Bonsai-demo金融分析实战用yfinanceJupyter构建本地量化分析的完整指南【免费下载链接】Bonsai-demoBonsai Demo项目地址: https://gitcode.com/GitHub_Trending/bo/Bonsai-demoBonsai-demo 是一个可本地运行的超低比特1-bit/2-bitBonsai 大模型部署项目内置 Open WebUI 聊天界面、Jupyter 代码解释器与 yfinance 市场数据库。只需两条命令你就可以在自己的电脑上搭出一个完全私有、免费、无需任何 API Key的本地量化分析工作台——拉股票行情、算收益率、画 K 线图全程不经过云端。为什么本地量化分析值得一试 用云端 AI 做金融分析数据和对话都经过第三方服务器对注重隐私的投资者并不友好。而 Bonsai-demo 的思路是模型本地化Bonsai 27B 采用 ~1.1 比特的极致压缩整机内存占用仅 5~14 GiB 级别消费级电脑就能流畅运行分析工具链开箱即用setup 脚本自动装好 Jupyter、pandas、numpy、matplotlib、yfinance 全家桶对话即分析你用自然语言提问模型自动写 Python、调 yfinance 拉数据、生成图表并附在回复里下图是官方给出的模型性价比曲线黑色数据点是 Bonsai 系列模型文件仅 0.25~1.25 GB 却保持了 50~70 的平均基准分——这意味着你甚至可以在一台轻薄本上跑起本地 AI 量化分析的组合一键安装步骤2 分钟完成克隆仓库并运行安装脚本脚本会自动完成依赖安装、模型下载、代码解释器环境构建setup.shgit clone https://gitcode.com/GitHub_Trending/bo/Bonsai-demo cd Bonsai-demo ./setup.shWindows 用户改用 PowerShell 执行 setup.ps1 即可流程完全一致。 安装过程中会构建一个独立的.venv-jupyter环境预装 Jupyter、matplotlib、pandas、numpy、scipy、sympy 和yfinance——这就是你的本地金融分析引擎。若想跳过可设环境变量BONSAI_CODE_INTERPRETER0见 environment_variables.md。启动本地量化分析工作台只需一条命令启动 Open WebUI 并自动配置所有工具scripts/start_openwebui.sh./scripts/start_openwebui.sh浏览器打开http://localhost:9090一个 ChatGPT 风格的界面就出现了。此时模型已自动挂上Python 代码解释器默认开启服务端 Jupyter 内核执行计算、数据分析、绘图天气、网页抓取等本地工具思考模式27B 会先推理再作答答案上方有可折叠的思考过程块详细说明可参考 OPENWEBUI.md。yfinance 金融分析实战4 个直接抄的提问模板 在聊天框直接输入自然语言即可模型会自动调用 yfinance 拉取真实行情。试试这些① 画行情图用 yfinance 拉取 AAPL 最近一年的日线收盘价画出走势图并叠加 30 日均线② 指标对比计算 SPY 和 QQQ 过去 5 年的年化收益、年化波动率和最大回撤用表格对比③ 绘图验证画出 TSLA 近两年的股价和成交量标注出年内最高点出现的日期④ 组合分析构建等权组合AAPL、MSFT、NVDA计算过去 3 年相对 SP500 的超额收益每次执行后matplotlib 生成的图表会直接作为图片附件出现在对话中方便截图存档。Jupyter 代码执行是如何工作的这套体验背后是一个很克制的设计源码见 scripts/openwebui/tool_code_interpreter.pystart_openwebui.sh会在127.0.0.1:8888启动一个本地 Jupyter 内核仅本机可访问模型决定执行代码时代码发送到该内核运行输出经截断和清洗后返回每次调用都是全新内核——所以模型会在一段代码里自行完成 import 和全部步骤你无需关心状态残留图表输出会被自动识别并通过文件事件挂接到消息上而不是暴露内部 URL工具与模型的注册逻辑见 scripts/openwebui/seed_openwebui.py每次启动都会幂等重灌改完工具代码重启即可生效。实战小贴士 ✅一次问完整因为每次调用是全新内核把拉数据 计算 绘图写进同一个问题里效率最高数据是真实行情yfinance 拉取的是公开市场数据但注意网络波动可能导致个别日期缺失可让模型检查缺失值隐私保障模型、Jupyter 内核、Open WebUI 全部跑在 127.0.0.1你的分析对话不出本机想关掉代码执行BONSAI_CODE_INTERPRETER0后重启即可总结Bonsai-demo 把本地大模型 Jupyter yfinance这条通常要手动折腾半天的本地量化链路压缩成了./setup.sh和./scripts/start_openwebui.sh两条命令。它证明了用不到 1.25 GB 的模型文件也能在普通电脑上得到一个会写代码、会拉行情、会画图的本地 AI 金融分析助手——数据主权和零成本这才是本地量化分析的最大价值。【免费下载链接】Bonsai-demoBonsai Demo项目地址: https://gitcode.com/GitHub_Trending/bo/Bonsai-demo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/9/18 23:39:09 · 阅读 1.2k Bonsai-demo金融分析实战：用yfinance+Jupyter构建本地量化分析的完整指南
