[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-1229":3},{"id":4,"name":5,"fullName":6,"owner":5,"repo":5,"description":7,"homepage":8,"htmlUrl":9,"language":10,"languages":9,"totalLinesOfCode":9,"stars":11,"forks":12,"watchers":13,"openIssues":14,"contributorsCount":15,"subscribersCount":15,"size":15,"stars1d":16,"stars7d":17,"stars30d":18,"stars90d":15,"forks30d":15,"starsTrendScore":19,"compositeScore":20,"rankGlobal":9,"rankLanguage":9,"license":21,"archived":22,"fork":22,"defaultBranch":23,"hasWiki":24,"hasPages":22,"topics":25,"createdAt":9,"pushedAt":9,"updatedAt":33,"readmeContent":34,"aiSummary":35,"trendingCount":15,"starSnapshotCount":15,"syncStatus":36,"lastSyncTime":37,"discoverSource":38},1229,"vnpy","vnpy\u002Fvnpy","基于Python的开源量化交易平台开发框架","http:\u002F\u002Fwww.vnpy.com",null,"Python",41520,11883,1411,6,0,34,208,1211,166,120,"MIT License",false,"master",true,[26,27,28,29,30,31,32,5],"algotrading","finance","fintech","investment","python","quant","trading","2026-06-12 04:00:08","# VeighNa - By Traders, For Traders, AI-Powered.\n\n\u003Cp align=\"center\">\n  \u003Cimg src =\"https:\u002F\u002Fvnpy.oss-cn-shanghai.aliyuncs.com\u002Fveighna-logo.png\"\u002F>\n\u003C\u002Fp>\n\n💬 Want to read this in **english** ? Go [**here**](README_ENG.md)\n\n\u003Cp align=\"center\">\n    \u003Cimg src =\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fversion-4.3.0-blueviolet.svg\"\u002F>\n    \u003Cimg src =\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fplatform-windows|linux|macos-yellow.svg\"\u002F>\n    \u003Cimg src =\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-3.10|3.11|3.12|3.13-blue.svg\" \u002F>\n    \u003Cimg src =\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Factions\u002Fworkflow\u002Fstatus\u002Fvnpy\u002Fvnpy\u002Fpythonapp.yml?branch=master\"\u002F>\n    \u003Cimg src =\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fvnpy\u002Fvnpy.svg?color=orange\"\u002F>\n\u003C\u002Fp>\n\nVeighNa是一套基于Python的开源量化交易系统开发框架，在开源社区持续不断的贡献下一步步成长为多功能量化交易平台，自发布以来已经积累了众多来自金融机构或相关领域的用户，包括私募基金、证券公司、期货公司等。\n\n在使用VeighNa进行二次开发（策略、模块等）的过程中有任何疑问，请查看[**VeighNa项目文档**](https:\u002F\u002Fwww.vnpy.com\u002Fdocs\u002Fcn\u002Findex.html)，如果无法解决请前往[**官方社区论坛**](https:\u002F\u002Fwww.vnpy.com\u002Fforum\u002F)的【提问求助】板块寻求帮助，也欢迎在【经验分享】板块分享你的使用心得！\n\n**想要获取更多关于VeighNa的资讯信息？** 请扫描下方二维码添加小助手加入【VeighNa社区交流微信群】：\n\n\u003Cp align=\"center\">\n  \u003Cimg src =\"https:\u002F\u002Fvnpy.oss-cn-shanghai.aliyuncs.com\u002Fgithub_wx.png\"\u002F, width=250>\n\u003C\u002Fp>\n\n\n## AI-Powered\n\n\nVeighNa发布十周年之际正式推出4.0版本，重磅新增面向AI量化策略的[vnpy.alpha](.\u002Fvnpy\u002Falpha)模块，为专业量化交易员提供**一站式多因子机器学习（ML）策略开发、投研和实盘交易解决方案**：\n\n\u003Cp align=\"center\">\n  \u003Cimg src =\"https:\u002F\u002Fvnpy.oss-cn-shanghai.aliyuncs.com\u002Falpha_demo.jpg\"\u002F, width=500>\n\u003C\u002Fp>\n\n* :bar_chart: **[dataset](.