个人搭出一套比较完整股票量化工作流

发布日期：2026/8/31 7:20:40      浏览量：

一个人搭出一套比较完整的股票量化工作流：

数据获取 → 因子/模型研究 → 回测验证 → 模拟/实盘执行

我目前重点看的 5 个：

Qlib 48k star
github.com/microsoft/qlib

微软出的 AI 量化投研平台。因子研究、机器学习、Walk-forward 都比较完整，适合把一个交易想法真正做成预测模型。

vnpy 44.8k star
github.com/vnpy/vnpy

中文量化里绕不开的框架。股票、期货都能做，回测和实盘基本是一套逻辑，网关和文档也很成熟。

AKShare 22.3k star
github.com/akfamily/aksha…

A股 / 港股 / 美股的数据入口。行情、基本面、指数成分这些都能拉，很多国内量化项目的数据层就是从它开始。

QuantConnect Lean 21.4k star
github.com/QuantConnect/L…

偏机构级的多资产量化引擎。事件驱动、历史数据、回测和券商对接都比较完整，美股生态尤其成熟。

easytrader 10.1k star
github.com/shidenggui/eas…

偏 A 股实盘执行。可以接同花顺、miniQMT、雪球组合，把策略最终落到真实交易这一步。

这 5 个组合起来，大致就是：

AKShare 负责数据 → Qlib 负责研究和模型 → vnpy / Lean 负责回测与交易框架 → easytrader 负责 A 股执行。

它们当然替代不了专业量化团队，但对个人来说，已经足够把一套股票量化流程真正跑起来。