Vibe-Trading 港大这群人把量化交易做成了"说人话"就能用的东西
你有没有过这种念头——"我想做个量化策略"，然后一搜教程，发现要学 Python、要接数据接口、要写回测框架、还得懂什么蒙特卡洛检验？到这一步，九成的人已经关了浏览器。
港大 HKUDS 团队（香港大学数据科学实验室）在今年四月丢了个项目出来，叫 Vibe-Trading。上线三十天，GitHub 4000 多星。现在过了两个月，已经破万星了。我翻了下提交记录，核心开发者几乎日更，周末也不停。这迭代速度放在学术开源圈里相当罕见。
它的定位很简单：你说人话，它帮你把策略做了、回测跑了、报告出了、代码导了。全程不用写一行 Python。
一、这不是一个聊天机器人，是一条生产线
很多人一听"AI 交易助手"，脑子里蹦出来的是那种"预测明天涨跌"的玄学玩具。Vibe-Trading 不是这东西。
它的工作流长这样：
你打字说："我想做个低估值蓝筹的长线策略，拿沪深 300 里的成分股，PE 低于行业均值、ROE 连续三年大于 15%、股息率大于 3%，持有一年换仓。"
然后——Agent 拆解任务 → 拉数据 → 算指标 → 筛股票 → 生成信号 → 跑回测 → 出报告 → 问你"要不要导出到通达信试试"。
整个过程是真的在执行代码、真的在调用数据源、真的在算收益曲线。不是给你一段"看起来专业"的废话。
29 个智能体团队，不是换皮 prompt
多 Agent 架构现在被用烂了，很多项目就是一个模型换 29 套 system prompt 冒充"团队"。Vibe-Trading 的 Swarm 是正经编排过的：
- 数据采集 Agent 跑完，才把数据传给技术分析 Agent
- 策略生成 Agent 写完代码，回测 Agent 才启动
- 上游任务失败了，下游自动阻断（DAG 依赖）
- 实时监控仪表盘能看到每个 Agent 在干嘛
二、数据这件事，他们做得比想象中扎实
做量化的都知道，数据是命根子。没数据，策略就是纸上谈兵。Vibe-Trading 接了七路数据源：
| 数据源 | 覆盖 | 要不要钱 |
|---|---|---|
| Tushare | A股 | 可选 Token |
| mootdx | A股 | 免费，TCP 直连 |
| AKShare | A股/美股/港股/期货/外汇 | 免费 |
| yfinance | 港股/美股 | 免费 |
| OKX | 加密货币 | 免费 |
| CCXT | 100+ 交易所 | 免费 |
| Futu | 港股/A股 | 要开户 |
mootdx 走的是通达信 TCP 协议，不需要 Token，也没有 IP 限速。这对 A 股用户特别友好——以前想免费拿 A 股数据，要么写爬虫跟网站斗智斗勇，要么花钱买 Wind/同花顺 iFinD。现在一条命令搞定。
三、回测不是装样子，是正经引擎
很多"AI 量化"项目的回测就是画条收益曲线给你看看，安慰剂效应大于实际价值。Vibe-Trading 做了七个回测引擎：
- A 股（T+1、涨跌停、停牌，这些规则都处理了）
- 全球股票
- 加密货币
- 中国期货（含夜盘、合约换月）
- 全球期货
- 外汇
- 跨市场组合（A 股 + 加密货币混着跑，共享资金池）
四、Alpha Zoo：452 个因子，从论文里搬出来的
Vibe-Trading 内置了四个因子库，总共 452 个预置 alpha：
- qlib158：微软 Qlib 那套 Alpha158
- alpha101：Kakushadze 的论文《101 Formulaic Alphas》，从 arXiv 搬过来的
- gtja191：国泰君安 2014 年那篇短周期因子研报
- academic：Fama-French 五因子 + Carhart 动量
vibe-trading alpha bench --zoo gtja191 --universe csi300 --period 2018-2025
而且每个因子都过了 AST 纯函数校验和 lookahead 防护——说白了，就是防止你拿"未来的信息"去预测过去（这是新手最容易犯的错误）。
不过我得泼点冷水：因子多了，过拟合的风险也会涨。452 个因子全用上，说不定哪个就是单纯运气好。Walk-Forward 和严格 Alpha Bench 能缓解这个问题，但用户自己心里得有数。
五、Shadow Account：照照镜子，看看自己交易有多烂
这是我个人最喜欢的功能。
你把自己的券商交易记录导进去（同花顺、东财、富途都行）。AI 不看你的盈亏，它看你的规则——你其实有明确的买入卖出标准吗？你执行了自己的计划吗？
然后它把你的规则提取出来，在不同时间段、不同市场上跑回测。生成一份八章节的报告：
- 你错过了多少机会（该买的时候没买）
- 你过早离场的次数（少赚了多少）
- 你忽略的信号（事后看很明显的买点卖点）
- 反事实分析（如果你严格遵守规则，实际能赚多少）
交易者最常见的毛病不是"不懂策略"，是"懂但不执行"。Shadow Account 把这个问题量化了。
六、券商连接器：从回测到实盘的那座桥
做量化的都明白，回测再漂亮，不能接实盘就是自嗨。Vibe-Trading 现在接了八个券商：
- IBKR（盈透，老牌机构级）
- Robinhood（美股散户首选）
