个人量化

AI+量化新纪元：开源交易 MCP 服务与量化库全盘点

引言：2026 年的量化工具箱，已经和五年前完全不同了

如果你 2020 年开始做量化，你的工具箱大概是这样的：Tushare 拉数据 + Backtrader 写回测 + 自己手搓交易接口。五年后的今天，工具箱已经天翻地覆——MCP（Model Context Protocol）让 AI 助手直接看行情、做分析甚至下单，而一批新的开源框架正在把机构级能力塞进个人玩家手里。

这篇文章系统盘点 2026 年最值得关注的两类开源项目：

  1. 交易/金融 MCP 服务：让 Claude、Cursor 等 AI 助手直接获取行情、分析数据、甚至执行交易
  2. 开源量化交易库：回测框架、交易机器人、量化平台、数据获取和技术分析库

每个项目都给出简介、链接和适用场景，帮你快速选型。

资源总览：一文速查所有项目

类别 项目名称 简介 链接
MCP - 数据 FinanceMCP 集成 Tushare，覆盖 10 大市场 + 5 大技术指标 GitHub
MCP - 数据 a-share-mcp 专注 A 股，Baostock 数据源，零成本 LobeHub
MCP - 数据 Stock Tool MCP 多源融合（Yahoo/Finnhub/AkShare/Tushare/Baostock/CCXT） GitHub
MCP - 数据 MCP Yahoo Finance 基于 yfinance，股票/历史价格/分析师建议 GitHub
MCP - 数据 Alpha Vantage MCP 官方 Alpha Vantage API 的 MCP 服务器 LobeHub
MCP - 数据 Tushare MCP Server 52 个工具，覆盖股票/期货/外汇/基金 LobeHub
MCP - 数据 Equibles 自托管迷你 Bloomberg，SEC 文件/内部人交易/做空数据 LobeHub
MCP - 数据 SEC EDGAR MCP 访问 SEC EDGAR 文件、公司财报 GitHub
MCP - 数据 CoinMarketCap MCP 加密货币市值排名、市场数据 LobeHub
MCP - 数据 CNEquity 中国市场金融数据湖，本地 Parquet 存储 LobeHub
MCP - 交易 quant-trader IBKR 量化交易，7 种内置策略，39 个工具 GitHub
MCP - 交易 TradingView MCP 30+ 工具，股票/加密/外汇/期货技术分析 GitHub
MCP - 交易 MetaTrader 5 MCP 对接 MT5，行情/下单/交易历史 GitHub
MCP - 交易 momentum-mcp 股票筛选、技术分析、K 线图、新闻聚合 GitHub
MCP - 交易 trading-skills 23 个工具，期权 Greeks、IBKR 组合管理 GitHub
回测框架 NautilusTrader Rust 核心 + Python API，tick 级回测，可直接上实盘 GitHub
回测框架 Backtrader 经典事件驱动，社区文档丰富（已不活跃） GitHub
回测框架 vectorbt 向量化回测，大规模参数搜索，Numba 加速 GitHub
回测框架 backtesting.py 轻量级单标的回测，API 极简 GitHub
回测框架 bt 组合回测框架，多层组合策略 GitHub
回测框架 PyBroker 事件驱动回测，支持机器学习集成 GitHub
回测框架 Lumibot 跨资产回测和实盘（股票/期权/加密/期货/外汇） GitHub
回测框架 zipline-reloaded Zipline 维护分支，持续更新 GitHub
交易机器人 Freqtrade 最流行的加密货币交易机器人，回测 + FreqAI GitHub
交易机器人 Hummingbot 开源做市商框架，318+ 连接器 GitHub
交易机器人 Jesse 精准回测，内置 AI/MCP 服务器 GitHub
交易机器人 LEAN (QuantConnect) C# 核心量化引擎，多资产回测和实盘 GitHub
交易机器人 passivbot Binance/Bybit/OKX 等自动交易机器人 GitHub
量化平台 Qlib（微软） AI 驱动量化投研，内置 20+ 模型 + RD-Agent GitHub
量化平台 OpenBB 统一接入 350+ 数据集，内置 MCP Server GitHub
量化平台 vnpy（VeighNa） 国产量化框架龙头，20+ 国内交易接口 GitHub
量化平台 rqalpha 米筐开源回测和交易框架 GitHub
量化平台 zvt 全市场多因子分析交易框架 GitHub
量化平台 TradingAgents 多 Agent LLM 金融交易框架 GitHub
量化平台 FinGPT 开源金融大语言模型，情感分析 GitHub
量化平台 Daily Stock Analysis LLM 驱动 A/H/美股智能分析 GitHub
量化平台 gs-quant（高盛） 高盛量化金融 Python 工具包 GitHub
数据获取 yfinance 最流行的 Yahoo Finance 数据下载库 GitHub
数据获取 AKShare 国内最全开源财经数据接口库 GitHub
数据获取 Tushare（Pro） 老牌 A 股数据接口库，Pro 版功能完整 GitHub
数据获取 ccxt 统一加密货币交易所 API 库，100+ 交易所 GitHub
数据获取 edgartools SEC EDGAR 结构化数据下载库 GitHub
数据获取 efinance 基金/股票/债券/期货数据获取库 GitHub
数据获取 tqsdk（天勤） 期货量化开发包，行情/实盘 GitHub
数据获取 openctp CTPAPI 兼容接口，7×24 模拟环境 GitHub
技术分析 TA-Lib 技术分析事实标准，150+ 指标 + K 线形态 GitHub
技术分析 pandas-ta Pandas 扩展，150+ 指标，纯 Python GitHub
技术分析 finta 轻量级 Pandas/NumPy 技术分析库 GitHub
资源汇总 awesome-quant 最全量化金融资源清单，628+ 项目 GitHub
资源汇总 awesome-systematic-trading 系统化交易资源清单，含中文版 GitHub