\u002Fvnpy\u002Falpha\u002Fdataset)**：因子特征工程\n\n    * 专为ML算法训练优化设计，支持高效批量特征计算与处理\n    * 内置丰富的因子特征表达式计算引擎，实现快速一键生成训练数据\n    * [Alpha 158](.\u002Fvnpy\u002Falpha\u002Fdataset\u002Fdatasets\u002Falpha_158.py)：源于微软Qlib项目的股票市场特征集合，涵盖K线形态、价格趋势、时序波动等多维度量化因子\n\n* :bulb: **[model](.\u002Fvnpy\u002Falpha\u002Fmodel)**：预测模型训练\n\n    * 提供标准化的ML模型开发模板，大幅简化模型构建与训练流程\n    * 统一API接口设计，支持无缝切换不同算法进行性能对比测试\n    * 集成多种主流机器学习算法：\n        * [Lasso](.\u002Fvnpy\u002Falpha\u002Fmodel\u002Fmodels\u002Flasso_model.py)：经典Lasso回归模型，通过L1正则化实现特征选择\n        * [LightGBM](.\u002Fvnpy\u002Falpha\u002Fmodel\u002Fmodels\u002Flgb_model.py)：高效梯度提升决策树，针对大规模数据集优化的训练引擎\n        * [MLP](.\u002Fvnpy\u002Falpha\u002Fmodel\u002Fmodels\u002Fmlp_model.py)：多层感知机神经网络，适用于复杂非线性关系建模\n\n* :robot: **[strategy](.\u002Fvnpy\u002Falpha\u002Fstrategy)**：策略投研开发\n\n    * 基于ML信号预测模型快速构建量化交易策略\n    * 支持截面多标的和时序单标的两种策略类型\n\n* :microscope: **[lab](.\u002Fvnpy\u002Falpha\u002Flab.py)**：投研流程管理\n\n    * 集成数据管理、模型训练、信号生成和策略回测等完整工作流程\n    * 简洁API设计，内置可视化分析工具，直观评估策略表现和模型效果\n\n* :book: **[notebook](.\u002Fexamples\u002Falpha_research)**：量化投研Demo\n\n    * [download_data_rq](.\u002Fexamples\u002Falpha_research\u002Fdownload_data_rq.ipynb)：基于RQData下载A股指数成分股数据，包含指数成分变化跟踪及历史行情获取\n    * [download_data_xt](.\u002Fexamples\u002Falpha_research\u002Fdownload_data_xt.ipynb)：基于迅投研数据服务，下载获取A股指数成分历史变化和股票K线数据\n    * [research_workflow_lasso](.\u002Fexamples\u002Falpha_research\u002Fresearch_workflow_lasso.ipynb)：基于Lasso回归模型的量化投研工作流，展示线性模型特征选择与预测能力\n    * [research_workflow_lgb](.\u002Fexamples\u002Falpha_research\u002Fresearch_workflow_lgb.ipynb)：基于LightGBM梯度提升树的量化投研工作流，利用高效集成学习方法进行预测\n    * [research_workflow_mlp](.\u002Fexamples\u002Falpha_research\u002Fresearch_workflow_mlp.ipynb)：基于多层感知机神经网络的量化投研工作流，展示深度学习在量化交易中的应用\n\nvnpy.alpha模块的设计理念受到[Qlib](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fqlib)项目的启发，在保持易用性的同时提供强大的AI量化能力，特此向Qlib开发团队致以诚挚感谢！\n\n\n## 功能特点\n\n带有 :arrow_up: 的模块代表已经完成4.0版本的升级适配测试，同时4.0核心框架采用了优先保证兼容性的升级方式，因此大多数模块也都可以直接使用（涉及到C++ API封装的接口必须升级后才能使用）。 \n\n1. :arrow_up: 多功能量化交易平台（trader），整合了多种交易接口，并针对具体策略算法和功能开发提供了简洁易用的API，用于快速构建交易员所需的量化交易应用。\n\n2. 覆盖国内外所拥有的下述交易品种的交易接口（gateway）：\n\n    * 国内市场\n\n        * :arrow_up: CTP（[ctp](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_ctp)）：国内期货、期权\n\n        * :arrow_up: CTP Mini（[mini](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_mini)）：国内期货、期权\n\n        * :arrow_up: CTP证券（[sopt](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_sopt)）：ETF期权\n\n        * :arrow_up: 飞马（[femas](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_femas)）：国内期货\n\n        * :arrow_up: 恒生UFT（[uft](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_uft)）：国内期货、ETF期权\n\n        * :arrow_up: 易盛（[esunny](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_esunny)）：国内期货、黄金TD\n\n        * :arrow_up: 顶点HTS（[hts](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_hts)）：ETF期权\n\n        * :arrow_up: 顶点飞创（[sec](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_sec)）：ETF期权\n\n        * :arrow_up: 中泰XTP（[xtp](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_xtp)）：国内证券（A股）、ETF期权\n\n        * :arrow_up: 华鑫奇点（[tora](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_tora)）：国内证券（A股）、ETF期权\n\n        * 东证OST（[ost](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_ost)）：国内证券（A股）\n\n        * 东方财富EMT（[emt](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_emt)）：国内证券（A股）\n\n        * 飞鼠（[sgit](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_sgit)）：黄金TD、国内期货\n\n        * :arrow_up: 金仕达黄金（[ksgold](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_ksgold)）：黄金TD\n\n        * :arrow_up: 利星资管（[lstar](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_lstar)）：期货资管\n\n        * :arrow_up: 融航（[rohon](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_rohon)）：期货资管\n\n        * :arrow_up: 杰宜斯（[jees](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_jees)）：期货资管\n\n        * 中汇亿达（[comstar](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_comstar)）：银行间市场\n\n        * :arrow_up: TTS（[tts](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_tts)）：国内期货（仿真）\n\n    * 海外市场\n\n        * :arrow_up: Interactive Brokers（[ib](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_ib)）：海外证券、期货、期权、贵金属等\n\n        * :arrow_up: 易盛9.0外盘（[tap](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_tap)）：海外期货\n\n        * :arrow_up: 直达期货（[da](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_da)）：海外期货\n\n    * 特殊应用\n\n        * :arrow_up: RQData行情（[rqdata](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_rqdata)）：跨市场（股票、指数、ETF、期货）实时行情\n\n        * :arrow_up: 迅投研行情（[xt](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_xt)）：跨市场（股票、指数、可转债、ETF、期货、期权）实时行情\n\n        * :arrow_up: RPC服务（[rpc](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_rpcservice)）：跨进程通讯接口，用于分布式架构\n\n3. 覆盖下述各类量化策略的交易应用（app）：\n\n    * :arrow_up: [cta_strategy](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_ctastrategy)：CTA策略引擎模块，在保持易用性的同时，允许用户针对CTA类策略运行过程中委托的报撤行为进行细粒度控制（降低交易滑点、实现高频策略）\n\n    * :arrow_up: [cta_backtester](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_ctabacktester)：CTA策略回测模块，无需使用Jupyter Notebook，直接使用图形界面进行策略回测分析、参数优化等相关工作\n\n    * :arrow_up: [spread_trading](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_spreadtrading)：价差交易模块，支持自定义价差，实时计算价差行情和持仓，支持价差算法交易以及自动价差策略两种模式\n\n    * :arrow_up: [option_master](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_optionmaster)：期权交易模块，针对国内期权市场设计，支持多种期权定价模型、隐含波动率曲面计算、希腊值风险跟踪等功能\n\n    * :arrow_up: [portfolio_strategy](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_portfoliostrategy)：组合策略模块，面向同时交易多合约的量化策略（Alpha、期权套利等），提供历史数据回测和实盘自动交易功能\n\n    * :arrow_up: [algo_trading](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_algotrading)：算法交易模块，提供多种常用的智能交易算法：TWAP、Sniper、Iceberg、BestLimit等\n\n    * :arrow_up: [script_trader](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_scripttrader)：脚本策略模块，面向多标的类量化策略和计算任务设计，同时也可以在命令行中实现REPL指令形式的交易，不支持回测功能\n\n    * :arrow_up: [paper_account](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_paperaccount)：本地仿真模块，纯本地化实现的仿真模拟交易功能，基于交易接口获取的实时行情进行委托撮合，提供委托成交推送以及持仓记录\n\n    * :arrow_up: [chart_wizard](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_chartwizard)：K线图表模块，基于RQData数据服务（期货）或者交易接口获取历史数据，并结合Tick推送显示实时行情变化\n\n    * :arrow_up: [portfolio_manager](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_portfoliomanager)：交易组合管理模块，以独立的策略交易组合（子账户）为基础，提供委托成交记录管理、交易仓位自动跟踪以及每日盈亏实时统计功能\n\n    * :arrow_up: [rpc_service](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_rpcservice)：RPC服务模块，允许将某一进程启动为服务端，作为统一的行情和交易路由通道，允许多客户端同时连接，实现多进程分布式系统\n\n    * :arrow_up: [data_manager](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_datamanager)：历史数据管理模块，通过树形目录查看数据库中已有的数据概况，选择任意时间段数据查看字段细节，支持CSV文件的数据导入和导出\n\n    * :arrow_up: [data_recorder](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_datarecorder)：行情记录模块，基于图形界面进行配置，根据需求实时录制Tick或者K线行情到数据库中，用于策略回测或者实盘初始化\n\n    * :arrow_up: [excel_rtd](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_excelrtd)：Excel RTD（Real Time Data）实时数据服务，基于pyxll模块实现在Excel中获取各类数据（行情、合约、持仓等）的实时推送更新\n\n    * :arrow_up: [risk_manager](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_riskmanager)：风险管理模块，提供包括交易流控、下单数量、活动委托、撤单总数等规则的统计和限制，有效实现前端风控功能\n\n    * :arrow_up: [web_trader](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_webtrader)：Web服务模块，针对B-S架构需求设计，实现了提供主动函数调用（REST）和被动数据推送（Websocket）的Web服务器\n\n4. Python交易API接口封装（api），提供上述交易接口的底层对接实现。\n\n    * :arrow_up: REST Client（[rest](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_rest)）：基于协程异步IO的高性能REST API客户端，采用事件消息循环的编程模型，支持高并发实时交易请求发送\n\n    * :arrow_up: Websocket Client（[websocket](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_websocket)）：基于协程异步IO的高性能Websocket API客户端，支持和REST Client共用事件循环并发运行\n\n5. :arrow_up: 简洁易用的事件驱动引擎（event），作为事件驱动型交易程序的核心。\n\n6. 对接各类数据库的适配器接口（database）：\n\n    * SQL类\n\n        * :arrow_up: SQLite（[sqlite](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_sqlite)）：轻量级单文件数据库，无需安装和配置数据服务程序，VeighNa的默认选项，适合入门新手用户\n\n        * :arrow_up: MySQL（[mysql](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_mysql)）：主流的开源关系型数据库，文档资料极为丰富，且可替换其他NewSQL兼容实现（如TiDB）\n\n        * :arrow_up: PostgreSQL（[postgresql](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_postgresql)）：特性更为丰富的开源关系型数据库，支持通过扩展插件来新增功能，只推荐熟手使用\n\n    * NoSQL类\n\n        * DolphinDB（[dolphindb](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_dolphindb)）：一款高性能分布式时序数据库，适用于对速度要求极高的低延时或实时性任务\n\n        * :arrow_up: TDengine（[taos](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_taos)）：分布式、高性能、支持SQL的时序数据库，带有内建的缓存、流式计算、数据订阅等系统功能，能大幅减少研发和运维的复杂度\n\n        * :arrow_up: MongoDB（[mongodb](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_mongodb)）：基于分布式文件储存（bson格式）的文档式数据库，内置的热数据内存缓存提供更快读写速度\n\n7. 