qusong0627/QuantMind

QuantMind（量化大脑）开源版是一款面向个人开发者与投研团队的 AI 原生多市场量化交易平台。深度集成微软 Qlib、RD-Agent 因子演化与 QuantBot全能工作台，提供从 300+ 维因子挖掘、13 种机器学习与深度学习模型工场、Qlib 高性能回测、截面批量推理、7x24 实时舆情情绪分析，到通达信深度联动（板块推送/预警雷达/闪电下单）与实盘模拟交易的完整闭环。支持 A股、港股、美股、期货及区块链。可免费商用，系统采用 Docker Compose 一键私有化部署，数据与模型完全本地化，保障策略隐私，功能零门槛无限制。

QuantMind (量化大脑) – 개요

개요 – QuantMind는 오픈소스 AI 우선 퀀트 트레이딩 플랫폼입니다. Microsoft Qlib 퀀트 리서치 프레임워크, RD-Agent 대규모 언어 모델(LLM) 기반 '오토 알파' 엔진, WeChat, QQ, Feishu, DingTalk 등의 채팅 앱에서 접근 가능한 QuantBot이라는 대화형 로봇을 결합합니다. 전체 스택은 Docker 컨테이너에서 실행되며 완전한 엔드투엔드 워크플로우를 제공합니다:

데이터 → 팩터 마이닝 → 모델 학습 → 배치 추론 → 포트폴리오 백테스트 → 모의 거래 → 실전 모니터링

이 시스템은 개인 연구자, 리서치 팀, 전문 기관을 대상으로 하며 중국 A주, 홍콩, 미국 주식, 선물, 블록체인 시장을 지원합니다.

핵심 구성 요소 및 기능

구성 요소	기능	주요 기술
QuantBot 대화형 로봇	플랫폼 전체의 자연어 진입점. 채팅 앱에서 명령을 입력하면 봇이 데이터 조회, 팩터 마이닝, 모델 학습 또는 실행, 백테스트, 리서치 보고서 생성, 모의 주문까지 수행합니다. 17개 IM 채널(WeChat, QQ, Feishu, DingTalk 등)을 지원.	QwenPaw 로봇 프레임워크, FastAPI, SSE 스트리밍, 스킬 풀 시스템
시장 및 데이터 계층	중앙 집중식 QuantDB로 300개 이상의 사전 계산된 미시 구조 및 흐름 특징을 보유. 데이터는 Parquet 형식으로 저장되며 DuckDB를 통해 서브초 단위 컬럼 읽기가 가능.	Parquet, DuckDB, Docker 볼륨
팩터 자율 진화	Microsoft RD-Agent (AutoAlpha 2.0)를 사용하여 자연어 가설을 팩터 수식으로 변환한 후 유전 알고리즘 백테스트를 실행하고 최적의 팩터를 저장합니다.	RD-Agent, LLM 기반 파이프라인
13개 모델 팩토리	고전적 트리 모델(LightGBM, XGBoost, CatBoost) 및 딥러닝 시퀀스 모델(GRU, LSTM, Transformer, TabNet, TCN, NativeTFT). Ridge 메타 러너를 사용한 스태킹 앙상블 지원. 학습은 로컬(CPU/GPU) 또는 사용자 제공 GPU 노드(AutoDL)에서 실행 가능.	PyTorch 2.x, Docker GPU 지원
배치 추론 및 신호 허브	일일 시장 전체 스코어링, Top-N 추천, 동적 신호 융합, 자동 Rank-IC 계산, SHAP 중요도, PSI 드리프트 알림.	PyTorch 추론, SHAP, 커스텀 모니터링
Microsoft Qlib 백테스트 엔진	이벤트 중심 백테스트로 수수료, 슬리피지, 상한가/하한가 시뮬레이션을 정밀하게 수행. 완전한 수익 귀속 및 위험 지표 제공.	Qlib, FastAPI
모의 거래 및 위험 관리	중국 A주 규칙(가격 제한, 정지, 수수료, 세금, 슬리피지)을 재현하는 로컬 T+1 매칭 엔진. 포지션, 주문, 일일 자본 스냅샷, 사전 점검을 추적.	커스텀 엔진, 상태용 Redis
실시간 뉴스 및 RSS 모니터	금융 뉴스 24/7 수집, 엔터티 추출, 감성 분류, 주식 연계.	RSS 피드, NLP 파이프라인
AI-IDE	내장 코드 편집기로 린트, 제안, 백테스트, 전략 게시가 가능한 'AI Copilot' 탑재.	VSCode 유사 편집기, LLM 지원
모델 허브 및 커뮤니티 스퀘어	커뮤니티 모델 탐색, 가져오기, 게시(Sharpe, IC, 최대 드로다운 등의 성능 지표 포함).	메타데이터 스토어, Docker 레지스트리