表中按类别分为 MCP 数据类、MCP 交易类、回测框架、交易机器人、量化平台、数据获取、技术分析、资源汇总 八大类，共 50 个项目。下文按类别逐一展开介绍。

一、什么是 MCP？为什么量化交易者应该关注？

MCP（Model Context Protocol）是 Anthropic 在 2024 年底推出的开放协议，它的核心思想很简单：让 AI 助手能够与外部数据源和工具安全交互。

对量化交易者来说，这意味着：

  • 用自然语言查行情：”帮我看看贵州茅台最近 30 天的 K 线，MACD 金叉了吗？”——AI 直接调 MCP 拉数据、算指标、给你答案
  • AI 辅助策略研究：把基本面数据、技术指标、新闻舆情都接上 MCP，让 AI 帮你做初步筛选和分析
  • 甚至直接下单：部分 MCP 已支持对接券商/交易所，实现 AI 驱动的交易执行

MCP 生态正在爆发式增长。LobeHub、Glama 等 MCP 市场已收录上百个金融相关服务。下面挑出最值得关注的几个。

二、交易/金融 MCP 服务

2.1 综合金融数据类 MCP

FinanceMCP

简介：集成 Tushare API 的专业金融数据 MCP 服务器，覆盖 A 股/美股/港股/外汇/期货/基金/债券等 10 大市场，内置 MACD/RSI/KDJ/BOLL/MA 等 5 大技术指标计算。

链接：https://github.com/guangxiangdebizi/financemcp

适合：A 股全面分析、宏观数据，需要 AI 辅助技术分析的玩家。

a-share-mcp

简介：专注 A 股市场的 MCP 服务，提供股票基础信息、历史 K 线、财务指标、宏观经济数据，采用 Baostock 数据源，无需付费账户。

链接：https://lobehub.com/mcp/24mlight-a-share-mcp

适合：零成本起步的 A 股研究，学生和新手友好。

Stock Tool MCP Server

简介：多源融合（Yahoo/Finnhub/AkShare/Tushare/Baostock/CCXT）的 MCP 服务器，支持技术分析、形态识别、筹码分布、基本面分析。

链接：https://github.com/xituimao/stock-mcp-vercel

适合：需要跨市场、跨数据源综合分析的用户。

MCP Yahoo Finance (mkt)

