Vibe-Trading 评测：用 AI Agent 做量化交易研究，22000+ Star 的明星项目值不值得用

想了解更多 AI 工具？浏览 198007.xyz/tools 获取精选 AI 工具合集，或查看其他 AI 工具评测。

核心功能

1. AI 驱动的量化研究

Vibe-Trading 最核心的亮点是其 Research Autopilot（研究自动驾驶）功能。用户只需输入一个假设（例如”茅台过去三年是否适合均线交叉策略”），AI Agent 就会自动完成以下流程：

市场数据获取：通过内置的数据加载器（Data Loader）自动拉取 A 股、美股、港股、加密货币等多市场历史行情
策略生成：基于 LLM 自动生成信号引擎（Signal Engine）代码
回测执行：运行回测并计算夏普比率、最大回撤、胜率等关键指标
归因分析：对回测结果进行分层归因——交易级别盈亏分析、Beta 回归、市场状态分析和蒙特卡洛排列检验

整个过程完全自动化，用户无需编写任何代码。

2. 460+ 预置 Alpha 因子库（Alpha Zoo）

Vibe-Trading 内置了庞大的因子库，涵盖四大类：

Qlib158：微软 Qlib 项目的 158 个经典量价因子
Alpha101：基于 Kakushadze 论文重写的 101 个公式化 Alpha
GTJA191：国泰君安 2014 年短期因子报告的 191 个因子
Academic：Fama-French 五因子、Carhart 四因子等学术因子

用户可以通过一条命令对所有因子进行基准测试（bench），按 IC 均值、IR、IC 正比等指标排名，快速筛选出当前有效的因子。

3. 多市场回测引擎

Vibe-Trading 支持跨市场的复合回测，包括：

A 股：通过 Tushare、AKShare、mootdx、baostock 等多个数据源自动回退
美股：Yahoo Finance、Finnhub、Alpha Vantage 等
港股：富途（Futu）、Longbridge
加密货币：Binance、OKX 通过 CCXT 统一接入
期货/外汇/期权：多品种引擎，支持跨市场组合回测

最新还加入了印度市场（NSE/BSE）支持，涵盖 T+1 交割、熔断机制、SEBI 监管等本地化特性。

4. 多 Agent 协作（Swarm）

Vibe-Trading 支持多 Agent 协同工作模式，可以启动”投资委员会”、”量化交易台”、”风控委员会”等预设角色团队。每个 Agent 角色有独立的职责：

研究员：负责基本面和技术面分析
策略师：负责信号生成和参数优化
风控官：负责风险敞口管理和压力测试
执行员：负责订单路由和执行质量分析

多 Agent 之间通过流式进度卡片实时同步状态，最终汇总成结构化报告。

5. 券商连接器与实盘模拟

Vibe-Trading 已接入 10+ 券商/交易平台，包括 Interactive Brokers（盈透证券）、Robinhood、老虎证券、Longbridge、Alpaca、OKX、币安、富途等。所有连接器统一通过”连接器档案”（Connector Profile）管理，支持：

只读账户信息查询
模拟盘下单（Paper Trading）
实盘下单（需用户承诺 Mandate + 安全闸门 + 审计日志）

最新还增加了 PreTradeAdvisoryInterface（盘前建议接口），可在不绕过安全闸门的情况下记录投资建议审核流程。

适用人群

量化投资初学者：无需编程基础，通过自然语言即可完成策略研究和回测
个人投资者：希望用 AI 辅助决策，验证自己的交易想法
专业量化研究员：利用 460+ Alpha 因子库和高效回测框架加速研究迭代
金融科技开发者：基于其 MCP 工具和 API 构建定制化交易应用

与同类工具对比

维度	Vibe-Trading	QuantConnect	Backtrader	聚宽/米筐
交互方式	自然语言 + Web UI + CLI	Python 代码	Python 代码	Python 代码
学习曲线	低（对话即可）	中高	中	中
多市场支持	A 股/美股/港股/加密货币/印度	多市场	有限	A 股为主
因子库	460+ 预置	需自建	需自建	有限
多 Agent 协作	支持	不支持	不支持	不支持
开源协议	MIT	AGPL	BSD	商业
部署方式	本地 / Docker	云端	本地	云端

Vibe-Trading 的最大差异化优势在于 AI Agent 原生设计——它不是”给量化框架套个聊天界面”，而是从底层用 LLM 驱动整个研究流程。同时，460+ 预置因子和多市场支持使其在量化研究效率上远超传统回测框架。

如何使用

安装

pip install vibe-trading-ai

或使用 Docker：

git clone https://github.com/HKUDS/Vibe-Trading.git
cd Vibe-Trading
docker compose up

初始化配置

vibe-trading init

配置你的 LLM 提供商（支持 OpenAI、DeepSeek、Kimi、Gemini、Qwen 等 12+ 提供商），以及数据源凭证（如 Tushare Token、AKShare 等）。

启动 Web UI

vibe-trading dev

然后在浏览器中打开 http://localhost:5173，即可看到交互式聊天界面。

开始研究

在聊天框中输入你的交易想法，例如：

“帮我研究一下宁德时代在过去两年的动量策略表现”

AI Agent 会自动： 1. 搜索相关市场数据和新闻 2. 生成信号引擎代码 3. 执行回测 4. 输出带图表的详细分析报告

使用 Alpha 因子库

# 列出所有可用因子
vibe-trading alpha list

# 对特定因子进行基准测试
vibe-trading alpha bench --zoo gtja191 --universe csi300 --period 2020-2025

# 对比多个因子
vibe-trading alpha compare alpha_001 alpha_042 --sort ir

使用 Shadow Account 功能

如果你有券商的交易记录（如同花顺/东财/富途的导出文件），可以上传并让 AI 提取你的交易规则，然后： 1. 在 Shadow Account 中回放历史交易 2. 分析规则违反、提前退出、错失信号等情况 3. 生成 8 节结构的 HTML/PDF 报告

总结

Vibe-Trading 是目前开源领域最成熟的 AI 量化交易研究平台之一。它的最大亮点是将 LLM 的深度推理能力与量化研究的各个环节紧密结合——从假设提出、因子挖掘、策略生成到回测归因，形成了一条完整的自动化研究流水线。

优点： - 自然语言驱动，极大降低了量化研究的门槛 - 460+ 预置 Alpha 因子，覆盖多市场 - 多 Agent 协作模式，模拟真实投研团队 - 活跃的开源社区（一周多次更新），安全性持续加固 - MIT 协议，可自由商用

不足： - 需要一定的 LLM API 成本（每次研究都会消耗 token） - 实盘交易功能仍在实验阶段，需谨慎使用 - 对中文用户的本地化支持仍在完善中

推荐指数：★★★★☆（4.5/5）

如果你对个人量化投资感兴趣，或者想探索 AI 在金融领域的落地应用，Vibe-Trading 绝对值得尝试。它不仅是工具，更是通往 AI 驱动投研未来的窗口。

项目地址：https://github.com/HKUDS/Vibe-Trading
官方网站：https://vibetrading.wiki/
PyPI 包：https://pypi.org/project/vibe-trading-ai/