Lumibot 量化交易框架
用 Python 构建、回测并运行规则化或 AI 驱动的交易策略。
按维度查看评分与理由
证据显示：README 强调先纸面交易再实盘，示例中明确设置 PAPER=true，且 AI 代理默认 allow_trading=False，仅 trader 代理可交易，体现了最小权限原则。但未发现用户确认机制（如交易前确认），数据流透明度仅部分体现（如代理上下文传递），敏感数据处理有 SECURITY.md 和 .env 加载，但未明确加密或脱敏。依赖安全有 CI 和依赖列表，但未提及漏洞扫描。外部影响（如订单提交）有明确说明，但缺少回滚机制。来源归属有 LICENSE 和作者信息，但发布者未验证。
证据显示：README 和示例代码一致，CI 配置完整，依赖列表明确，失败消息有示例（如 'No price available'），但未提供错误处理文档。
证据显示：README 明确目标用户（开发者、交易者），支持多种资产和场景，能力边界有说明（如支持和不支持的资产），触发条件（如交易信号）有示例，环境适配（如 Python 版本、操作系统）有说明。
证据显示：README 结构清晰，安装说明简单，命名稳定（如 Strategy 类），示例丰富，但已知限制未明确列出，许可证为 GPL-3.0（与 README 中 MIT 徽章不一致），版本变更日志未提供，维护责任有社区链接。
证据显示：输出可用性（如回测报告、日志）有说明，边际价值（如 AI 代理团队）有对比，成本效益（如 BotSpot 托管）有提及，但未提供具体数据。
证据显示：README 中的声明有代码示例支持，但跨来源验证不足（如与其他项目对比未提供数据），事实与推断区分不明确（如性能声明）。
- 许可证不一致：README 显示 MIT 徽章，但 LICENSE 文件为 GPL-3.0，需确认实际许可证。
- 示例策略中包含本地绝对路径（如 /Users/robertgrzesik/...），可能泄露开发环境信息，且不具可移植性。
- 依赖列表包含多个大型库，但未提供版本锁定或安全审计，存在供应链风险。
- AI 代理的交易权限默认关闭，但用户需自行确保配置正确，否则可能意外交易。
这个 Agent 能做什么，适合哪些场景？
Lumibot 是一个 Python 算法交易框架，可将同一 Strategy 用于历史回测、模拟交易和实盘经纪商运行。其核心接口包括 Strategy、Trader、Alpaca，以及 YahooDataBacktesting 等回测数据类。内置 AI agent runtime 支持在策略循环中创建多个分工代理，让它们读取市场、基本面、SEC 文件、FRED 宏观数据、指标和本地记忆，并由获授权的代理提交订单。代理运行可记录 SQLite 和 Parquet 格式的记忆、工具调用、决策、订单和其他运行产物，便于回测复盘。项目可自托管运行，也提供围绕 Lumibot 的 BotSpot 托管部署路径。
开发者继承 Strategy，并在 on_trading_iteration 中读取策略状态、通过 create_order 创建订单、以 submit_order 提交订单。Strategy.backtest(YahooDataBacktesting, start, end) 会以历史数据和模拟订单执行策略；实盘或模拟盘则创建 Alpaca 配置和实例，将策略加入 Trader，再调用 trader.run_all()。AI 策略通过 self.agents.create(name, model, allow_trading, system_prompt) 创建代理，并以 self.agents[...].run(task_prompt, context) 串联研究、看多、看空和交易决策；只有 allow_trading=True 的代理可交易。文档列出的内置工具可访问市场与账户状态、订单、DuckDB、文档搜索、指标、SEC、FRED、本地记忆和 Telegram 通知，并支持挂载外部 MCP 服务器。
- 希望先用 2023–2024 年 Yahoo 历史数据验证买入规则，再改用 Alpaca 模拟盘运行的 Python 交易者。
- 需要让研究、看多、看空和组合经理代理围绕 ETF 或股票依次给出依据与交易决定的量化团队。
- 希望将 Python 风控门槛与代理研究结合，并在连接真实资金前检查订单、日志和回测产物的团队。
