LLMQuant/quant-mind

What it solves

QuantMind는 정량 금융을 위해 설계된 정보 프로세서입니다. 연구 논문, 뉴스 기사, 제출 서류와 같은 원시 비구조화 금융 데이터를 하위 검색 및 추론에 신뢰할 수 있는 구조화된 타입 지식으로 변환합니다. 추출된 모든 지식은 원본 인용과 타임스탬프를 유지하므로 정확한 시간 기반 질의와 출처 추적이 가능합니다.

How it works

QuantMind는 결정론적 전처리와 설정 기반 작업 파이프라인을 통해 동작합니다. "harness engineering" 접근 방식을 사용해 레포지토리 자체를 Claude나 Codex와 같은 코딩 에이전트가 활용하도록 설계했습니다. 이러한 에이전트는 레포 수준 계약, 포터블 스킬, 결정론적 검증 스크립트를 이용해 흐름을 구축하고 다듬습니다.

개발자를 위해 다음과 같은 Python 라이브러리와 전용 흐름을 제공합니다:

• PaperFlow: arXiv PDF를 구조화된 계층(구조 트리) 또는 페이지 인식 청크 집합으로 변환하고 전역 요약(semantic shape)을 생성합니다.
• collect_news: PR Newswire와 같은 소스에서 지정된 시간 창 내의 뉴스를 수집하는 도구입니다.
• batch_run: 여러 입력에 대해 동시에 작업을 실행할 수 있는 유틸리티입니다.
• magic: 자유 형식 자연어 의도를 특정 흐름 입력 및 설정으로 변환하는 모듈입니다.

Who it’s for

• Quantitative Researchers: 금융 논문과 뉴스를 구조화된 데이터베이스로 전환해 연구에 활용하고자 하는 연구자.
• AI Agents/Developers: 신뢰할 수 있는 에이전트‑네이티브 프레임워크로 금융 데이터 파이프라인을 구축하고자 하는 코딩 에이전트 및 개발자.
• Financial Data Engineers: 금융 분야의 RAG(Retrieval‑Augmented Generation) 또는 에이전트형 RAG 시스템을 구축하는 엔지니어.

Highlights

• Agent-Native Design: 레포지토리는 "harness" 형태로 구축되어 계약과 훅을 통해 일반 코딩 에이전트를 도메인 전문가로 업그레이드합니다.
• Source-Faithful Extraction: 결정론적 전처리를 사용해 모델을 거치지 않고 정확한 출처와 재현성을 보장합니다.
• Typed Knowledge Shapes: Paper, News, Earnings, Factor, Thesis와 같은 자체 포함 아티팩트를 생성하며, 각 아티팩트는 자체 메타데이터를 포함합니다.
• Deterministic Verification: verify.sh 스크립트가 린트, 타입 검사 및 테스트를 강제하여 배포 전 코드 품질을 보장합니다.