georgezouq/awesome-ai-in-finance

本项目是一个精选列表（“Awesome”列表），汇集了在金融和交易中使用人工智能的资源。它收集了研究论文、开源工具、代码、课程和策略——全部整理到清晰的类别中。

存在原因

开篇文字设定了背景：全球金融市场产生了海量数据，人类难以处理。此列表的目标是汇集最好的资源，让人们能够使用AI“自动且智能地分析和交易”——并最终“战胜市场”。

内容（主要类别）

智能体（Agents） — 完全或部分自主的AI交易系统。示例包括多智能体平台（多个AI智能体竞争或协作）、自我改进的交易系统，以及用于构建交易策略的无代码工具。

LLM（大语言模型） — 将语言模型应用于金融的资源：测试AI投资能力的基准（其中一个给每个模型10,000美元的真实资金进行管理）、类似FinGPT的开源金融模型，以及显示GPT-4在某些任务上超越专业分析师的研究。

技能（Skills） — 用于AI编码助手（主要是Claude Code）的可复用代码“技能”，例如股票研究、投资分析中的偏见检测、交易日志记录。

MCP服务器 — 这是关键部分。MCP（模型上下文协议）是一种将Claude、Cursor或VS Code Copilot等AI助手连接到外部数据和服务的方式。这些服务器让AI助手可以直接访问：

• 市场数据 — 实时股价、SEC文件、经济数据
• 交易执行 — 允许AI通过Alpaca、Kraken或Interactive Brokers等经纪商下单交易
• 研究与分析 — 用于技术分析、财报日历和财务报告解析的工具

论文 — 从1900年关于投机理论的经典研究到现代用于股票交易的深度强化学习，涵盖广泛学术研究。

课程与书籍与博客 — 教育材料，包括大学课程（NYU、Udacity）、关于金融机器学习和使用生成式AI构建金融软件的书籍，以及实践编码教程。

策略与研究 — 按方法分亚类：时间序列预测、投资组合管理、高频交易、事件驱动策略、加密货币策略、技术分析、彩票/赌博、套利。

其他部分 — 数据源、研究工具、交易系统框架、技术分析库（TA Lib）、交易所API、文章和其他资源。

突出条目（带星标）

某些列表带有星标评级（🌟、🌟🌟、🌟🌟🌟），表示高重要性。值得注意的是：

• Nof1 — 一个基准，给每个AI模型在真实市场中10,000美元的真实资金，以衡量实际的投资能力
• MarS — 微软的金融市场模拟引擎
• AI对冲基金 — 一个探索AI驱动交易决策的热门项目

谁会使用

对将AI应用于金融市场感兴趣的开发者、量化研究员和交易员。该列表是一个起点——一个资源目录，而不是单一工具。

重要提示： 列表包括研究导向的工具（例如，“默认不连接经纪商”）和实际的交易系统。一些条目明确表示不执行交易，而另一些则执行。README不对哪种方法实际“战胜市场”做出任何声明——它只是整理了存在的内容。