DELIVERABLE AI QUANT TOOL CURRICULUM

27个工具,
一套可交付课程

不是把27个软件逐一演示,而是教会学员完成选型、安装、首个任务、证据留存、风险判断与组合应用。每个工具都有学习目标、课堂产出、课后作业和验收标准。

Delivery Standard

统一交付,不再是工具资料堆积

每一个工具都按同一套教学协议展开,教练可以讲、学员可以做、结果可以验收。

01 定位解决什么问题,不解决什么
02 安装环境、账号、数据与安全
03 首跑完成一个最小可用任务
04 证据保留参数、日志、结果与来源
05 验收按标准复盘并决定是否采用
TEACHER

教练交付包

讲义结构、演示脚本、常见故障、提问清单、风险提醒与课堂复盘问题。

LEARNER

学员任务包

安装清单、首跑任务、工具比较表、作业模板、截图与日志留证要求。

ASSESSMENT

验收评价包

可复现性、数据可信度、风险边界、表达清晰度与迁移能力五维评分。

Three Learning Tracks

同一套工具,三条学习路线

投资者路线

重点建立AI投研、回测解释与风险复盘能力,不要求掌握全部工程细节。

  • 必修:OpenBB、Alphalens、Backtrader、DojoAgents
  • 实盘认知:PTrade、QMT、QuantDinger
  • 结业:个人工具栈与策略证据包

开发者路线

完整学习27个工具的接口、框架、部署与组合方式,能独立构建研究原型。

  • 必修:数据层、回测层、交易层与Agent层
  • 重点:CCXT、vn.py、Qlib、QuantDinger MCP
  • 结业:可运行的研究—回测—模拟闭环

教练路线

学习如何诊断学员需求、选择最小工具组合、组织作业和控制金融教育边界。

  • 必修:27张工具诊断卡
  • 重点:DojoAgents研究实训与QuantDinger全链路实训
  • 结业:一节90分钟工具课试讲
Eight Modules · Twenty-Seven Tools

