Inalpha

以狐之眼，寻 alpha。

量化使魔 · 回测 = 模拟 = 实盘

对话驱动的量化研究、策略生成与模拟盘交易框架——以 Claude Code 级工程纪律装配。

看代码读文档

闭环

一个闭环：你 → agent → 内核 → 策略。

一个 orchestrator 把你的 prompt 路由到三个 Python 内核，决策回流到对话——全程可追溯。

你Orchestratordatapaperresearch策略

三个内核

三个 Python 服务，一段对话。

data/ python

多 venue 数据：crypto、美股、A 股、港股、日韩澳印巴英德等单股、全球指数、FRED 宏观。

from inalpha_data import get_bars
paper/ python

内存撮合 + 回测引擎 + 持久化模拟盘，状态可回放。

from inalpha_paper import run_backtest
research/ python

多分析师 LLM debate，时效性锚定，不把过期数据当洞察。

from inalpha_research import debate

为什么 Inalpha

工程纪律，不靠玄学。

  • 01

    统一内核

    一份策略代码跑回测 / 模拟 / 实盘。表现必须一致——否则任何一个都没有意义。

  • 02

    Agent 一等公民

    研究、决策、风控、复盘各有独立 agent，立场对立、工具不同、决策可追。不是 chat wrapper。

  • 03

    透明胜过精确

    宁可让 agent 说『我不知道』，也不要它装作很确定却拿不出证据。

  • 04

    纪律胜过捷径

    决策记录、测试、声明式护栏优先。聪明代码是 bug 温床。

  • 05

    长期复利

    稳固基建先于花活功能。活得久比跑得快更重要。

覆盖

已覆盖市场

Crypto 优先，多 venue 出生即标配。所有市场走同一内核、同一套 agent prompt。

  • Crypto
  • 美股
  • A 股
  • 港股
  • 日股
  • 韩股
  • 澳股
  • 印度
  • 英股
  • 德股
  • 全球指数
  • FRED 宏观

底子不一样

Claude Code 级工程绑带。

声明式、配置驱动、可 review。不是 chat wrapper。

hooks

每个 tool call 走中间件。

permissions

工具权限按角色 scope。

plan-exec

先 plan 后 exec，one-shot token。

subagent

风控 / 复盘独立子 agent。

MCP

Model Context Protocol 原生支持。

Swarm

并行 worker 跑参数网格回测。

开始

Star 它，读它，把它撕开。

Inalpha 还在 alpha 阶段，AGPL-3.0。暂时别拿真钱跑——但每一行都在 GitHub 上。

$git clone https://github.com/mirror29/inalpha
GitHub 仓库