你写的第一个策略，今天就能跑出带盈亏曲线的回测报告

你是不是也试过买那些“稳赚不赔”的量化课程？动辄三四千，教你怎么调参、画回测曲线，结果一实盘就亏。

或者花几百块订阅某平台的“智能策略信号”，结果发现推送的买卖点，比你自己盯K线还滞后两小时。

有些工具号称“全自动”，可后台偷偷接第三方API，数据全传到别人服务器——你连用的是什么指标都搞不清。

它不卖课、不收年费、不推信号。它直接给你17套可运行的策略代码，从MACD到VIX计算器，从伦敦突破到配对交易，全在GitHub上公开。

每套策略都带完整注释，函数入口统一叫main()，参数封装在config.py里。改个symbol、换条时间周期、调下ATR倍数，就能立刻跑起来。

比如你想试试布林带反转策略，不用自己写均线逻辑——项目里bollinger_bands_pattern_recognition.py已经内置了20日SMA+2σ上下轨计算，还自动识别“下轨反弹+RSI超卖”组合条件。

我们50.75%的时间是对的……但100%正确50.75%的时间，就能赚到几十亿。

它替代的不是某一款软件，而是整条付费链路：不用再为「策略思路」付智商税，不用为「回测平台」交月费，也不用为「信号推送」买会员。

比如某知名量化平台的策略回测功能，个人版每月380元；它的同类服务，起步价就要600元/月。而这里，价格直接砍到零。

它替你省掉了什么

它不提供实时行情推送，也不代你下单。但它把策略验证这件事，拆解成可复现、可替换、可审计的最小单元。

所有数据加载都走本地路径或公开API，比如Yahoo Finance接口调用的是yfinance库，Histdata数据需先下载CSV再放进/data/histdata目录，路径和格式在每个README.md里写得明明白白。

没有黑盒模型，没有加密so文件。连期权波动率计算，都是用Black-Scholes公式手写的Python实现，参数名全是strike_price、time_to_maturity、risk_free_rate。

主要能干这几件事

• 用VIX计算器实时估算市场恐慌情绪，配合期权策略做对冲，不需要订阅Bloomberg终端，数据源来自Yahoo Finance和Histdata，免费可用。脚本会自动抓取SPX指数期权隐含波动率，再反推VIX近似值，输出到vix_output.csv。
• 自动识别“射击之星”“锤子线”等反转形态，结合RSI和布林带确认信号，生成买卖建议，不是只画个图，而是直接输出带时间戳的交易清单。shooting_star.py会扫描OHLC数据，当上影线长度＞实体2倍且收盘接近最低价时标记信号，并写入trades_log.csv。
• 跑伦敦突破策略：每天凌晨4点自动抓取前日高点低点，开盘后一旦价格突破就触发模拟下单，整个流程封装在一个Python脚本里，main函数可直接嵌入你的交易系统。它用的是MT4导出的标准CSV格式，时间列必须叫datetime，价格列必须是open/high/low/close。
• 做商品期货的“双通道突破”（Dual Thrust），参数自动优化，历史回测支持CME和LME数据，不用手动调上下轨系数，也不用到处找主力合约代码。dual_thrust.py默认读取/data/cme/gold.csv，自动识别主力连续合约切换点，避免跳空失真。
• 基于Reddit WallStreetBets热度做“群体智慧”分析，把帖子情绪值转成择时信号，这是它独有的数据源接入方式，别的开源项目基本没这么干。wallstreetbets.py会爬取当日TOP 50帖子标题和评论，用TextBlob算极性得分，再加权平均生成daily_sentiment_index。
• 用蒙特卡洛模拟预测持仓组合的潜在亏损概率，支持自定义波动率和相关性矩阵，不是只给个“最大回撤”，而是生成1000次路径分布图，直观看到风险在哪。monte_carlo_project.py要求输入资产权重、年化波动率、协方差矩阵，输出VaR@95%和尾部损失分布直方图。

上手只要三步

1. 去GitHub页面下载整个仓库：github.com/je-suis-tm/quant-trading，点击绿色Code按钮，选Download ZIP，解压到你电脑任意文件夹。
2. 确保你已安装Docker（Windows/Mac用户推荐Docker Desktop，Linux用户用sudo apt install docker.io），然后进解压后的文件夹，在终端运行：docker-compose up -d，它会自动拉镜像、装依赖、启动服务。
3. 打开浏览器访问 http://localhost:8000，就能看到策略列表页；每个策略都有README说明数据准备方式，比如MACD需要先放好CSV格式的OHLC数据，路径写在config.py里就行。config.py里有sample_data_path = “../data/sample_ohlcv.csv” 这样的示例，照着改就行。

项目信息