27个工具的课程目标、作业与验收

“产出”是课堂结束时必须留下的文件或结果;“验收”是教练判断是否真正掌握的最低标准。

MODULE 01 · 3 TOOLS

数据与研究底座

学习数据源、字段口径、时间戳与可追溯性,先解决“数据从哪里来、是否可信”。

01
Pandadata × PandaAI中文市场数据与技能生态

建立A股/期货/期权数据字典,理解API与Agent技能的分层。

产出:一份字段字典与三接口取数记录;验收:来源、频率、复权口径齐全。

详细分析
02
OpenBB全球投资研究平台

完成多数据源查询、提供商切换与研究笔记编排。

产出:一个标的的多源研究页;验收:每个结论都有数据源和时间戳。

详细分析
03
米筐 RiceQuantRQData / RQAlpha

理解高质量数据、事件回测与机构化研究流程。

产出:基准策略回测;验收:基准、成本、滑点和样本区间明确。

详细分析
MODULE 02 · 5 TOOLS

研究平台与AI研报

比较在线研究平台、可视化AI平台与多Agent研报,训练“结论必须可复核”。

04
聚宽 JoinQuant在线研究与回测

掌握研究环境、策略API、基准和回测参数。

产出:一个均线基线策略;验收:代码、参数与回测报告可复现。

详细分析
05
同花顺 SuperMind问财与量化研究

把自然语言条件改写为可验证的选股与回测规则。

产出:一条问财条件及反例;验收:条件无歧义并说明未来函数风险。

详细分析
06
FinRobot金融多Agent研报

拆解数据、概念和投资论点三层推理链。

产出:一份证据化研报;验收:事实、推断和观点分栏标注。

详细分析
07
Daily Stock AnalysisA股每日复盘中台

设计收盘后数据汇总、并行分析与风险提示工作流。

产出:一份标准化日评;验收:指数、宽度、行业、资金和风险五段齐全。

查看总览
08
BigQuant可视化AI量化平台

理解因子、特征工程、模型训练和样本外验证。

产出:一个可视化选股流程;验收:训练集与测试集严格分离。

详细分析
MODULE 03 · 6 TOOLS

回测工程与因子验证

同一策略用不同框架验证,理解事件驱动、向量化、因子分析与平台迁移的差异。

09
Backtrader事件驱动回测框架

掌握数据、策略、经纪、订单与分析器对象。

产出:策略类与交易日志;验收:无偷看未来、成本参数可配置。

详细分析
10
Vectorbt向量化参数研究

完成大规模参数扫描并识别过拟合区域。

产出:参数热力图;验收:不以单一最优点作为最终参数。

详细分析
11
SimTradeLabPTrade策略本地验证

理解PTrade脚本迁移、本地模拟和性能差异。

产出:一份迁移兼容清单;验收:API差异和替代方案逐项记录。

详细分析
12
EasyXTxtquant封装

学习行情、账户、策略与订单接口的安全封装。

产出:行情读取与模拟下单脚本;验收:禁止硬编码账户与凭据。

详细分析
13
ZiplinePipeline研究框架

理解资产管线、日历、因子和事件回测。

产出:一个Pipeline筛选器;验收:交易日历与资产生命周期正确。

详细分析
14
Alphalens因子绩效分析

掌握IC、分层收益、换手率与因子衰减。

产出:一份因子tear sheet;验收:解释统计显著性与交易可行性。

详细分析
MODULE 04 · 5 TOOLS

交易框架与主动式Agent

从传统事件引擎到多Agent投研,重点学习模块边界、状态管理、风控和人工审批。

15
vn.pyPython量化交易框架

理解事件引擎、网关、应用与CTA策略模块。

产出:一个仿真CTA策略;验收:行情、订单、成交和持仓状态闭环。

详细分析
16
WonderTrader高性能交易框架

理解C++核心、WtPy接口和组合级策略运行。

产出:运行配置与策略日志;验收:数据、执行与策略进程边界清楚。

详细分析
17
HikyuuA股组件化系统

用信号、止损、资金管理与组合组件构建系统。

产出:一个组件化交易系统;验收:每个组件职责单一且可替换。

详细分析
18
TradingAgents-CN多角色投资研究

观察分析师、研究员、交易员和风控角色如何协作。

产出:一份角色辩论记录;验收:风险结论能追溯到证据和反方意见。

详细分析
19
DojoAgents主动式全市场AI副驾

掌握Agent Loop、Dashboard、Gateway、会话证据、MCP与技能沉淀。

产出:完整投研链与会话导出包;验收:每一步调用目的、结果和纠错过程可审计。

核心实训
MODULE 05 · 2 TOOLS

加密市场工具链

只做dry-run与接口工程训练,重点理解交易所差异、限频、断线与密钥安全。

20
Freqtrade加密交易机器人

学习策略、回测、Hyperopt与dry-run工作流。

产出:一份dry-run记录;验收:未启用真实下单并包含止损与仓位限制。

详细分析
21
CCXT统一交易所API

封装行情、账户与订单接口,处理限频和异常。

产出:统一行情适配器;验收:重试、限频、时钟和精度处理完整。

详细分析
MODULE 06 · 2 TOOLS

AI模型与强化学习

把模型放回可复现的实验流程,避免把高指标误当成可交易策略。

22
QlibAI量化研究平台

掌握数据集、模型、记录器与工作流实验。

产出:一个可重跑实验;验收:数据版本、模型参数和指标全量记录。

详细分析
23
FinRL金融强化学习

理解环境、状态、动作、奖励和训练评估。

产出:一份奖励函数审计;验收:同时评价收益、回撤、换手和稳定性。

详细分析
MODULE 07 · 3 TOOLS

券商与实盘终端

课程只进行模拟或受控环境操作,学习平台差异、权限、状态同步和风控边界。

24
恒生 PTrade券商托管量化终端

理解云端策略、API规范、调度与券商权限。

产出:模拟策略与运行清单;验收:不存在账户凭据外泄和越权调用。

详细分析
25
QMT / MiniQMT本地券商量化终端

掌握xtquant行情、账户、订单与本地运行边界。

产出:行情订阅与模拟订单日志;验收:断线恢复和订单状态处理明确。

详细分析
26
掘金 MyQuant策略研究与仿真平台

完成策略编写、回测、仿真和报告阅读。

产出:一个仿真策略;验收:回测与仿真差异有解释记录。

详细分析
MODULE 08 · 1 TOOL

全栈AI量化操作系统

把前七个模块放进同一个本地、自托管、可审计的研究—策略—回测—模拟—监控闭环。

27
QuantDinger自托管AI原生量化操作系统

完成Docker部署、Python Strategy API V2、回测、paper trading、Agent Gateway与MCP接入。

产出:全链路运行证据包;验收:健康检查、策略代码、回测报告、模拟日志和风险配置齐全。

核心实训
Core Delivery Labs

两门核心实训,把27个工具串成闭环

LAB A · RESEARCH AGENT

DojoAgents主动式投研实训

本机核验:dojoagents 0.2.3 · dojosdk 0.1.21

  • 完成模型配置和Dashboard启动
  • 让Agent主动完成一条跨市场研究链
  • 检查工具调用、纠错、会话与证据
  • 导出会话并设计一个可复用SKILL
进入DojoAgents课程 →
LAB B · FULL-STACK OS

QuantDinger全链路实训

本机核验:11个Compose服务 · Web/API/Mobile镜像已安装

  • 完成本地服务健康检查与安全基线
  • 开发一个Python策略并运行回测
  • 在paper模式完成受控模拟执行
  • 用MCP连接Cursor、Claude Code或Codex
进入QuantDinger课程 →
能力口径校正:当前QuantDinger官方主仓库确认的传统券商工作流为IBKR和Alpaca,加密市场为Binance、OKX、Bitget、Bybit、Gate、HTX及可扩展适配器。官方当前源码未确认MT5/FT5为原生适配,因此课程将其列为二次开发研究项,不宣传为开箱即用能力。
Assessment

不是“看过”,而是“能复现、能解释、能守边界”

25%

可复现

环境、版本、参数、数据区间和运行步骤完整。

25%

可信证据

数据来源、日志、图表与AI推断边界清楚。

25%

风险纪律

无真实凭据泄露,默认模拟,包含仓位与停止条件。

25%

迁移能力

能解释为什么选它,以及何时应换用其他工具。

结业必须提交的三件作品

  • 《个人AI量化工具选型图》:从27个工具中选出自己的最小可用组合,并写出淘汰理由。
  • 《策略证据包》:策略代码、数据口径、回测参数、结果、失败案例和风险边界。
  • 《研究—回测—模拟闭环演示》:使用DojoAgents或QuantDinger完成一次20分钟现场答辩。
风险与教学边界:课程用于软件工具研究、量化教育、回测和模拟训练,不构成个性化投资建议,不承诺收益,不代客交易,不接触学员证券账户密码。任何真实交易连接必须由具备权限的成年人在适用法律、交易场所和券商规则下独立决定,并先完成模拟验证与风险审批。