- 需要针对股票、期权、加密资产、期货、外汇或 Polymarket 预测合约选择经纪商或数据源的策略开发者。
- 希望用 DuckDB 分析时间序列、保存本地 SQLite/Parquet 代理记忆，并追溯某次交易依据的研究人员。
这个 Agent 有哪些优点和局限？
- 同一个 Strategy 代码路径可用于回测、模拟盘和经纪商执行，而非仅提供研究或提示词演示。
- AI runtime 支持多代理分工、只读研究代理与可交易代理的权限区分，并可在普通 Python 策略中叠加确定性控制。
- 回测与代理运行可保存 SQLite、Parquet、订单、工具调用和决策产物，便于审查代理为何交易。
- README 明确列出多个经纪商、市场类型和回测数据路径，包括 Alpaca、Interactive Brokers、Tradier、Schwab、期货、期权和 Polymarket。
- 运行模拟盘或实盘必须自行配置相应经纪商凭据；网络、市场数据和订单路由依赖外部服务。
- AI 团队示例依赖有效的模型提供商密钥；缺失或无效密钥时，项目会停止并报错。
- CCXT 支持并非覆盖全部交易所：README 只列出部分自动识别凭据路径、手动配置路径和回测示例。
- 许可证信息存在冲突：仓库元数据标为 GPL-3.0，而 README 的徽章和许可证章节标为 MIT，采用前需要核实 LICENSE 文件。
如何安装或部署这个 Agent？
安装：pip install lumibot。要从源码参与开发，文档给出的命令是 pip install -r requirements_dev.txt && pip install -e .。AI 交易团队示例需要有效的模型提供商密钥；README 的示例使用 GEMINI_API_KEY。Alpaca 模拟或实盘运行还需要 ALPACA_API_KEY、ALPACA_API_SECRET，并可设置 ALPACA_IS_PAPER=true。
如何使用这个 Agent？
创建 my_strategy.py，从 lumibot.strategies 导入 Strategy、从 lumibot.backtesting 导入 YahooDataBacktesting，定义 on_trading_iteration，然后调用 MyStrategy.backtest(YahooDataBacktesting, datetime(2023, 1, 1), datetime(2024, 1, 1))，以 python my_strategy.py 运行。要切换到 Alpaca，设置 ALPACA_API_KEY、ALPACA_API_SECRET 和 ALPACA_IS_PAPER=true，以配置字典构造 Alpaca，将 MyStrategy(broker=broker) 加入 Trader，再调用 trader.run_all()。运行代理团队示例时，设置 GEMINI_API_KEY 和上述 Alpaca 环境变量，并运行 python ai_trading_team_bull_bear_leveraged_etf.py；将文件中的 IS_BACKTESTING 改为 True 可改走示例的 Yahoo 回测路径。
这个 Agent 与同类方案有什么区别？
README 将 Lumibot 与 TradingAgents、ai-hedge-fund、OpenAlice、QuantDinger、OpenBB 和 Qlib 对比；其定位强调 Python 策略、可组合的代理团队、回放式决策检查和经纪商执行。它也与 Backtrader、Freqtrade、Zipline、Backtesting.py、Jesse、vectorbt、NautilusTrader 和 Hummingbot 对比，重点是同代码回测/实盘、期权支持、内置 AI runtime 及 BotSpot 托管路径。
常见问题
它能直接拿来实盘交易吗？
AI 代理能否自行下单？
allow_trading=False 将研究、看多和看空代理限制为只读，只有 allow_trading=True 的最终交易代理可提交订单。回测时是否每次都会产生新的模型调用费用？
需要 BotSpot 才能使用吗？
pip install lumibot 和自托管的 Alpaca/Trader 运行方式；BotSpot 是可选的托管数据、回测、部署和监控路径。