对接下述各类数据服务的适配器接口（datafeed）：\n\n    * :arrow_up: 迅投研（[xt](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_xt)）：股票、期货、期权、基金、债券\n\n    * :arrow_up: 米筐RQData（[rqdata](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_rqdata)）：股票、期货、期权、基金、债券、黄金TD\n\n    * :arrow_up: MultiCharts（[mcdata](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_mcdata)）：期货、期货期权\n\n    * :arrow_up: TuShare（[tushare](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_tushare)）：股票、期货、期权、基金\n\n    * :arrow_up: 万得Wind（[wind](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_wind)）：股票、期货、基金、债券\n\n    * :arrow_up: 同花顺iFinD（[ifind](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_ifind)）：股票、期货、基金、债券\n\n    * :arrow_up: 天勤TQSDK（[tqsdk](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_tqsdk)）：期货\n\n    * :arrow_up: 掘金（[gm](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_gm)）：股票\n\n    * :arrow_up: polygon（[polygon](https:\u002F\u002Fwww.github.com\u002Fvnpy\u002Fvnpy_polygon)）：股票、期货、期权\n\n8. :arrow_up: 跨进程通讯标准组件（rpc），用于实现分布式部署的复杂交易系统。\n\n9. :arrow_up: Python高性能K线图表（chart），支持大数据量图表显示以及实时数据更新功能。\n\n10. [社区论坛](http:\u002F\u002Fwww.vnpy.com\u002Fforum)和[知乎专栏](http:\u002F\u002Fzhuanlan.zhihu.com\u002Fvn-py)，内容包括VeighNa项目的开发教程和Python在量化交易领域的应用研究等内容。\n\n11. 官方交流群262656087（QQ），管理严格（定期清除长期潜水的成员），入群费将捐赠给VeighNa社区基金。\n\n注：以上关于功能特点的说明为根据说明文档发布时情况罗列，后续可能存在更新或调整。若功能描述同实际存在出入，欢迎通过Issue联系进行调整。\n\n## 环境准备\n\n* 推荐使用VeighNa团队为量化交易专门打造的Python发行版[VeighNa Studio-4.3.0](https:\u002F\u002Fdownload.vnpy.com\u002Fveighna_studio-4.3.0.exe)，集成内置了VeighNa框架以及VeighNa Station量化管理平台，无需手动安装\n* 支持的系统版本：Windows 11以上 \u002F Windows Server 2022以上 \u002F Ubuntu 22.04 LTS以上\n* 支持的Python版本：Python 3.10以上（64位），**推荐使用Python 3.13**\n\n## 安装步骤\n\n在[这里](https:\u002F\u002Fgithub.com\u002Fvnpy\u002Fvnpy\u002Freleases)下载Release发布版本，解压后运行以下命令安装：\n\n**Windows**\n\n```\ninstall.bat\n```\n\n**Ubuntu**\n\n```\nbash install.sh\n```\n\n**Macos**\n\n```\nbash install_osx.sh\n```\n\n## 使用指南\n\n1. 在[SimNow](http:\u002F\u002Fwww.simnow.com.cn\u002F)注册CTP仿真账号，并在[该页面](http:\u002F\u002Fwww.simnow.com.cn\u002Fproduct.action)获取经纪商代码以及交易行情服务器地址。\n\n2. 在[VeighNa社区论坛](https:\u002F\u002Fwww.vnpy.com\u002Fforum\u002F)注册获得VeighNa Station账号密码（论坛账号密码即是）\n\n3. 启动VeighNa Station（安装VeighNa Studio后会在桌面自动创建快捷方式），输入上一步的账号密码登录\n\n4. 点击底部的**VeighNa Trader**按钮，开始你的交易！！！