人用 Rust 做了一套彭博风格的免费金融终端，连 TradingView 式图表、期权链和券商账户都整合进来了。
这个开源项目叫 terminal-rs，GitHub 250 Stars、59 Forks。
它是一套 Rust 开发的桌面金融终端，支持股票、ETF、期权、外汇、Crypto、美债和期货，还能追踪美国国会议员公开披露的股票交易。
核心亮点：
1️⃣ GPU 高性能 K 线：支持百万根 K 线平滑缩放，内置 RSI、MACD、VWAP、布林带等指标。
2️⃣ 国会议员交易追踪：自动获取参众两院交易披露，在 K 线上标记买卖记录，还能设置提醒。
3️⃣ 多资产与期权分析：覆盖股票、外汇、Crypto、美债和期货，支持完整期权链及希腊值分析。
4️⃣ 自由分屏工作台：行情、新闻、期权、订单簿自由组合，支持多窗口联动和布局保存。
5️⃣ 券商账户管理：通过 SnapTrade 同步持仓和盈亏，内置 10 万美元模拟账户，实盘交易需主动开启。
6️⃣ 命令式看盘：输入 AAPL GO 查看行情，NVDA OMON 查询期权，不用反复点菜单。
我觉得最有意思的，是它把专业行情终端和美国国会议员交易披露放到了一起。
比如研究 NVDA，不仅能查看 K 线和技术指标，还能看到哪些国会议员披露过相关买卖，以及交易日期和披露延迟。
原本分散在多个网站的行情、期权和交易披露，现在可以集中到一个桌面终端里。
而且软件免费，官网已经提供 macOS 版本。
做股票量化、美股研究，或者想搭建自己金融终端的，这个项目值得关注。
https://t.co/iE6LvzLjL7
我去这个不错以后自己搞
卧槽！TradingView 写 Pine Script 最容易踩的坑，居然有人整理成了一整套开源开发手册！
指标重绘、多周期信号、自动预警、代码调试，连现成的解决方案和源码示例都准备好了。
这个开源项目叫 PineCoders Web Site。
由 PineCoders 开发者社区整理，涵盖 Pine Script 教程、代码示例、编程技巧和量化策略开发资料。
核心亮点：
1️⃣ Pine Script 学习：从基础语法、K 线数据到指标和策略开发，提供系统教程。
2️⃣ FAQ & Code：整理指标计算、策略逻辑、数组和绘图等常见问题，附带源码示例。
3️⃣ 多周期与重绘：研究跨周期数据调用和信号变化，减少回测失真问题。
4️⃣ 交易警报开发：提供 alertcondition() 等示例，学习自动预警和信号触发。
5️⃣ 开发规范与资源：汇总编码规范、调试技巧和开源工具，减少重复踩坑。
我觉得这套资料最有价值的，是把 Pine Script 开发中那些容易出错的细节讲清楚了。
比如写一套 RSI + MACD 策略，历史回测表现不错，实盘运行时信号却反复变化。
就可以参考里面的重绘和多周期处理案例，研究问题到底出在哪里。
原本需要自己反复查文档、调试的代码问题，现在很多都有现成的参考资料。
经常使用 TradingView、研究技术指标，或者开发股票量化策略的，这套资料值得收藏。
https://t.co/MmLlWZ45N5
卧槽！TradingView 写 Pine Script 最容易踩的坑，居然有人整理成了一整套开源开发手册！
指标重绘、多周期信号、自动预警、代码调试，连现成的解决方案和源码示例都准备好了。
这个开源项目叫 PineCoders Web Site。
由 PineCoders 开发者社区整理，涵盖 Pine Script 教程、代码示例、编程技巧和量化策略开发资料。
核心亮点：
1️⃣ Pine Script 学习：从基础语法、K 线数据到指标和策略开发，提供系统教程。
2️⃣ FAQ & Code：整理指标计算、策略逻辑、数组和绘图等常见问题，附带源码示例。
3️⃣ 多周期与重绘：研究跨周期数据调用和信号变化，减少回测失真问题。
4️⃣ 交易警报开发：提供 alertcondition() 等示例，学习自动预警和信号触发。
5️⃣ 开发规范与资源：汇总编码规范、调试技巧和开源工具，减少重复踩坑。
我觉得这套资料最有价值的，是把 Pine Script 开发中那些容易出错的细节讲清楚了。
比如写一套 RSI + MACD 策略，历史回测表现不错，实盘运行时信号却反复变化。
就可以参考里面的重绘和多周期处理案例，研究问题到底出在哪里。
原本需要自己反复查文档、调试的代码问题，现在很多都有现成的参考资料。
