QuantMind

AI 驱动的多市场量化交易平台

数据采集 → 因子挖掘 → 模型训练 → 策略回测 → 智能推理 → 实盘交易

快速开始 • 系统架构 • 多市场数据 • AI 能力 • 部署指南

---

项目起源

本项目基于 qusong0627/QuantMind 分支开发，感谢原作者提供的基础架构和核心思路。

在原项目基础上，本分支进行了以下主要扩展和整合：

• Qlib 深度集成 — 集成微软 Qlib 量化框架，实现 Alpha158 因子集 + LightGBM 模型训练
• RD-Agent 因子挖掘 — 整合微软 RD-Agent，实现 AI 自动因子进化
• TradingAgents 投研 — 整合 TradingAgents-Astock 多 Agent A 股投研框架
• 数据平台 — 统一多市场多数据源接入（A/HK/US/Crypto），151 维特征工程
• 模型全生命周期 — 训练 → 版本管理 → 推理 → 信号生成完整闭环
• 实盘交易 — QMT 券商对接、模拟盘验证、风控系统
• QuantBot 智能助手 — 自然语言交互，意图识别驱动操作
• 多市场扩展 — 港股、美股、加密货币数据管线和回测支持

感谢原项目奠定的基础，使后续扩展成为可能。

---

项目简介

QuantMind 是一个端到端的量化交易平台，集成了微软 Qlib 量化框架和 RD-Agent 智能体，支持 A 股、港股、美股、加密货币四个市场。

核心能力：

• 多市场数据管线 — 自动采集、清洗、校准 A/HK/US/Crypto 行情数据
• AI 因子挖掘 — 基于 RD-Agent 的自动化因子进化
• 模型训练与推理 — Alpha158 + LightGBM，支持增量训练和自动推理
• 策略生成 — AI 辅助生成 Qlib 策略代码，支持自然语言交互
• 回测引擎 — 基于 Qlib 的高性能回测，支持多策略对比
• 投研平台 — 多 Agent 协作的 A 股研究报告生成

---

快速开始

环境要求

• Docker & Docker Compose
• 8GB+ 内存（推荐 16GB）
• 50GB+ 磁盘空间（含数据）

一键部署

# 克隆仓库
git clone https://github.com/guge199205-byte/QuantMind-oss.git
cd QuantMind-oss

# 配置环境变量
cp .env.example .env
# 编辑 .env，设置 DB_PASSWORD、SECRET_KEY 等

# 启动所有服务
docker compose up -d

# 查看日志
docker compose logs -f api

服务启动后：

• Web 界面: http://localhost:3000
• API 文档: http://localhost:8000/docs
• 引擎服务: http://localhost:8001

下载市场数据

从 Releases 下载数据文件：

# 下载港股数据（41MB H5 + 24MB Qlib）
wget https://github.com/guge199205-byte/QuantMind-oss/releases/download/v1.0.0-data/hk_data_h5.tar.gz
wget https://github.com/guge199205-byte/QuantMind-oss/releases/download/v1.0.0-data/hk_qlib_data.tar.gz

# 解压到 db 目录
tar xzf hk_data_h5.tar.gz -C db/
tar xzf hk_qlib_data.tar.gz -C db/

# 复制到 Docker 容器
docker cp db/hk_data quantmind:/app/db/
docker cp db/qlib_data/hk_data quantmind:/app/db/qlib_data/

# 美股、加密货币同理

---

系统架构

┌─────────────────────────────────────────────────────────────────┐
│                        Electron 桌面端                          │
│  ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐          │
│  │ 仪表盘   │ │ 策略向导 │ │ 回测中心 │ │ 投研平台 │          │
│  └──────────┘ └──────────┘ └──────────┘ └──────────┘          │
└───────────────────────────┬─────────────────────────────────────┘
                            │ HTTP/WebSocket
┌───────────────────────────┴─────────────────────────────────────┐
│                      API Gateway (Nginx)                        │
└───┬──────────┬──────────┬──────────┬────────────────────────────┘
    │          │          │          │
    ▼          ▼          ▼          ▼
┌───────┐ ┌───────┐ ┌───────┐ ┌───────┐
│ API   │ │Engine │ │Trade  │ │Stream │
│ :8000 │ │ :8001 │ │ :8002 │ │ :8003 │
└───┬───┘ └───┬───┘ └───┬───┘ └───┬───┘
    │         │         │         │
    ▼         ▼         ▼         ▼
┌───────────────────────────────────────┐
│          PostgreSQL + Redis           │
└───────────────────────────────────────┘