\n\n注意：\n\n* 在VeighNa Trader的运行过程中请勿关闭VeighNa Station（会自动退出）\n\n## 脚本运行\n\n除了基于VeighNa Station的图形化启动方式外，也可以在任意目录下创建run.py，写入以下示例代码：\n\n```Python\nfrom vnpy.event import EventEngine\nfrom vnpy.trader.engine import MainEngine\nfrom vnpy.trader.ui import MainWindow, create_qapp\n\nfrom vnpy_ctp import CtpGateway\nfrom vnpy_ctastrategy import CtaStrategyApp\nfrom vnpy_ctabacktester import CtaBacktesterApp\n\n\ndef main():\n    \"\"\"Start VeighNa Trader\"\"\"\n    qapp = create_qapp()\n\n    event_engine = EventEngine()\n    main_engine = MainEngine(event_engine)\n    \n    main_engine.add_gateway(CtpGateway)\n    main_engine.add_app(CtaStrategyApp)\n    main_engine.add_app(CtaBacktesterApp)\n\n    main_window = MainWindow(main_engine, event_engine)\n    main_window.showMaximized()\n\n    qapp.exec()\n\n\nif __name__ == \"__main__\":\n    main()\n```\n\n在该目录下打开CMD（按住Shift->点击鼠标右键->在此处打开命令窗口\u002FPowerShell）后运行下列命令启动VeighNa Trader：\n\n    python run.py\n\n## 贡献代码\n\nVeighNa使用Github托管其源代码，如果希望贡献代码请使用github的PR（Pull Request）的流程:\n\n1. [创建 Issue](https:\u002F\u002Fgithub.com\u002Fvnpy\u002Fvnpy\u002Fissues\u002Fnew) - 对于较大的改动（如新功能，大型重构等）建议先开issue讨论一下，较小的improvement（如文档改进，bugfix等）直接发PR即可\n\n2. Fork [VeighNa](https:\u002F\u002Fgithub.com\u002Fvnpy\u002Fvnpy) - 点击右上角**Fork**按钮\n\n3. Clone你自己的fork: ```git clone https:\u002F\u002Fgithub.com\u002F$userid\u002Fvnpy.git```\n\t* 如果你的fork已经过时，需要手动sync：[同步方法](https:\u002F\u002Fhelp.github.com\u002Farticles\u002Fsyncing-a-fork\u002F)\n\n4. 从**dev**创建你自己的feature branch: ```git checkout -b $my_feature_branch dev```\n\n5. 在$my_feature_branch上修改并将修改push到你的fork上\n\n6. 创建从你的fork的$my_feature_branch分支到主项目的**dev**分支的[Pull Request] -  [在此](https:\u002F\u002Fgithub.com\u002Fvnpy\u002Fvnpy\u002Fcompare?expand=1)点击**compare across forks**，选择需要的fork和branch创建PR\n\n7. 等待review, 需要继续改进，或者被Merge!\n\n在提交代码的时候，请遵守以下规则，以提高代码质量：\n\n  * 使用[ruff](https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fruff)检查你的代码样式，确保没有error和warning。在项目根目录下运行```ruff check .```即可。\n  * 使用[mypy](https:\u002F\u002Fgithub.com\u002Fpython\u002Fmypy)进行静态类型检查，确保类型注解正确。在项目根目录下运行```mypy vnpy```即可。\n\n## 其他内容\n\n* [获取帮助](https:\u002F\u002Fgithub.com\u002Fvnpy\u002Fvnpy\u002Fblob\u002Fdev\u002F.github\u002FSUPPORT.md)\n* [社区行为准则](https:\u002F\u002Fgithub.com\u002Fvnpy\u002Fvnpy\u002Fblob\u002Fdev\u002F.github\u002FCODE_OF_CONDUCT.md)\n* [Issue模板](https:\u002F\u002Fgithub.com\u002Fvnpy\u002Fvnpy\u002Fblob\u002Fdev\u002F.github\u002FISSUE_TEMPLATE.md)\n* [PR模板](https:\u002F\u002Fgithub.com\u002Fvnpy\u002Fvnpy\u002Fblob\u002Fdev\u002F.github\u002FPULL_REQUEST_TEMPLATE.md)\n\n## 版权说明\n\nMIT\n","VeighNa是一个基于Python的开源量化交易平台开发框架。它提供了丰富的功能，包括多因子机器学习策略开发、投研和实盘交易解决方案。其核心模块vnpy.alpha专为AI量化策略设计，支持高效的特征工程、多种主流机器学习算法（如Lasso、LightGBM和MLP）的模型训练，以及基于这些模型快速构建量化交易策略。此外，还集成了完整的投研流程管理工具和可视化分析功能，方便用户评估策略表现。该框架适用于金融机构、私募基金、证券公司等需要进行复杂量化交易策略研究与执行的场景。",2,"2026-06-11 02:42:27","top_all"]