经常使用 TradingView、研究技术指标，或者开发股票量化策略的，这套资料值得收藏。
https://t.co/MmLlWZ45N5
好东西
一年交易收益 11,376%，Larry Williams 还拿下 1987 年世界杯交易锦标赛冠军。
我强烈建议学习他讲的强弱比较法。
四步就看懂：同类对比 → 找出强者 → 等待触发 → 跟踪止损。
同一个行业，一只股票已经突破旧高，另一只却迟迟涨不动。这个差别，就是他寻找交易机会的线索。
我看了这场约 1 小时的访谈，把选股、入场、仓位和止损放到了真实图表上。
我整理成后面四张图，带大家看清：选谁、什么时候买、买多少，以及什么时候退出。
11,376% 是他当年的比赛成绩，不能归因于这一招。我们要学的是判断和执行的过程。
建议保存，边看图边学。想看原视频，留言即可。
@_zheergen 这个方法我一直在用，之前也分享过很多东西
一年交易收益 11,376%，Larry Williams 还拿下 1987 年世界杯交易锦标赛冠军。
我强烈建议学习他讲的强弱比较法。
四步就看懂：同类对比 → 找出强者 → 等待触发 → 跟踪止损。
同一个行业，一只股票已经突破旧高，另一只却迟迟涨不动。这个差别，就是他寻找交易机会的线索。
我看了这场约 1 小时的访谈，把选股、入场、仓位和止损放到了真实图表上。
我整理成后面四张图，带大家看清：选谁、什么时候买、买多少，以及什么时候退出。
11,376% 是他当年的比赛成绩，不能归因于这一招。我们要学的是判断和执行的过程。
建议保存，边看图边学。想看原视频，留言即可。
有意思啊无敌
好家伙！TradingView 上常用的技术指标，Python 几行代码就能批量计算！
150 多种技术分析算法，连 K 线形态都能自动识别，做股票量化不用再从零写公式。
这个开源项目叫 TA-Lib Python，12.3K Stars。
它是经典 TA-Lib 技术分析库的 Python 封装，底层使用 C 语言计算，通过 Cython 提供高性能接口，专门解决量化开发中的指标计算问题。
核心亮点：
1️⃣ 150+ 技术指标：RSI、MACD、ADX、ATR、布林带等，覆盖趋势、动量和波动率分析。
2️⃣ K 线形态识别：自动识别吞没、锤头线、十字星等经典形态，辅助生成量化信号。
3️⃣ Cython 高性能：底层调用 C 语言库，官方称相比旧版 SWIG 接口快 2–4 倍。
4️⃣ Python 数据集成：支持 NumPy、Pandas、Polars，方便批量处理股票行情。
5️⃣ Streaming API：快速获取最新指标值，适合实时行情监控和交易信号研究。
我觉得它最实用的地方，是把量化开发中最重复的指标计算工作直接解决了。
比如用 yfinance 获取几百只美股行情，TA-Lib 批量计算 RSI、MACD 和 ATR，再交给 vectorbt 回测策略。
行情获取 → 指标计算 → 量化选股 → 策略回测。
不用重复造轮子，可以把更多时间放在真正的策略研究上。
做 Python 股票量化、自动化选股或者策略研究的，这个 12K+ Stars 的老牌项目值得收藏。
https://t.co/bd7ljkSBGn
好家伙！TradingView 上常用的技术指标，Python 几行代码就能批量计算！
150 多种技术分析算法，连 K 线形态都能自动识别，做股票量化不用再从零写公式。
这个开源项目叫 TA-Lib Python，12.3K Stars。
它是经典 TA-Lib 技术分析库的 Python 封装，底层使用 C 语言计算，通过 Cython 提供高性能接口，专门解决量化开发中的指标计算问题。
核心亮点：
1️⃣ 150+ 技术指标：RSI、MACD、ADX、ATR、布林带等，覆盖趋势、动量和波动率分析。
2️⃣ K 线形态识别：自动识别吞没、锤头线、十字星等经典形态，辅助生成量化信号。
3️⃣ Cython 高性能：底层调用 C 语言库，官方称相比旧版 SWIG 接口快 2–4 倍。
4️⃣ Python 数据集成：支持 NumPy、Pandas、Polars，方便批量处理股票行情。
5️⃣ Streaming API：快速获取最新指标值，适合实时行情监控和交易信号研究。
我觉得它最实用的地方，是把量化开发中最重复的指标计算工作直接解决了。
比如用 yfinance 获取几百只美股行情，TA-Lib 批量计算 RSI、MACD 和 ATR，再交给 vectorbt 回测策略。