简介：基于 yfinance 的 MCP 服务器，提供股票信息、历史价格、分析师建议、分红、市场状态。

链接：https://github.com/maxscheijen/mcp-yahoo-finance

适合：美股免费数据分析，搭配 yfinance 生态。

Alpha Vantage MCP

简介：官方 Alpha Vantage API 的 MCP 服务器，让 LLM 与实时和历史股票市场数据交互。

链接：https://lobehub.com/mcp/alphavantage-alpha_vantage_mcp

适合：美股实时行情、技术指标，需要 API 规范的场景。

Tushare MCP Server

简介：基于 Tushare 的金融数据 MCP 服务器，提供 52 个专业金融数据分析工具，覆盖股票/期货/外汇/基金。

链接：https://lobehub.com/mcp?q=finance-data

适合：已有 Tushare 积分的用户，用 AI 做全面 A 股研究。

Equibles

简介：自托管的 AI 版迷你 Bloomberg 终端，抓取存储 SEC 文件、机构持仓、内部人交易、国会交易、做空数据。

链接：https://lobehub.com/mcp/daniel3303-equibles

适合：美股深度基本面研究，需要机构级另类数据的进阶玩家。

2.2 交易/量化交易类 MCP

quant-trader

简介：通过 Interactive Brokers 进行量化交易的 MCP 服务器，支持实盘/模拟交易美股，内置 7 种回测策略（SMA 交叉、RSI 均值回归、MACD 等），提供 39 个 MCP 工具。

链接：https://github.com/zw008/quant-trader

适合：使用 IBKR 的美股量化交易者，想让 AI 直接驱动交易。

TradingView MCP

简介：实时市场数据和技术分析 MCP 服务器，30+ 工具覆盖股票/加密/外汇/期货，支持选股器、指标、K 线形态、多时间框架、回测。

链接：https://github.com/atilaahmettaner/tradingview-mcp

适合：综合技术分析，习惯 TradingView 指标体系的交易者。

MetaTrader 5 MCP Server

简介：让 AI 助手与 MetaTrader 5 平台交互，支持行情数据、下单、交易历史分析。

链接：https://github.com/Qoyyuum/mcp-metatrader5-server

适合：外汇/CFD 交易者，使用 MT5 平台的用户。

momentum-mcp

简介：量化交易分析 MCP 服务器，提供股票筛选、历史数据、技术分析（RSI/MACD）、K 线图生成、新闻聚合。

链接：https://github.com/mphinance/momentum-mcp

适合：量化研究，需要新闻+技术分析结合的场景。

trading-skills

简介：AI 驱动的市场分析 MCP 服务器，23 个交易分析工具，支持期权 Greeks、IBKR 组合管理。

链接：https://github.com/staskh/trading_skills

适合：期权交易者、IBKR 用户，需要 Greeks 计算的场景。

2.3 其他金融 MCP

名称 简介 链接
SEC EDGAR MCP 访问 SEC EDGAR 文件，公司财报、内部人交易 stefanoamorelli/sec-edgar-mcp
CoinMarketCap MCP 加密货币市场数据、市值排名 shinzo-labs/coinmarketcap-mcp
Crypto Indicators MCP 加密货币技术指标 kukapay/crypto-indicators-mcp
CNEquity 中国市场金融数据湖，本地 Parquet 存储 rootsunc/cnequity

2.4 MCP 使用建议

MCP 交易生态还处于早期，star 数普遍不高（大多 < 500），质量参差不齐。使用时注意：

  • 优先选有真实交易能力的：quant-trader（IB 接口）、MetaTrader 5 MCP 这类对接了真实券商/交易所的项目，实用价值远大于纯数据查询类
  • 数据类 MCP 做研究辅助：把行情、基本面数据接上 MCP，让 AI 帮你做初步筛选和分析，但不要让 AI 直接做交易决策
  • 注意安全：涉及交易接口的 MCP，务必用模拟盘先跑通，理解权限范围后再考虑实盘

三、开源 Python 回测框架

NautilusTrader

简介：生产级事件驱动交易引擎，Rust 核心 + Python API，纳秒级 tick/订单簿回测，20+ 实盘集成（Binance/IB 等），回测代码可直接上实盘。