Bonsai-demo金融分析实战用yfinanceJupyter构建本地量化分析的完整指南【免费下载链接】Bonsai-demoBonsai Demo项目地址: https://gitcode.com/GitHub_Trending/bo/Bonsai-demoBonsai-demo 是一个可本地运行的超低比特1-bit/2-bitBonsai 大模型部署项目内置 Open WebUI 聊天界面、Jupyter 代码解释器与 yfinance 市场数据库。只需两条命令你就可以在自己的电脑上搭出一个完全私有、免费、无需任何 API Key的本地量化分析工作台——拉股票行情、算收益率、画 K 线图全程不经过云端。为什么本地量化分析值得一试 用云端 AI 做金融分析数据和对话都经过第三方服务器对注重隐私的投资者并不友好。而 Bonsai-demo 的思路是模型本地化Bonsai 27B 采用 ~1.1 比特的极致压缩整机内存占用仅 5~14 GiB 级别消费级电脑就能流畅运行分析工具链开箱即用setup 脚本自动装好 Jupyter、pandas、numpy、matplotlib、yfinance 全家桶对话即分析你用自然语言提问模型自动写 Python、调 yfinance 拉数据、生成图表并附在回复里下图是官方给出的模型性价比曲线黑色数据点是 Bonsai 系列模型文件仅 0.25~1.25 GB 却保持了 50~70 的平均基准分——这意味着你甚至可以在一台轻薄本上跑起本地 AI 量化分析的组合一键安装步骤2 分钟完成克隆仓库并运行安装脚本脚本会自动完成依赖安装、模型下载、代码解释器环境构建setup.shgit clone https://gitcode.com/GitHub_Trending/bo/Bonsai-demo cd Bonsai-demo ./setup.shWindows 用户改用 PowerShell 执行 setup.ps1 即可流程完全一致。 安装过程中会构建一个独立的.venv-jupyter环境预装 Jupyter、matplotlib、pandas、numpy、scipy、sympy 和yfinance——这就是你的本地金融分析引擎。若想跳过可设环境变量BONSAI_CODE_INTERPRETER0见 environment_variables.md。启动本地量化分析工作台只需一条命令启动 Open WebUI 并自动配置所有工具scripts/start_openwebui.sh./scripts/start_openwebui.sh浏览器打开http://localhost:9090一个 ChatGPT 风格的界面就出现了。此时模型已自动挂上Python 代码解释器默认开启服务端 Jupyter 内核执行计算、数据分析、绘图天气、网页抓取等本地工具思考模式27B 会先推理再作答答案上方有可折叠的思考过程块详细说明可参考 OPENWEBUI.md。yfinance 金融分析实战4 个直接抄的提问模板 在聊天框直接输入自然语言即可模型会自动调用 yfinance 拉取真实行情。试试这些① 画行情图用 yfinance 拉取 AAPL 最近一年的日线收盘价画出走势图并叠加 30 日均线② 指标对比计算 SPY 和 QQQ 过去 5 年的年化收益、年化波动率和最大回撤用表格对比③ 绘图验证画出 TSLA 近两年的股价和成交量标注出年内最高点出现的日期④ 组合分析构建等权组合AAPL、MSFT、NVDA计算过去 3 年相对 SP500 的超额收益每次执行后matplotlib 生成的图表会直接作为图片附件出现在对话中方便截图存档。Jupyter 代码执行是如何工作的这套体验背后是一个很克制的设计源码见 scripts/openwebui/tool_code_interpreter.pystart_openwebui.sh会在127.0.0.1:8888启动一个本地 Jupyter 内核仅本机可访问模型决定执行代码时代码发送到该内核运行输出经截断和清洗后返回每次调用都是全新内核——所以模型会在一段代码里自行完成 import 和全部步骤你无需关心状态残留图表输出会被自动识别并通过文件事件挂接到消息上而不是暴露内部 URL工具与模型的注册逻辑见 scripts/openwebui/seed_openwebui.py每次启动都会幂等重灌改完工具代码重启即可生效。实战小贴士 ✅一次问完整因为每次调用是全新内核把拉数据 计算 绘图写进同一个问题里效率最高数据是真实行情yfinance 拉取的是公开市场数据但注意网络波动可能导致个别日期缺失可让模型检查缺失值隐私保障模型、Jupyter 内核、Open WebUI 全部跑在 127.0.0.1你的分析对话不出本机想关掉代码执行BONSAI_CODE_INTERPRETER0后重启即可总结Bonsai-demo 把本地大模型 Jupyter yfinance这条通常要手动折腾半天的本地量化链路压缩成了./setup.sh和./scripts/start_openwebui.sh两条命令。它证明了用不到 1.25 GB 的模型文件也能在普通电脑上得到一个会写代码、会拉行情、会画图的本地 AI 金融分析助手——数据主权和零成本这才是本地量化分析的最大价值。【免费下载链接】Bonsai-demoBonsai Demo项目地址: https://gitcode.com/GitHub_Trending/bo/Bonsai-demo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考