页面准备好后会自动显示。等待期间仍可使用顶部导航切换。
SEEKINGDAO / FIELD NOTES
从真实业务出发，看清 AI 如何落地。读懂做法、成效与边界，把案例变成自己的判断。
它解决了什么业务问题？用了哪些数据？披露的效果是实绩、试点，还是计划？
THE INDEX
找到 71 条 · 数据分析
清除筛选开源社区
Alphalens 是 Quantopian 开源的因子分析工具，用于评估股票因子的预测能力，包括分位数组合收益、信息系数 IC、换手率、行业分组和可视化报告。它是量化研究中非常经典的因子检验工具。 金融 AI 模型经常输出某种 score，例如股票上涨概率、客户违约概率、欺诈风险分、产品购买倾向。Alphalens 对选股因子的分析思想可以迁移到这些 score 的分层检验：高分组和低分组是否真的有差异，稳定性如何，换手或动作成本如何。 对银行学习来说，Alphalens
Alpha 因子绩效分析
开源社区
pyfolio 是 Quantopian 开源的组合绩效和风险分析工具，能生成策略收益、回撤、滚动风险指标、持仓暴露、交易分析和 tear sheet 报告。它常与 Zipline、Alphalens 等工具配合使用。 金融 AI 项目常常只展示模型输出，却缺少完整绩效报告。pyfolio 的价值在于把策略结果转成标准化风险收益分析，让使用者看到最大回撤、波动率、滚动 Sharpe、极端时期表现和基准对比。 对银行财富管理、理财产品和策略研究来说，绩效解释非常重要。客户和管理
组合绩效与风险分析
开源社区
FraudGT 是一个面向金融欺诈检测的图 Transformer 项目，论文题目聚焦“Financial Fraud Detection via Graph Transformer”。它将交易、账户、实体之间的关系建成图结构，并用图神经网络/Transformer 思路识别欺诈模式。 这个项目适合补齐图 AI 在金融风控中的位置。传统反欺诈模型常看单笔交易或单个客户特征，但很多欺诈、洗钱、团伙作案和账户套利都体现为网络关系。图模型可以捕捉账户之间、商户之间、设备之间、资金流
金融欺诈图 Transformer
开源社区
QuantStats 是一个基于 Python 的量化绩效分析库，能够一行代码生成策略或投资组合的完整绩效报告，包括夏普比率、最大回撤、月度回报热力图、收益分布和基准对比等可视化输出。项目在 GitHub 拥有超过 7000 星，是量化投研领域被引用最频繁的绩效分析工具之一。 QuantStats 内部由三个子模块组成：stats 提供风险收益计算（alpha/beta/夏普/Sortino/Calmar 等）、plots 提供 matplotlib/plotly 可视化，r
量化绩效与风险分析 / 策略报告
开源社区
empyrical 是 Quantopian 开源的金融风险与绩效指标计算库，为 Zipline、pyfolio 等量化工具链提供底层指标运算。它实现了数十个常见的绩效和风险度量函数，包括最大回撤、Alpha/Beta、夏普比率、Sortino 比率、Omega 比率、年化收益、年化波动、上行/下行捕获率等。 empyrical 的核心价值在于它将金融绩效指标的计算抽象为纯函数：输入收益率序列（numpy array 或 pandas Series），输出标量或序列化指标值。
金融风险与绩效指标计算库
开源社区
yfinance 是 Python 生态中使用最广泛的金融数据获取库之一，提供对 Yahoo Finance 公开 API 的 Pythonic 封装。它可以获取全球股票、ETF、指数、期权、加密货币的历史行情（日/周/月/分钟级）、实时报价、财务报表（资产负债表/利润表/现金流量表）、公司基本面、分析师评级、持仓变动、股息和拆股信息等。GitHub 超过 22000 星，PyPI 月下载量超百万。 yfinance 的核心设计是 Ticker 对象：通过 yf.Ticker
全球金融市场数据接口 / Yahoo Finance
开源社区