行情获取 → 指标计算 → 量化选股 → 策略回测。
不用重复造轮子，可以把更多时间放在真正的策略研究上。
做 Python 股票量化、自动化选股或者策略研究的，这个 12K+ Stars 的老牌项目值得收藏。
https://t.co/bd7ljkSBGn
这个方法真的牛逼
一年收益 +969.8%。香港大学生出身的 Martin Luk，拿下了 2025 年美国投资锦标赛股票组冠军。
他讲的回调买入法，整个操作流程可以用 4 个步骤讲清楚。
强烈建议对趋势交易感兴趣的朋友看一遍。
我看完了他 4 个多小时的访谈，把关键内容整理成了 5 张图，下面结合真实 K 线逐步拆解。
简单说，就是先找已经走强的股票，等它暂时回落到可能止跌的位置，再等重新上涨的信号。
买入前，先定好跌到哪里退出、买多少股。
想看完整视频，评论区留个回调，我把链接分享给你。
一年收益 +969.8%。香港大学生出身的 Martin Luk，拿下了 2025 年美国投资锦标赛股票组冠军。
他讲的回调买入法，整个操作流程可以用 4 个步骤讲清楚。
强烈建议对趋势交易感兴趣的朋友看一遍。
我看完了他 4 个多小时的访谈，把关键内容整理成了 5 张图，下面结合真实 K 线逐步拆解。
简单说，就是先找已经走强的股票，等它暂时回落到可能止跌的位置，再等重新上涨的信号。
买入前，先定好跌到哪里退出、买多少股。
想看完整视频，评论区留个回调，我把链接分享给你。
我去这个牛逼啊！
卧槽！TradingView 连支撑阻力都能自动画了，失效的关键价位还能自己清除！
价格反转、异常放量也能自动识别，3 套 Pine Script 指标源码直接公开，做股票量化的可以研究一下。
这个开源项目叫 Tradingview-Indicators。
它专门研究价格走势、关键买卖区域和成交量变化，把原本需要手动画线、观察的交易信号，变成可以自动计算的技术指标。
核心亮点：
1️⃣ 支撑阻力识别：自动标记股价容易反弹或遇阻回落的潜在区域。
2️⃣ 动态区域管理：价格突破关键区域后，自动清除失效标记。
3️⃣ 价格反转识别：自动寻找历史转折点，支持多周期显示和突破预警。
4️⃣ 异常成交量：对比历史均量，识别突然放量、缩量等异常信号。
5️⃣ 量能趋势分析：追踪连续放量和缩量，辅助判断突破有没有成交量配合。
我觉得最实用的，是它把关键价格位置和成交量结合起来了。
比如研究一只美股，先自动标出潜在支撑阻力，再观察价格是否突破，最后结合异常成交量研究信号强弱。
支撑阻力 → 价格突破 → 成交量验证。
原本靠肉眼判断的交易条件，现在可以直接拆解源码，再尝试改成自己的股票量化策略。
经常使用 TradingView、研究技术分析，或者想开发 Pine Script 量化策略的，这套源码值得收藏。
https://t.co/7uqxDGSK5U
卧槽！TradingView 连支撑阻力都能自动画了，失效的关键价位还能自己清除！
价格反转、异常放量也能自动识别，3 套 Pine Script 指标源码直接公开，做股票量化的可以研究一下。
这个开源项目叫 Tradingview-Indicators。
它专门研究价格走势、关键买卖区域和成交量变化，把原本需要手动画线、观察的交易信号，变成可以自动计算的技术指标。
核心亮点：
1️⃣ 支撑阻力识别：自动标记股价容易反弹或遇阻回落的潜在区域。
2️⃣ 动态区域管理：价格突破关键区域后，自动清除失效标记。
3️⃣ 价格反转识别：自动寻找历史转折点，支持多周期显示和突破预警。
4️⃣ 异常成交量：对比历史均量，识别突然放量、缩量等异常信号。
5️⃣ 量能趋势分析：追踪连续放量和缩量，辅助判断突破有没有成交量配合。
我觉得最实用的，是它把关键价格位置和成交量结合起来了。
比如研究一只美股，先自动标出潜在支撑阻力，再观察价格是否突破，最后结合异常成交量研究信号强弱。
支撑阻力 → 价格突破 → 成交量验证。
原本靠肉眼判断的交易条件，现在可以直接拆解源码，再尝试改成自己的股票量化策略。
经常使用 TradingView、研究技术分析，或者想开发 Pine Script 量化策略的，这套源码值得收藏。
https://t.co/7uqxDGSK5U
这个不错免费
终于有人把 Minervini 和 CANSLIM 筛选、行业轮动、市场广度做成一套开源工具了。
这个开源项目叫 stock-screener。
