xquant-learning
Unverified ML strategy on Multi by xingwudao. BotFinder score 18 out of 100.
《人人都是量化交易员》配套练习仓库：量化交易入门、自学、Python 回测、spec 与 notebook 实验。
Source: github
BotFinder analysis pending.
xquant-learning
XQuant Learning 《XQuant：人人都是量化交易员》课程配套的 Specs 与 Notebooks 开源仓库。 配套书稿 本仓库是《XQuant：人人都是量化交易员》的配套练习仓库。 如果你正在寻找量化交易入门、量化交易自学或 Python 量化回测教程， 请先阅读主书稿： 人人都是量化交易员：XQuant Beginner 量化交易入门 这是什么 本仓库包含课程中每个章节的： - Specs — 任务说明书。学员通过撰写 spec 指挥 AI 完成所有编码工作，而非自己写代码。 - Notebooks — 可运行的 Jupyter Notebook 源代码，是每个 spec 的最终产出。 课程结构 课程围绕 9 个核心问题展开，从零构建一个可实盘运行的量化交易系统： | 章节 | 问题 | 内容 | |------|------|------| | Q0 | 开始前的准备 | 环境搭建 | | Q1 | 量化交易怎么赚钱？ | 建立直觉，跑通最小闭环 | | Q2 | 买什么？ | 标的筛选，构建 Universe | | Q3 | 买多少？ | 权重分配，仓位管理 | | Q4 | 什么时候买卖？ | 信号生成，Agent 决策逻辑 | | Q5 | 怎么知道策略有效？ | 回测验证，建立评估体系 | | Q6 | 如何避免自欺欺人？ | 过拟合识别，稳健性检验 | | Q7 | 如何真正执行？ | 实盘系统，从回测到交易 | | Q8 | 如何持续改进？ | 策略迭代，建立方法论闭环 | | Q9 | 量化交易的日常是什么？ | 因子研究，从想法到策略的日常工作流 | 目录结构 如何使用 1. 阅读某章节的 specs/ 目录，了解每一步的任务目标 2. 将 spec 喂给 AI 编程工具（Claude Code / Cursor / ChatGPT 等），让 AI 帮你完成实现 3. 对照 notebooks/ 中的参考实现，验证你的产出 课程特色 - 编程语言无关 — 全程用自然语言驱动 AI，学的是"如何描述问题"而非"如何写 Python" - 问题驱动 — 不从理论开始，而从"这个策略能赚钱吗"开始 - Agent 思维框架 — 把策略看作 Agent：Environment（标的池）→ State（市场状态）→ Action（买卖决策） 作者与服务 刑无刀 本文作者 @刑无刀。《机器学习：实用案例解析》译者，《推荐系统》 作者，极客时间《推荐系统 36 式》专栏作者，开源书《人人都是 量化交易员》作者，15 年 AI 从业经验，
⚠ No verified equity curve — no track-record source connected.
Drawdown profile
Data unavailable — contact the owner.
Verification ledger
How the score has moved
Recalculated at each data collection. Transparency means showing the bad weeks too.
No score history is stored yet — only the current score is shown.
Reviews & comments
No reviews collected from the source yet.
⚠ No live verification account connected — ask for proof before buying.
Alerts on changes: coming soon
Prop-firm compatibility not provided.
Open-source maintainer on GitHub.
Data-completeness & trust index (not a profitability rating)