LLMQuant/quant-mind

What it solves

QuantMind は定量金融向けに設計された情報プロセッサです。研究論文、ニュース記事、提出書類といった生の非構造化金融データを、下流の検索や推論で信頼して利用できる構造化・型付けされた知識に変換します。抽出された知識はすべて元の引用情報とタイムスタンプを保持するため、正確な時間ベースのクエリや出典追跡が可能です。

How it works

QuantMind は決定論的前処理と設定駆動のオペレーションパイプラインで動作します。リポジトリ自体を「ハーネスエンジニアリング」アプローチで構築し、Claude や Codex といったコーディングエージェントが利用できるようにしています。これらのエージェントはリポジトリレベルのコントラクト、ポータブルスキル、決定論的検証スクリプトを用いてフローを構築・洗練します。

開発者向けには、以下の Python ライブラリとフローを提供します:

• PaperFlow: arXiv の PDF を構造化ツリーまたはページ認識付きチャンク集合に変換し、全体サマリー（semantic shape）を生成します。
• collect_news: PR Newswire などのソースから、指定した時間ウィンドウ内のニュースを収集するツールです。
• batch_run: 複数入力に対して並行実行できるユーティリティです。
• magic: 自然言語の自由形式インテントを特定のフロー入力と設定に変換するモジュールです。

Who it’s for

• Quantitative Researchers: 金融論文やニュースを構造化データベースに変換して研究に活用したい方。
• AI Agents/Developers: 信頼性の高い、エージェントネイティブなフレームワークで金融データパイプラインを構築したいコーディングエージェントや開発者。
• Financial Data Engineers: 金融向けの RAG（Retrieval‑Augmented Generation）またはエージェント型 RAG システムを構築するエンジニア。

Highlights

• Agent-Native Design: リポジトリは「ハーネス」として構築され、コントラクトとフックにより汎用コーディングエージェントをドメインスペシャリストに昇格させます。
• Source-Faithful Extraction: 決定論的前処理を用いて、モデルを介さずに正確な出典情報と再現性を保証します。
• Typed Knowledge Shapes: Paper、News、Earnings、Factor、Thesis といった自己完結型アーティファクトを生成し、各々がメタデータを保持します。
• Deterministic Verification: verify.sh スクリプトが lint、型チェック、テストを強制し、デプロイ前にコード品質を確保します。