原创内容第836篇，专注智能量化投资、个人成长与财富自由。

aitrader5.0继续开发。

aitrader代码发布，支持双引擎。（代码+数据下载）

之前我们写过双引擎：streamlit+ dash，现在加一个引擎就是toga+pyecharts。

股票智能投研的界面：

通过main启动界面引擎：

from multiprocessing import Process

import dash
import toga
from toga.constants import WindowState
from toga.style import Pack
from gui.tab_dashboard import create_dashboard
from gui.tab_datadownload import create_tab
from zvt.main import serve_layout


class LabxApp(toga.App):


    def create_datas_tab(self):
        data_box = toga.Box()


        return data_box

    def create_tabs(self):

        webview = toga.WebView(
            url="http://www.ailabx.com/mall",
            # on_webview_load=self.on_webview_load,
            style=Pack(flex=1),
        )

        streamlit_webview = toga.WebView(
            url="http://localhost:8501",
            # on_webview_load=self.on_webview_load,
            style=Pack(flex=1),
        )

        dash_webview = toga.WebView(
            url="http://localhost:8050",
            # on_webview_load=self.on_webview_load,
            style=Pack(flex=1),
        )

        tabs = [("策略优选", webview),
                ('ETF基金智能投研', streamlit_webview),
                ('股票智能投研', dash_webview),
                ("金融数据下载", create_tab()),
                ("市场看板", create_dashboard())
                ]

        self.optioncontainer = toga.OptionContainer(
            content=tabs,
            style=Pack(margin_bottom=20, flex=1, margin=10)
        )
        return self.optioncontainer

    def startup(self):
        """Construct and show the Toga application.

        Usually, you would add your application to a main content box.
        We then create a main window (with a name matching the app), and
        show the main window.
        """
        main_box = toga.Box()

        self.main_window = toga.MainWindow(title=self.formal_name)
        self.main_window.content = self.create_tabs()

        self.main_window.show()
        self.main_window.state = WindowState.MAXIMIZED

def main():
    return LabxApp("aitrader_AI量化投资实验室", "com.ailabx",author = "飞狐", home_page = "http://www.ailabx.com")

def run_streamlit():
    import subprocess, os
    streamlit_file = os.path.join(os.path.dirname(__file__), 'gui', 'streamlit_main.py')
    p_restart = subprocess.Popen(["streamlit", "run", streamlit_file])
    return p_restart


from zvt.ui import zvt_app
def run_dash():
    zvt_app.layout = serve_layout

    zvt_app.run(port=8050)

if __name__ == "__main__":

    # 启动 Streamlit
    p = run_streamlit()
    dash_process = Process(target=run_dash)
    dash_process.start()
    main().main_loop()
    p.kill()
    dash_process.kill()

吾日三省吾身

天下本无事，庸人自扰之。

大胆一点，世间是一个巨大的游乐场，勇敢去体验。

守好底线，认真生活。

代码和数据下载：AI量化实验室——2025量化投资的星辰大海

AI量化实验室 星球，已经运行三年多，1500+会员。

aitrader代码，因子表达式引擎、遗传算法（Deap）因子挖掘引擎等，支持vnpy，qlib，backtrader和bt引擎，内置多个年化30%+的策略，每周五迭代一次，代码和数据在星球全部开源。

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）
deap系统重构，再新增一个新的因子，年化39.1%，卡玛提升至2.76（附python代码）

aitrader_v4.6代码发布，支持duckdb|股票全量数据（python代码+数据）

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