服务职责

技术栈

---

多市场数据

QuantMind 支持四个市场的数据采集和管理：

数据表结构

数据管线

原始数据源 → PostgreSQL → 技术指标计算 → Qlib bin → H5 文件 → 特征工程 Parquet

每个市场包含 35+ 技术指标：

• 均线: MA5/10/20/60, 距均线偏离度
• 动量: RSI(6/14), MACD(12/26/9), KDJ(9)
• 波动: ATR(14/20), 标准差, 下行波动率
• 资金: VPIN, 量比, 换手率
• 风格: Beta, 特质波动率, 市值因子

A 股数据同步

A 股数据通过 daily_data_sync.py 自动同步：

# 手动触发同步
python backend/scripts/daily_data_sync.py

# 仅同步行情数据
python backend/scripts/daily_data_sync.py --skip-indicators

# 仅计算指标
python backend/scripts/daily_data_sync.py --indicators-only

同步流程：

1. 拉取 investment_data（GitHub releases）
2. 更新 baostock 日线
3. 合并数据到 PostgreSQL
4. 生成 Qlib bin 格式
5. 计算 35+ 技术指标
6. 生成特征 Parquet（151 维）

港股数据导入

# 从 Parquet 文件导入（2020-2026）
python backend/scripts/import_hk_parquet.py --since 2020

# 从 yfinance 同步近期数据
python backend/scripts/sync_hk_recent.py --since 2026-05-09

# 重建 H5 和 Qlib 格式
python backend/scripts/rebuild_hk_h5.py --qlib

数据管理

管理员可通过 Web 界面管理数据：

• 数据管理 → 查看各市场数据状态
• 同步数据 → 触发增量同步
• 更新特征 → 重新计算特征 Parquet
• 同步基本面 → 更新 PE/PB/ROE 等指标

---

AI 能力

1. AI 策略生成（AI-IDE）

自然语言描述策略需求，AI 自动生成 Qlib 策略代码：

用户: 帮我写一个港股动量策略，选 RSI 低于 30 的股票，MA5 金叉 MA20 时买入
AI: [生成完整的 Qlib 策略代码，包含选股、买入、卖出、风控逻辑]

支持的市场：

• CN — A 股，使用 /app/db/qlib_data 数据
• HK — 港股，使用 /app/db/qlib_data/hk_data 数据
• US — 美股，使用 /app/db/qlib_data/us_data 数据
• CRYPTO — 加密货币，使用 /app/db/qlib_data/crypto_data 数据

2. RD-Agent 因子挖掘

基于微软 RD-Agent 的自动化因子进化：

# 启动因子进化
POST /api/v1/alpha-agent/evolve
{
  "market": "hong_kong",
  "iterations": 10
}

流程：

1. 从市场数据中提取候选因子
2. 使用 LLM 生成因子假设
3. 回测验证因子有效性
4. 迭代优化，保留有效因子

3. TradingAgents 投研

多 Agent 协作的 A 股研究框架（7 个 AI 分析师）：

• 基本面分析师 — 财报、估值分析
• 技术分析师 — K 线形态、技术指标
• 消息面分析师 — 新闻、公告解读
• 情绪分析师 — 市场情绪、资金流向
• 风险评估师 — 风险量化、回撤控制
• 辩论模块 — 多空观点碰撞
• 决策模块 — 综合研判，生成报告

4. QuantBot 智能助手

自然语言交互，支持：

• 策略查询和修改
• 回测执行和结果解读
• 市场行情问答
• 操作指引

---

回测引擎

基于微软 Qlib 的高性能回测：

快速回测

from qlib.contrib.strategy import TopkDropoutStrategy
from qlib.backtest import backtest

# 配置策略
strategy = TopkDropoutStrategy(
    signal=pred_signal,
    topk=50,
    n_drop=5,
)

# 执行回测
report, indicator = backtest(
    strategy=strategy,
    start_time="2024-01-01",
    end_time="2024-12-31",
    account=1000000,
)