链接：https://github.com/nautechsystems/nautilus_trader

适合：需要 tick 级真实回测、追求”回测即实盘”的进阶玩家。

Backtrader

简介：经典事件驱动回测框架，社区广泛使用，文档丰富。但注意：默认分支自 2023 年起已不活跃。

链接：https://github.com/mementum/backtrader

适合：入门学习、策略原型验证。新项目建议优先考虑 NautilusTrader 或 vectorbt。

vectorbt

简介：向量化回测引擎，将数千策略配置打包进 NumPy 数组并行计算，Numba + Rust 加速。

链接：https://github.com/polakowo/vectorbt

适合：大规模参数优化、策略快速迭代研究。有免费版和 PRO 付费版。

backtesting.py

简介：轻量级单标的回测库，API 极简（约 20 行代码可跑通一个回测），2025-2026 年恢复活跃更新。

链接：https://github.com/kernc/backtesting.py

适合：快速单标的回测、新手入门首选。

bt

简介：灵活的组合回测框架，支持多层组合策略，适合资产配置类策略。

链接：https://github.com/pmorissette/bt

适合：组合/多资产策略回测。

PyBroker

简介：事件驱动回测框架，支持机器学习集成。

链接：https://github.com/edtechre/pybroker

适合：ML 策略回测。

Lumibot

简介：跨资产（股票/期权/加密/期货/外汇）回测和实盘框架。

链接：https://github.com/Lumiwealth/lumibot

适合：多资产实盘策略。

zipline-reloaded

简介：Stefan Jensen 维护的 Zipline 分支，持续更新。原版 Zipline（Quantopian）已废弃，不推荐新项目使用。

链接：https://github.com/stefan-jensen/zipline-reloaded

适合：Zipline 老用户迁移。

四、开源交易机器人与交易框架

Freqtrade

简介：最流行的开源加密货币交易机器人，支持主要交易所，内置回测、Hyperopt 超参优化、FreqAI 机器学习模块，Telegram/WebUI 控制。

链接：https://github.com/freqtrade/freqtrade

适合：加密货币自动交易，社区最活跃、文档最完善的选择。

Hummingbot

简介：开源做市商框架，支持 CEX/DEX，318+ 连接器，累计交易量超 $47B+，Apache 2.0 协议。

链接：https://github.com/hummingbot/hummingbot

适合：加密货币做市、套利策略。

Jesse

简介：加密/股票量化交易框架，以回测精度著称——无前视偏差，内置 AI/MCP 服务器，支持优化和机器学习。

链接：https://github.com/jesse-ai/jesse

适合：追求回测精度的量化交易者，AI 辅助策略开发的早期采用者。

LEAN (QuantConnect)

简介：QuantConnect 的开源量化引擎，C# 核心支持多资产回测和实盘，机构级架构。

链接：https://github.com/QuantConnect/Lean

适合：多资产、机构级需求，C# 技术栈的用户。

passivbot

简介：运行于 Binance/Bybit/Bitget/OKX 等的自动交易机器人。

链接：https://github.com/enarjord/passivbot

适合：加密货币自动交易，偏好配置驱动的用户。

五、量化分析平台与 AI 量化框架

Qlib（微软）

简介：AI 驱动的量化投研平台，端到端从数据 → 特征工程 → 模型训练 → 回测 → 实盘。内置 20+ 量化模型（XGBoost/LightGBM/LSTM/Transformer 等），新增 RD-Agent 用 LLM 自动挖掘因子。

链接：https://github.com/microsoft/qlib

适合：机构级量化研究、AI 因子挖掘，想用机器学习做选股的进阶玩家。

OpenBB

简介：开源金融数据聚合平台，统一接入 350+ 数据集，提供 Python SDK/CLI/REST API/内置 MCP Server，覆盖股票/期权/加密/外汇/宏观。

链接：https://github.com/OpenBB-finance/OpenBB

适合：投研数据中台、AI agent 接入，想用一个平台聚合所有数据源的用户。

vnpy（VeighNa）

简介：国产最成熟的 Python 量化交易框架，20+ 国内交易接口（CTP/飞马/XTP/EMT 等），内置 CTA/价差/期权/算法交易模块，4.0 新增 vnpy.alpha AI 量化模块。