覆盖 12 个市场：美股、A 股、港股、日本、韩国、台湾、印度、德国、加拿大、新加坡、马来西亚、澳大利亚。
80 多个筛选条件，支持 Minervini、CANSLIM、IPO、成交量突破等策略，同时做 StockBee 风格的市场广度、行业分组排名、主题发现和 AI 研究聊天。
以前筛股要么用付费终端，要么自己写脚本拉数据、算相对强度、画 RRG。行业轮动和广度要另找来源，主题热度还得手动盯新闻。
它不一样：有免费的每日静态站点（GitHub Pages），不用装就能看每日扫描结果、广度、分组和 RRG。
同时提供 stockscreen-mcp，Claude、Cursor 等 Agent 可以直接问「今天哪些美股过了 Minervini 模板，又在前 20 行业组」。它是筛选和研究工具，不是交易终端。
核心能力：
1️⃣ 多策略扫描 + 综合评分，支持自定义筛选和导出 CSV
2️⃣ 市场健康与仓位暴露提示，StockBee 风格广度（涨跌家数、新高新低、T2108）
3️⃣ 行业分组相对强度排名 + RRG 图（Leading / Weakening / Lagging / Improving）
4️⃣ 主题发现：从 RSS、X/Twitter、新闻里识别热门和新兴主题
5️⃣ AI 研究聊天机器人，支持可选联网搜索
6️⃣ 免费每日静态站点 + MCP 服务，无需 API key
我比较喜欢它的一点是：它把筛选结果、行业轮动和广度放在同一套数据上，而不是只给一份股票列表。
做多市场成长股筛选、想看行业轮动和广度、又希望 Agent 能直接问筛选结果的，这个值得留着。
https://t.co/779DeKZoNM
终于有人把 Minervini 和 CANSLIM 筛选、行业轮动、市场广度做成一套开源工具了。
这个开源项目叫 stock-screener。
覆盖 12 个市场：美股、A 股、港股、日本、韩国、台湾、印度、德国、加拿大、新加坡、马来西亚、澳大利亚。
80 多个筛选条件，支持 Minervini、CANSLIM、IPO、成交量突破等策略，同时做 StockBee 风格的市场广度、行业分组排名、主题发现和 AI 研究聊天。
以前筛股要么用付费终端，要么自己写脚本拉数据、算相对强度、画 RRG。行业轮动和广度要另找来源，主题热度还得手动盯新闻。
它不一样：有免费的每日静态站点（GitHub Pages），不用装就能看每日扫描结果、广度、分组和 RRG。
同时提供 stockscreen-mcp，Claude、Cursor 等 Agent 可以直接问「今天哪些美股过了 Minervini 模板，又在前 20 行业组」。它是筛选和研究工具，不是交易终端。
核心能力：
1️⃣ 多策略扫描 + 综合评分，支持自定义筛选和导出 CSV
2️⃣ 市场健康与仓位暴露提示，StockBee 风格广度（涨跌家数、新高新低、T2108）
3️⃣ 行业分组相对强度排名 + RRG 图（Leading / Weakening / Lagging / Improving）
4️⃣ 主题发现：从 RSS、X/Twitter、新闻里识别热门和新兴主题
5️⃣ AI 研究聊天机器人，支持可选联网搜索
6️⃣ 免费每日静态站点 + MCP 服务，无需 API key
我比较喜欢它的一点是：它把筛选结果、行业轮动和广度放在同一套数据上，而不是只给一份股票列表。
做多市场成长股筛选、想看行业轮动和广度、又希望 Agent 能直接问筛选结果的，这个值得留着。
https://t.co/779DeKZoNM
这个不错👌
好家伙！有人居然把股票量化从技术指标到策略回测，直接整理成了一整套 Python 源码！
连参数优化、机器学习、投资组合模拟和风险分析都有，做量化的真可以好好研究一下。
这个开源项目叫 Algorithmic Trading with Python，GitHub 3.5K Stars、613 Forks。
它是 Chris Conlan 2020 年出版的同名量化交易书籍配套代码，基于 Python、Pandas 和 scikit-learn，把量化研究中的核心模块都拆成了可复用的代码。
核心亮点：
1️⃣ 技术指标计算：纯 Pandas 实现 MACD、布林带等指标，方便研究底层计算逻辑。
2️⃣ 交易信号生成：把技术指标转换成买入、卖出和观望信号，构建量化交易规则。
3️⃣ 参数网格优化：批量测试不同参数组合，对比策略表现，寻找值得进一步验证的配置。
