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) – 概览

它是做什么的 – QuantMind 是一个开源的、AI 优先的量化交易平台。它将 Microsoft Qlib 量化研究框架、基于 RD-Agent 大语言模型（LLM）的“自动阿尔法”引擎，以及一个可从聊天应用（微信、QQ、飞书、钉钉等）访问的名为 QuantBot 的对话机器人整合在一起。整个技术栈在 Docker 容器中运行，并提供完整的端到端工作流：

数据 → 因子挖掘 → 模型训练 → 批量推理 → 组合回测 → 模拟交易 → 生产监控

该系统面向个人研究者、研究团队和专业机构，支持中国 A 股、港股、美股、期货和区块链市场。

核心组件与功能

组件	功能	关键技术
QuantBot 对话机器人	整个平台的自然语言入口。用户在聊天应用中输入命令，机器人会获取数据、运行因子挖掘、训练或运行模型、回测、生成研究报告，甚至下达模拟订单。支持 17 个 IM 渠道（微信、QQ、飞书、钉钉等）。	QwenPaw 机器人框架、FastAPI、SSE 流式传输、技能池系统
市场与数据层	集中式 QuantDB，包含 300 多个预计算的微观结构和流动特征。数据以 Parquet 格式存储，通过 DuckDB 实现亚秒级列式读取。	Parquet、DuckDB、Docker 卷
因子自主进化	使用 Microsoft RD-Agent（AutoAlpha 2.0）将自然语言假设转化为因子公式，然后运行遗传算法回测并存储最佳因子。	RD-Agent、LLM 驱动管道
13 个模型工厂	经典树模型（LightGBM、XGBoost、CatBoost）和深度学习序列模型（GRU、LSTM、Transformer、TabNet、TCN、NativeTFT）。支持使用 Ridge 元学习器进行堆叠集成。训练可在本地（CPU/GPU）或用户提供的 GPU 节点（AutoDL）上运行。	PyTorch 2.x、Docker GPU 支持
批量推理与信号中心	每日全市场评分、Top-N 推荐、动态信号融合、自动 Rank-IC 计算、SHAP 重要性和 PSI 漂移警报。	PyTorch 推理、SHAP、自定义监控
Microsoft Qlib 回测引擎	事件驱动回测，包含精细的费用、滑点和涨跌停模拟。提供完整的收益归因和风险指标。	Qlib、FastAPI
模拟交易与风险控制	本地 T+1 撮合引擎，复现 A 股规则（涨跌停、停牌、佣金、税费、滑点）。跟踪持仓、订单、每日资金快照和事前检查。	自定义引擎、Redis 存储状态
实时新闻与 RSS 监控	7x24 小时收集金融新闻、实体提取、情绪分类并与股票关联。	RSS 源、NLP 管道
AI-IDE	内置代码编辑器，带“AI Copilot”，可进行代码检查、建议、回测和发布策略。	VSCode 风格编辑器、LLM 辅助
模型中心与社区广场	浏览、导入和发布社区模型，并带有性能指标（Sharpe、IC、最大回撤等）。	元数据存储、Docker 注册表

快速开始 / 部署

一键在线部署 – 脚本拉取预构建的 Docker 镜像，恢复 PostgreSQL 转储，加载 QuantDB 数据和预训练模型。
```
curl -fsSL https://gitee.com/qusong0627/QuantMind/raw/master/deploy/full-deploy.sh | sudo bash
```
完成后，您可以在 http://<host>:3000 访问 Web UI，在 http://<host>:8000 访问 API。
数据准备 – 完整包已包含基本数据集。对于生产环境，您可以：
- 在 UI 中绑定 QuantDB API 密钥，让系统同步每日增量，或者
- 从 ModelScope 下载完整离线数据集（约 56 GB），解压到 /opt/quantmind/data/quantdb/。
更新 – deploy/update.sh --force 刷新代码，同时保留数据库和模型资产。

典型使用场景

通过聊天进行远程命令 – “帮我回测 CSI300 上近一年动量策略” → 机器人运行回测并将 PDF 报告推送回聊天。
因子研究 – 用中文描述一个假设，LLM 创建因子表达式，运行遗传进化，并存储最佳因子供后续使用。
模型训练 – 在可视化训练 UI 中选择模型类型（例如 LightGBM），设置滚动窗口 WFA 配置，并让系统在自托管节点上调度 GPU 训练。
模拟交易 – 启动本地 T+1 引擎，监控每日盈亏和持仓快照，并在不冒真实资金风险的情况下迭代策略参数。

谁可能受益？

希望使用 LLM 增强工作流进行因子生成和回测的量化研究员。
寻找可从移动聊天应用控制的交钥匙、Docker 基础平台的小型对冲基金/交易台。
对从数据摄取到模拟执行的完整管道感兴趣的学生和爱好者，并提供现成的示例和教程。

许可证与免责声明

代码根据 AGPL-v3 发布。所有 AI 生成的信号仅用于研究；存储库包含明确的免责声明，用户需承担所有投资风险，并必须自行处理任何实际经纪人集成。

更多详情，请参阅有关架构、快速部署和丰富的截图产品预览的 README 章节。