链接：https://github.com/vnpy/vnpy

适合：国内期货/期权/A 股实盘，需要对接国内券商柜台的用户。

rqalpha

简介：米筐开源的可扩展 Python 回测和交易框架，支持多品种。

链接：https://github.com/ricequant/rqalpha

适合：国内策略回测，喜欢米筐风格但想本地部署的用户。

zvt

简介：中低频多级别多因子全市场分析和交易框架，含数据 recorder/因子计算/选股/回测/交易/可视化。

链接：https://github.com/zvtvz/zvt

适合：全市场因子研究，偏好一体化框架的用户。

TradingAgents

简介：多 Agent LLM 金融交易框架，多个 AI 智能体辩论决策。

链接：https://github.com/TauricResearch/TradingAgents

适合：探索 LLM 驱动交易决策的前沿玩家。

FinGPT

简介：开源金融大语言模型，用于情感分析、智能投顾。

链接：https://github.com/AI4Finance-Foundation/FinGPT

适合：金融 NLP、情感分析因子的构建。

Daily Stock Analysis

简介：LLM 驱动的 A/H/美股智能分析：多数据源行情 + 实时新闻 + 决策仪表盘 + 多渠道推送。

链接：https://github.com/ZhuLinsen/daily_stock_analysis

适合：每日智能选股、资讯聚合推送。

gs-quant（高盛）

简介：高盛开源的量化金融 Python 工具包。

链接：https://github.com/goldmansachs/gs-quant

适合：风险管理、衍生品定价，有高盛 API 接入需求的用户。

六、数据获取库

yfinance

简介：最流行的免费 Yahoo Finance 数据下载库，覆盖股票/ETF/加密货币等。

链接：https://github.com/ranaroussi/yfinance

适合：美股免费数据的首选。

AKShare

简介：国内最全的开源财经数据接口库，覆盖股票/期货/期权/基金/外汇/债券/指数/加密货币，持续高频更新。

链接：https://github.com/akfamily/akshare

适合：A 股/国内市场数据的首选，零门槛。

Tushare（Pro）

简介：老牌 A 股数据接口库，Pro 版提供完整行情/财务/因子库。

链接：https://github.com/waditu/tushare

适合：A 股专业数据，部分需积分。

ccxt

简介：统一加密货币交易所 API 库，支持 100+ 交易所，JS/Python/PHP/C#/Go/Java 多语言，REST + WebSocket。

链接：https://github.com/ccxt/ccxt

适合：加密货币交易/数据获取的统一接入层。

edgartools

简介：SEC EDGAR 结构化数据下载库，支持 XBRL 财报。

链接：https://github.com/dgunning/edgartools

适合：美股 SEC 文件、基本面深度数据。

efinance

简介：快速获取基金/股票/债券/期货数据的 Python 库。

链接：https://github.com/Micro-sheep/efinance

适合：国内数据补充源。

tqsdk（天勤）

简介：期货量化开发包，实时行情/历史数据/实盘交易。

链接：https://github.com/shinnytech/tqsdk-python

适合：国内期货量化的用户。

openctp

简介：提供 CTPAPI 兼容接口，支持中泰 XTP/华鑫奇点/东方证券等，含 7×24 模拟环境。

链接：https://github.com/openctp/openctp

适合：国内券商柜台对接、CTP 系统开发。

七、技术分析库

TA-Lib

简介：技术分析事实标准，150+ 指标（ADX/MACD/RSI/布林带等）+ K 线形态识别，C 核心 + 多语言绑定。

链接：https://github.com/TA-Lib/ta-lib-python

适合：生产级技术指标计算，需要高性能的场景。QMT 也内置了 TA-Lib。

pandas-ta

简介：易用的 Pandas 扩展，150+ 指标，纯 Python 实现，无需编译 C 库。

链接：https://github.com/twopirllc/pandas-ta

适合：快速研究、Pandas 集成，不想折腾 C 编译的用户。

finta

简介：基于 Pandas/NumPy 的技术分析库，轻量级。

链接：https://github.com/peerchemist/finta

适合：简单指标计算，极简依赖。

八、资源汇总项目

名称 简介 链接
awesome-quant 最全的量化金融资源清单，628+ 项目 wilsonfreitas/awesome-quant
awesome-systematic-trading 系统化交易资源清单，含中文版 wangzhe3224/awesome-systematic-trading