- 老虎证券
- 长桥
- Alpaca
- OKX
- 币安
- 富途
Robinhood 的集成最有代表性：OAuth 授权、Mandate 约束、订单前门禁、完整审计账本、抢占式平仓。不是"AI 想怎么买就怎么买"，是"AI 在划定的沙盒里操作"。
不过新加的 connector（老虎、长桥、富途）刚上线不久，建议先在模拟盘上跑够时间再上实盘。纸交易不丢人，真金白银亏了才疼。
七、不只是策略生成器，是一个可进化的系统
Vibe-Trading 有个容易被忽略的能力：跨会话记忆。
你跟它聊过的策略、验证过的假设、调整过的参数，它都记得。下次打开，不用重新介绍自己的偏好。更狠的是，它能自己创建并优化"技能"（Skill）——你教过它一次的东西，它会打包成可复用的模块。
还有 Research Goal 运行时。你可以给它设一个研究目标，比如"验证动量因子在 A 股的有效性"，它会持续追踪进度、积累证据、更新结论。不是单次问答，是长期任务管理。
这种"越用越懂你"的特性，在目前的量化工具里不多见。
八、工程细节暴露出的成熟度
判断一个开源项目是不是玩具，看几个细节就够了：
- 测试：969+ 条用例。很多商业量化软件都没这么多。
- 安全：Docker 默认非 root 用户、localhost-only 端口、API Auth Key、CORS 限制、文件上传沙箱。远程部署有完整的认证链。
- 健壮性：Session 消息写入后 flush + fsync（防止崩溃丢数据）、损坏 JSONL 的容错跳过、生成代码的 AST 预检（提前抓循环引用、缺参数、类型错误）。
- CLI 体验：交互式 TUI、Rich 实时面板、工具调用进度条、Ctrl+C 优雅退出（第一次取消当前步骤，第二次强制退出）。
九、竞品比一比
| 维度 | Vibe-Trading | Composer.trade | TradingAgents |
|---|---|---|---|
| 数据源 | 7 路 + 自动降级 | 自有基础设施 | yfinance 为主 |
| 回测 | 7 引擎 + 跨市场 | 子秒级，内置 AI 过拟合检测 | 自建 TradingDB |
| 导出 | TradingView/通达信/MT5 | 平台内执行，不外导 | 仅模拟 |
| MCP 工具 | 36 个 | 有官方 MCP | 无 |
| 记忆 | 跨会话 + FTS5 | 无 | 无 |
| 专业工具 | 因子 IC/IR、期权希腊值、组合优化 | 基础技术指标 | 指标 + 情绪 |
| 券商 | 8 个 | Alpaca | 模拟 |
十、不是没风险
我得把丑话说前头：
LLM 会幻觉。 它可能误解你的意图，可能写错指标公式，可能忽略 A 股的 T+1 限制。虽然有 AST 预检，但不可能 100% 拦截。
免费数据有坑。 yfinance、AKShare 这些免费源，延迟、缺失、复权处理不一致都是潜在问题。真做实盘，迟早要考虑付费数据。
过拟合是量化的癌症。 452 个因子横评看起来很爽，但选出来的"最优"组合可能只是历史巧合。Walk-Forward 能帮上忙，但没法根治。
实盘不是回测。 滑点、冲击成本、市场情绪、流动性危机——这些在回测里要么模拟不准，要么根本没考虑。
项目方自己也写了免责声明：实验性/风险自负。这是负责任的姿态。
十一、这项目为什么能火
我觉得三个原因：
第一，它解决了一个真痛点。 散户想做量化，卡在"不会编程"和"没数据"这两步。Vibe-Trading 把门槛砍到了"会说话就行"。
第二，它不是 Demo，是工具。 有回测、有风控、有券商对接、有报告导出。你能在上面跑完一个完整的策略生命周期，而不是跟 AI 聊几句就散了。
第三，学术界做出了工程思维。 从 paper 到 product 的鸿沟很大，很多学术开源项目停留在"复现论文结果"阶段。HKUDS 团队展示了另一种可能：把研究成果做成普通人能装、能用、能改的东西。
十二、谁该试试，谁再等等
适合的人：
- 有交易想法但不会编程的散户
- 想系统化复盘自己交易行为的投资者
- 需要快速验证因子的策略研究员
- 教量化金融的老师（学生不用先学三个月 Python）
- 高频交易者（延迟和粒度不够）
- 已有成熟量化系统的大团队（迁移成本高）
- 完全不能接受亏损的人（任何策略都有可能亏钱）
结语
Vibe-Trading 最有价值的地方，不是它的算法有多新（Black-Scholes、Fama-French、Monte Carlo 都是现成的东西），而是它把"用量化工具"这件事的用户界面彻底改了。
以前是你学工具的语言，现在是工具学你的语言。
这不是说它能替代量化研究员。专业机构的复杂策略、高频交易、定制化风控，它现在还做不了。但对占市场绝大多数的"有想法没工具"的普通人来说，这东西把一扇以前根本推不开的门，开了一条缝。
能不能走进去，走多远，还得看人。但至少，门槛是真的降了。
GitHub：https://github.com/HKUDS/Vibe-Trading 文档：https://vibetrading.wiki
*免责声明：本文仅为技术分享，不构成任何投资建议。量化交易有风险，投资需谨慎。*
#AI量化 #VibeTrading #开源项目 #HKUDS #智能体交易 #量化策略 #小凯