edgartools 是一个现代化的 Python 库，将 SEC EDGAR 的各类公告（10-K/10-Q/8-K/13-F/Form 4 等）解析为结构化的 Python 对象。与直接下载 HTML/XML 原始文件不同，edgartools 提供 Company、Filing、Financials 等高级对象，可以直接获取资产负债表、利润表、现金流量表的 DataFrame，以及内幕交易、基金持仓等数据。GitHub 2000+ 星，维护活跃（2026 年仍有频繁发布
SEC EDGAR 数据分析与财报解析
开源社区
OctoBot 是 Drakkar-Software 开源的加密货币自动交易机器人，支持 AI、Grid、DCA、TradingView 信号和多交易所接入。与偏研究型的回测框架不同，OctoBot 更像一个完整的自动化交易工作台：用户可以配置策略、连接交易所、运行机器人、查看执行结果，并通过界面管理交易逻辑。 OctoBot 的金融 + AI 价值在于它把“策略信号”“资金执行”“风险限制”“用户界面”放在同一个系统里。很多学习者只会写一个预测模型，却不知道预测结果如何变成
AI / Grid / DCA 加密交易机器人
开源社区
ta（Technical Analysis Library in Python）是一个基于 Pandas 和 Numpy 的技术分析指标计算库，实现了 43 个常用技术指标，涵盖成交量（MFI/OBV/VWAP 等）、波动率（布林带/ATR/凯尔特纳通道等）、趋势（MACD/ADX/Ichimoku 等）和动量（RSI/Stochastic/Williams %R 等）四大类。GitHub 5000+ 星，PyPI 月下载量稳定。 ta 的核心设计理念是“特征工程友好”：它可
技术分析指标库 / 特征工程
开源社区
Backtesting.py 是一个轻量级的 Python 交易策略回测框架，以“简洁至上”为设计理念。用户只需定义一个继承 Strategy 类的策略（实现 init() 和 next() 方法），然后传入 OHLCV 数据即可运行回测，自动获取绩效统计和交互式 HTML 图表。GitHub 8000+ 星。 Backtesting.py 的核心优势是学习曲线极低：与 backtrader 或 Zipline 的复杂事件驱动架构不同，Backtesting.py 的策略定义
轻量级策略回测框架
开源社区
yfinance-mcp 是一个基于 Model Context Protocol（MCP）的 Yahoo Finance 金融数据服务，它把 yfinance 的行情、财务、期权、持仓、新闻等能力封装成 AI 助手可调用的标准工具。项目的意义不只是“再包一层 yfinance”，而是展示了金融数据如何以 MCP 工具形式交给大模型安全调用。 在传统 RAG 或 Agent 项目中，大模型经常需要访问实时或准实时金融数据。如果直接把数据 API 写进 prompt 或让模型自
金融数据 MCP 服务 / AI 助手工具调用
开源社区
Jesse 是一个以“简洁“为核心设计理念的加密货币算法交易框架，GitHub 7800+ 星。它的目标是让策略研究者用最少的 Python 代码定义策略，然后进行精确的回测、参数优化和实盘部署。与 freqtrade 侧重功能全面不同，Jesse 更强调代码简洁和回测精确。 Jesse 的策略定义非常直观：继承 Strategy 类，实现 should_long()、should_short()、go_long()、go_short() 等方法，用 self.close、s
加密货币算法交易 / 策略研发框架
内容整理自金融 AI 长期进化实验室。银行用例、开源项目与 Skill 工作流分开展示；商业合作、计划和试点的表述按原分析保留，披露指标不等同于独立审计结果。
业务分类和技术标签按公开规则归纳；同机构不同项目、同名但来源不同的 Skill 独立保留。总览与正文只计一次，相同机构项目或相同上游路径合并并保留来源版本。当前 462 条来源记录，合并 0 条重复记录。
每日检查公开仓库，更新时保留上一版有效内容；如果来源删除已有记录或结构发生变化，暂停覆盖，等待核对。最近检查：2026/11/14（香港时间）。当前来源修订：06778e55 ↗。