原创内容第866篇，专注智能量化投资、个人成长与财富自由。

aitrader的框架后续计划在gitee上托管，地址已经同步在星球中，并发布的初始代码。

不想看代码的同学，我们也打包了相应的exe可以直接运行。

这里介绍一个python打包神器：

https://github.com/brentvollebregt/auto-py-to-exe

它是基于pyinstaller。

选择脚本，基本参数，然后把本地目录选择一下，就可以打包成exe了。

打包过程除了文件目录有一点不对外，基本没有什么问题。

说缺点的话，打包后文件夹比较大，200M，压缩后60来M，还算可以接受吧。另外就是杀毒软件可能会误报，我是直接加到信任名单里，不过可以看下，如何解决让它不误报的问题。

直接点击exe就可以打开软件，不依赖python环境 ：

import timeimport pandas as pdfrom datetime import datetimefrom lightweight_charts import Chartdef rsi(df, period: int = 14):    return pd.DataFrame(        {"time": df["date"], "RSI": talib.RSI(df["close"], timeperiod=14)}    )def sma(df, period: int = 50):    return pd.DataFrame(        {"time": df["time"], f"SMA {period}": df["close"].rolling(window=period).mean()}    ).dropna()def main():    chart = Chart()    df = pd.read_csv("513500.SH.csv")    df = df.rename(columns={        'date': 'time',        'open': 'open',        'high': 'high',        'low': 'low',        'close': 'close'        # 如果有成交量列需添加 'volume'    })    df['time'] = df['time'].apply(lambda x:datetime.strptime(str(x),'%Y%m%d'))    df = df.sort_values('time')  # 确保按时间升序排列    #df.set_index('date', inplace=True)    print(df[['time', 'open', 'high', 'low', 'close']].head())    # 保持与 sma 返回的 SMA {period} 相同    line = chart.create_line("SMA 30")    rsi_chart = chart.create_subchart(height=0.3, width=1, sync=True)    rsi_line = rsi_chart.create_line("RSI")    rsi_line.set(rsi(df))    line.set(sma(df, period=30))    chart.set(df)    chart.show(block=True)if __name__ == "__main__":    main()

吾日三省吾身

在老家。

小城宁静，安逸。

很多人日出而作，日落而息。

开始尽心培养下一代，重视教育。

人类就这样生生不息，一代代往前走。

短期，一天，能做的事情，很有限，其实不必列长长的清单，也许某几天可以完成的很好，但长期会压力大，没有必要。

人生，很长。长到足够你做到几件事情。

七年一辈子，七年足够你用1万小时，去完善一个技能从零到100。

关键是你有没有战略远见，长期思考力，去沉淀一件有价值的事情。

一次不算“激进”的休假，当然中间还是远程处理了工作上的一些事情。

对于技术管理的工作，本来就是喜欢且擅长。

只是工作受地点限制。

代码和数据下载：AI量化实验室——2025量化投资的星辰大海

扩展  •  历史文章   

EarnMore（赚得更多）基于RL的投资组合管理框架：一致的股票表示，可定制股票池管理。（附论文+代码）

年化收益200%+的策略集 | 实时板块资金热力图 「aitrader 5.0系统代码发布」

年化19.66%，回撤12%的稳健策略|manus的启发：基于大模型多智能体的智能投研系统（python代码+数据）

年化30.24%，最大回撤19%，综合动量多因子评分策略再升级（python代码+数据）

年化18%-39.3%的策略集 | backtrader通过xtquant连接qmt实战

stock-pandas，一个易用的talib的替代开源库。