4️⃣ 投资组合模拟：模拟持仓、现金和账户权益变化，研究交易策略的历史表现。
5️⃣ 风险绩效分析：计算 Sharpe、Sortino、最大回撤等指标，还能与标普 500 对比。
6️⃣ 机器学习验证：支持随机森林、重复 K 折交叉验证和多核并行计算。
我觉得这套代码最有价值的，是把股票量化研究的整个过程串起来了。
比如用 Pandas 计算 MACD，再生成买卖信号，通过网格搜索优化参数，最后模拟投资组合，分析收益和回撤。
技术指标 → 交易信号 → 参数优化 → 组合回测 → 风险分析。
而且核心模块都能直接阅读源码，不只是看结果，还能研究每一步到底怎么实现。
做 Python 股票量化、策略回测或者机器学习交易研究的，这套源码值得收藏。
https://t.co/xb60PKn34T
好家伙！有人居然把股票量化从技术指标到策略回测，直接整理成了一整套 Python 源码！
连参数优化、机器学习、投资组合模拟和风险分析都有，做量化的真可以好好研究一下。
这个开源项目叫 Algorithmic Trading with Python，GitHub 3.5K Stars、613 Forks。
它是 Chris Conlan 2020 年出版的同名量化交易书籍配套代码，基于 Python、Pandas 和 scikit-learn，把量化研究中的核心模块都拆成了可复用的代码。
核心亮点：
1️⃣ 技术指标计算：纯 Pandas 实现 MACD、布林带等指标，方便研究底层计算逻辑。
2️⃣ 交易信号生成：把技术指标转换成买入、卖出和观望信号，构建量化交易规则。
3️⃣ 参数网格优化：批量测试不同参数组合，对比策略表现，寻找值得进一步验证的配置。
4️⃣ 投资组合模拟：模拟持仓、现金和账户权益变化，研究交易策略的历史表现。
5️⃣ 风险绩效分析：计算 Sharpe、Sortino、最大回撤等指标，还能与标普 500 对比。
6️⃣ 机器学习验证：支持随机森林、重复 K 折交叉验证和多核并行计算。
我觉得这套代码最有价值的，是把股票量化研究的整个过程串起来了。
比如用 Pandas 计算 MACD，再生成买卖信号，通过网格搜索优化参数，最后模拟投资组合，分析收益和回撤。
技术指标 → 交易信号 → 参数优化 → 组合回测 → 风险分析。
而且核心模块都能直接阅读源码，不只是看结果，还能研究每一步到底怎么实现。
做 Python 股票量化、策略回测或者机器学习交易研究的，这套源码值得收藏。
https://t.co/xb60PKn34T
用过了确实好用
卧槽！A 股量化最折腾的数据源整合，居然有人直接做成了开源工具！
55 类金融数据集，行情、财报、资金流全覆盖，连 Codex、Claude Code 都能直接接入做 AI 量化研究！
这个开源项目叫 CNEquity。
它是一套专门面向 A 股的金融数据整合工具，支持沪深京市场的数据采集、自动更新、本地存储和统一查询，基础采集无需 API Token。
以前做 A 股量化，光是找数据源、处理复权、整理财报和维护数据库，就够折腾了。
现在这些基础工作，CNEquity 已经提供了现成的解决方案。
核心亮点：
1️⃣ 55 类金融数据集：覆盖股票行情、财报、资金流、行业板块及宏观数据。
2️⃣ 自动采集更新：支持多数据源、每日增量更新和断点续传。
3️⃣ 专业回测数据：支持复权、历史指数成分和 PIT 财报查询，辅助减少未来数据泄漏。
4️⃣ AI Agent + MCP：接入 Codex、Claude Code、Gemini，直接查询本地 A 股数据。
5️⃣ 本地数据管理：采用 Parquet 存储，支持 Python、DuckDB、Polars 查询分析。
6️⃣ 可视化管理：内置 Web 控制台，查看数据覆盖、更新任务和质量检查结果。
我觉得最有意思的，是它把 A 股数据和 AI Agent 真正连接起来了。
比如让 Codex 查询宁德时代的历史行情，再结合财报、资金流和行业数据，辅助研究量化选股策略。
数据采集 → 本地存储 → AI 分析 → 量化研究。
原本需要自己搭建的数据采集和管理系统，现在已经有现成的开源实现。
不过 55 类是已登记的数据集，不代表安装后全部可用，部分数据需要额外启用。它也不是自动交易系统。
做 A 股量化、Python 选股，或者想让 Codex 接入金融数据的，这个项目值得收藏。
https://t.co/L1v3gWQ3v4
卧槽！A 股量化最折腾的数据源整合，居然有人直接做成了开源工具！