빠른 시작 / 배포

원클릭 온라인 배포 – 스크립트가 사전 빌드된 Docker 이미지를 가져오고, PostgreSQL 덤프를 복원하며, QuantDB 데이터와 사전 학습된 모델을 로드합니다.
```
curl -fsSL https://gitee.com/qusong0627/QuantMind/raw/master/deploy/full-deploy.sh | sudo bash
```
완료 후 웹 UI는 http://<host>:3000, API는 http://<host>:8000에서 접근할 수 있습니다.
데이터 준비 – 전체 번들에는 기본 데이터셋이 포함되어 있습니다. 프로덕션용으로는 다음 중 하나를 수행할 수 있습니다:
- UI에서 QuantDB API 키를 바인딩하여 시스템이 일일 증분을 동기화하게 하거나, 또는
- ModelScope에서 전체 오프라인 데이터셋(약 56GB)을 다운로드하여 /opt/quantmind/data/quantdb/에 압축을 풉니다.
업데이트 – deploy/update.sh --force로 코드를 업데이트하고 데이터베이스와 모델 자산은 유지합니다.

일반적인 사용 사례

채팅을 통한 원격 명령 – "CSI300 최근 1년 모멘텀 전략 백테스트해줘" → 봇이 백테스트를 실행하고 PDF 보고서를 채팅으로 전송.
팩터 연구 – 평이한 중국어로 가설을 설명하면 LLM이 팩터 수식을 생성하고, 유전 진화를 실행하며, 최적의 팩터를 저장.
모델 학습 – 비주얼 학습 UI에서 모델 유형(예: LightGBM)을 선택하고, 롤링 윈도우 WFA 설정을 구성하며, 자체 호스팅 노드에서 GPU 학습을 예약.
모의 거래 – 로컬 T+1 엔진을 시작하고, 일일 손익 및 포지션 스냅샷을 모니터링하며, 실제 자본을 위험에 빠뜨리지 않고 전략 파라미터를 반복.

대상 사용자

팩터 생성 및 백테스트를 위한 LLM 강화 워크플로우를 원하는 퀀트 리서처.
모바일 채팅 앱에서 제어 가능한 턴키 Docker 기반 플랫폼을 찾는 소규모 헤지펀드/트레이딩 데스크.
데이터 수집부터 모의 실행까지의 전체 파이프라인에 관심이 있고, 기성 예제와 튜토리얼을 활용하려는 학생 및 취미 사용자.

라이선스 및 면책 조항

코드는 AGPL-v3로 배포됩니다. 모든 AI 생성 신호는 연구 목적으로만 사용됩니다. 저장소에는 사용자가 모든 투자 위험을 부담하며 실제 브로커 연동은 직접 처리해야 한다는 명확한 면책 조항이 포함되어 있습니다.

자세한 내용은 아키텍처, 빠른 배포, 스크린샷이 풍부한 제품 미리보기에 대한 README 섹션을 참조하세요.