回测参数

---

项目结构

QuantMind-oss/
├── backend/
│   ├── main_oss.py                 # 统一入口
│   ├── shared/                     # 跨服务共享模块
│   │   ├── db_manager.py           # 数据库连接池
│   │   ├── redis_client.py         # Redis 客户端
│   │   ├── stock_utils.py          # 股票代码工具
│   │   └── trading_calendar.py     # 交易日历
│   ├── services/
│   │   ├── api/                    # API 服务
│   │   │   ├── routers/            # 路由定义
│   │   │   └── user_app/           # 用户认证
│   │   ├── engine/                 # 引擎服务
│   │   │   ├── ai_strategy/        # AI 策略生成
│   │   │   ├── qlib_app/           # Qlib 回测
│   │   │   ├── alpha_agent/        # Alpha Agent
│   │   │   ├── rd_agent/           # RD-Agent 因子挖掘
│   │   │   ├── trading_agents/     # TradingAgents 投研
│   │   │   └── routers/            # 引擎路由
│   │   ├── trade/                  # 交易服务
│   │   └── stream/                 # 行情服务
│   └── scripts/
│       ├── daily_data_sync.py      # 每日数据同步
│       ├── import_hk_parquet.py    # 港股 Parquet 导入
│       ├── sync_hk_recent.py       # 港股近期数据同步
│       └── rebuild_hk_h5.py        # H5/Qlib 重建
├── electron/
│   ├── src/
│   │   ├── components/             # UI 组件
│   │   ├── features/               # 功能模块
│   │   │   ├── dashboard/          # 仪表盘
│   │   │   ├── strategy-wizard/    # 策略向导
│   │   │   ├── backtest/           # 回测中心
│   │   │   ├── trading-agents/     # 投研平台
│   │   │   └── admin/              # 管理后台
│   │   ├── services/               # API 调用
│   │   └── config/                 # 配置
│   └── package.json
├── docker/
│   ├── Dockerfile                  # 后端镜像
│   └── nginx.conf                  # Nginx 配置
├── db/                             # 数据目录（gitignore）
│   ├── qlib_data/                  # Qlib bin 格式
│   │   ├── cn_data/                # A 股
│   │   ├── hk_data/                # 港股
│   │   ├── us_data/                # 美股
│   │   └── crypto_data/            # 加密货币
│   ├── hk_data/                    # 港股 H5
│   ├── us_data/                    # 美股 H5
│   └── crypto_data/                # 加密货币 H5
└── docker-compose.yml

---

部署指南

生产环境部署

# 1. 克隆代码
git clone https://github.com/guge199205-byte/QuantMind-oss.git
cd QuantMind-oss

# 2. 配置环境变量
cat > .env << EOF
DB_HOST=db
DB_PORT=5432
DB_NAME=quantmind
DB_USER=quantmind
DB_PASSWORD=your_secure_password
REDIS_HOST=redis
REDIS_PORT=6379
SECRET_KEY=your_secret_key
JWT_SECRET_KEY=your_jwt_secret
EOF

# 3. 启动服务
docker compose up -d

# 4. 下载数据
# 从 Releases 下载数据文件并解压到 db/

# 5. 初始化数据库
docker exec quantmind python -c "from backend.shared.db_manager import DatabaseManager; DatabaseManager().init_tables()"

# 6. 构建股票索引
docker exec quantmind python backend/services/api/scripts/build_stock_index.py

前端开发

cd electron
npm install
npm run dev          # Electron 桌面端
npm run dev:web      # Web 浏览器
npm run typecheck    # 类型检查

后端开发

# 单服务启动
SERVICE_MODE=api python backend/main_oss.py
SERVICE_MODE=engine python backend/main_oss.py

# 运行测试
python backend/run_tests.py unit
python backend/run_tests.py integration

---

定时任务

---

环境变量

---

贡献指南

欢迎提交 Issue 和 Pull Request！

# 1. Fork 仓库
# 2. 创建特性分支
git checkout -b feature/your-feature

# 3. 提交更改
git commit -m "feat: add your feature"

# 4. 推送并创建 PR
git push origin feature/your-feature

---

License

GNU Affero General Public License v3.0

---

免责声明

本项目仅供学习研究与技术演示，不构成任何投资建议。

• 本系统产出的所有分析报告和交易信号均由 AI 自动生成，可能存在错误或偏差
• 投资决策请咨询持有中国证监会颁发资质的专业机构
• 作者不对使用本工具产生的任何投资损失承担责任
• 股市有风险，投资需谨慎

---

致谢

核心框架

• Qlib — 微软量化投资平台
• RD-Agent — 微软研发智能体
• AlphaAgent — 因子进化框架
• TradingAgents-Astock — 多 Agent A 股投研框架
• LightGBM — 微软梯度提升框架
• FastAPI — 现代高性能 Web 框架
• Huntly — 财经资讯聚合平台
• RSSHub — RSS 源生成工具

数据源与工具

• investment_data — 开源 A 股历史行情数据，提供完整的日线/分钟线/财务数据，支持 Qlib 格式
• exchange_calendars — 全球交易所交易日历，覆盖 A 股、美股、港股等多市场
• baostock — 证券宝，免费 A 股行情数据接口
• akshare — AKShare，开源财经数据接口
• pandas / pyarrow — 数据处理与 Parquet 格式支持

---

QQ 群

---

QuantMind — 让量化交易更简单