55 类金融数据集，行情、财报、资金流全覆盖，连 Codex、Claude Code 都能直接接入做 AI 量化研究！
这个开源项目叫 CNEquity。
它是一套专门面向 A 股的金融数据整合工具，支持沪深京市场的数据采集、自动更新、本地存储和统一查询，基础采集无需 API Token。
以前做 A 股量化，光是找数据源、处理复权、整理财报和维护数据库，就够折腾了。
现在这些基础工作，CNEquity 已经提供了现成的解决方案。
核心亮点：
1️⃣ 55 类金融数据集：覆盖股票行情、财报、资金流、行业板块及宏观数据。
2️⃣ 自动采集更新：支持多数据源、每日增量更新和断点续传。
3️⃣ 专业回测数据：支持复权、历史指数成分和 PIT 财报查询，辅助减少未来数据泄漏。
4️⃣ AI Agent + MCP：接入 Codex、Claude Code、Gemini，直接查询本地 A 股数据。
5️⃣ 本地数据管理：采用 Parquet 存储，支持 Python、DuckDB、Polars 查询分析。
6️⃣ 可视化管理：内置 Web 控制台，查看数据覆盖、更新任务和质量检查结果。
我觉得最有意思的，是它把 A 股数据和 AI Agent 真正连接起来了。
比如让 Codex 查询宁德时代的历史行情，再结合财报、资金流和行业数据，辅助研究量化选股策略。
数据采集 → 本地存储 → AI 分析 → 量化研究。
原本需要自己搭建的数据采集和管理系统，现在已经有现成的开源实现。
不过 55 类是已登记的数据集，不代表安装后全部可用，部分数据需要额外启用。它也不是自动交易系统。
做 A 股量化、Python 选股，或者想让 Codex 接入金融数据的，这个项目值得收藏。
https://t.co/L1v3gWQ3v4
Last Seen Users on Sotwe
Afghan AM khan
Seen from Pakistan
pecintaibu2434
Seen from Malaysia
liyaaaa
Seen from Indonesia
caner-ezgi 
Seen from United States
Trai Thẳng nhẹ
Seen from Vietnam
Tata
Seen from Singapore
Thỏ Xinh 206
Seen from Vietnam
stwcrotcrot
Seen from Singapore
Bi boy cute
Seen from Vietnam
عباس خان وائف سانیہ
Seen from Singapore
Most Popular Users
Elon Musk
@elonmusk
241.5M followers
Barack Obama
@barackobama
118.8M followers
Cristiano Ronaldo
@cristiano
114.5M followers
Donald J. Trump
@realdonaldtrump
111.8M followers
Narendra Modi
@narendramodi
107.1M followers
Rihanna
@rihanna
98.7M followers
NASA
@nasa
92.3M followers
Justin Bieber
@justinbieber
91.8M followers
KATY PERRY
@katyperry
90M followers
Taylor Swift
@taylorswift13
84M followers
Lady Gaga
@ladygaga
75.5M followers
Virat Kohli
@imvkohli
73.5M followers
Kim Kardashian
@kimkardashian
70.9M followers
YouTube
@youtube
68.8M followers
Neymar Jr
@neymarjr
66.5M followers
Bill Gates
@billgates
65.3M followers
Selena Gomez
@selenagomez
63.1M followers
The Ellen Show
@theellenshow
62.2M followers
CNN
@cnn
61.7M followers
X
@x
60.7M followers