九、选型指南：不同场景推荐什么组合？

9.1 A 股中低频选股

推荐组合：AKShare/Tushare（数据）+ Qlib（AI 因子挖掘）+ backtesting.py（快速回测）

  • 用 AKShare/Tushare 拉日线和基本面数据
  • 用 Qlib 做机器学习因子挖掘和选股
  • 用 backtesting.py 做快速策略验证

9.2 A 股实盘交易

推荐组合：AKShare/Tushare（研究数据）+ vnpy（实盘框架）+ QMT（行情对齐）

  • 研究阶段用免费数据源
  • 实盘用 vnpy 对接国内券商柜台，或直接用 QMT

9.3 美股量化

推荐组合：yfinance（数据）+ NautilusTrader 或 backtesting.py（回测）+ IBKR + quant-trader MCP（AI 辅助交易）

  • yfinance 拉免费数据
  • NautilusTrader 做 tick 级真实回测，或 backtesting.py 做快速验证
  • 通过 IBKR + quant-trader MCP 实现 AI 辅助交易

9.4 加密货币交易

推荐组合：ccxt（数据统一接入）+ Freqtrade（交易机器人）+ CoinGecko MCP（市值监控）

  • ccxt 统一接入 100+ 交易所
  • Freqtrade 做自动交易和回测
  • CoinGecko MCP 让 AI 帮你监控市场

9.5 AI 驱动的量化研究

推荐组合：OpenBB（数据中台 + MCP）+ Qlib（AI 因子）+ FinGPT（情感分析）+ TradingAgents（多 Agent 决策）

  • OpenBB 聚合所有数据源并暴露 MCP 接口
  • Qlib 做机器学习因子挖掘
  • FinGPT 做新闻情感分析因子
  • TradingAgents 探索多 AI Agent 辩论决策

十、趋势观察：2026 年量化工具的三个方向

10.1 MCP 让 AI 成为量化研究助手

MCP 最大的价值不是”AI 直接交易”，而是让 AI 成为研究过程的加速器——用自然语言查数据、做初步筛选、生成分析报告，把人从繁琐的数据搬运中解放出来，专注于策略逻辑本身。

10.2 Rust/向量化重塑回测性能

NautilusTrader（Rust 核心）和 vectorbt（向量化 + Numba）代表了回测引擎的两个进化方向：一个是极致真实的 tick 级模拟，一个是极致速度的大规模参数搜索。Backtrader 和 Zipline 的时代正在过去。

10.3 AI+量化从”概念”走向”工程”

Qlib 的 RD-Agent 用 LLM 自动挖掘因子、TradingAgents 用多 Agent 辩论做交易决策、Jesse 内置 MCP 服务器——这些项目显示，AI+量化已经从论文概念进入了工程落地阶段。个人量化玩家现在可以用上五年前只有机构才有的 AI 能力。

总结：你的工具箱该装什么？

角色 推荐工具
A 股研究 AKShare + Tushare + backtesting.py
A 股实盘 vnpy 或 QMT
美股研究 yfinance + edgartools + NautilusTrader
美股实盘 IBKR + quant-trader MCP
加密货币 ccxt + Freqtrade
AI 因子挖掘 Qlib + FinGPT
AI 研究助手 OpenBB + TradingView MCP
技术指标 TA-Lib（生产）或 pandas-ta（研究）

记住一句话：工具是杠杆，不是策略。再好的工具箱也救不了逻辑有漏洞的策略。先把数据搞干净（参考数据源盘点和数据地基），再把回测做扎实（参考回测框架），然后才是工具的选择和组合。

⚠️ 免责声明

本文仅提供开源项目信息整理与工具介绍：

  • 开源项目的维护状态、功能和许可协议可能随时变化，请以各项目 GitHub 主页为准
  • 使用 AI/MCP 驱动交易存在额外风险，务必在模拟环境充分验证后再考虑实盘
  • 文中内容不构成任何投资建议，因使用本文所述工具造成的任何损失，由使用者自行承担

本文更新于2026年10月8日

其他相关文章