← 返回全部文章
·约 19 分钟PPT

Risk Disclaimer

Agent量化交易

配套媒体

本页对应的 PPT 与演示视频

QuantGPT-recommend.mp4
PPT
QuantGPT-recommend.pptx浏览器不能直接打开 PPT,下载后用 PowerPoint / WPS / Keynote 查看
下载没反应?点这里复制直链

侧边栏预览窗口(Electron webview)会拦截下载,把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。

PPT../../QuantGPT-recommend.pptx
视频../../QuantGPT-recommend.mp4
本文目录
  1. 🚀 什么是 QuantGPT?
  2. 为什么需要"Agent 因子研究"?
  3. ✨ 核心能力一览
  4. 🛠️ 快速上手:5 分钟跑通示例
  5. 安装与启动
  6. MCP 配置(让 Agent 接管研究循环)
  7. 不需要 LLM,直接用 DSL 回测
  8. 📊 与竞品对比
  9. 💡 实战战绩:已提交 BRAIN 的 3 个因子
  10. 实战因子 ① — Debt-Momentum Composite(债务-动量复合)
  11. 实战因子 ② — VWAP Decay Reversal(VWAP 衰减反转)
  12. 实战因子 ③ — Returns-Volume Momentum(量价动量)
  13. 项目成长轨迹(29 天从 0 到 290+ Star)
  14. 🏗️ 技术架构详解
  15. 三大子系统
  16. 自主因子挖掘核心循环(Agent 自治研究)
  17. 反过拟合三层防护
  18. 🔍 技术栈与依赖
  19. ⚠️ 局限性
  20. 💰 定价方案
  21. 🎯 总结

Risk Disclaimer

📌 核心价值:把 WorldQuant 因子研究从"手工写公式"升级为"Agent 自治研究",MCP 工具集 + 反过拟合三层防护 + 一键正式提交,BRAIN 平台实战因子 1.60-1.77 Sharpe。

QuantGPT 是一个 Agent 驱动的因子研究引擎(Agent-Driven LLM Quant Research Engine):让 LLM Agent 自主完成因子假设、批量回测、四步分析、迭代进化,并直接提交到 WorldQuant BRAIN 平台获取真实业绩。它的内核不是回测库,而是具备"自主研究能力"的数字因子研究员。

封面图


🚀 什么是 QuantGPT?

QuantGPT(Miasyster/QuantGPT)是一个 MIT 协议、面向中国 A 股 + 美股 TOP3000 的 Agent 驱动 alpha 因子工厂。它通过 8 个 MCP 工具 + 3 阶段进化引擎 + 3 层反过拟合体系,让一个研究循环完全自洽:上下文加载 → 因子设计 → 批量回测 → 四步分析 → 收敛判断 → 知识沉淀。

GitHub stars GitHub forks

核心定位:WorldQuant BRAIN 对齐算子 + Agent 自治研究 + 双 LLM 强制交叉评审 + 结构化知识库,解决 confirmation bias 与跨会话信息丢失。

为什么需要"Agent 因子研究"?

传统因子研究流程存在三大痛点:

痛点 传统方式 QuantGPT 解决方案
手工编写低效 每个假设都要写代码、跑回测、看结果 LLM 根据假设自动生成 DSL 表达式 + 并发回测
过拟合风险 一个 Sharpe 1.5 极易"假阳" 4 项统计检验 + Walk-Forward + WQ 真实模拟三层防护
单次会话信息丢失 LLM 不记得上次实验 research_notes/knowledge/{rules,findings,failures}/ 结构化 KB 跨会话复用

💡 真本事:截至 2026-05-01,作者用 QuantGPT 已向 WorldQuant BRAIN 正式提交 3 个因子,平台 IS 5 年回测均值分别取得 Sharpe 1.77 / 1.69 / 1.60、Fitness 1.26 / 1.07 / 1.03、年化超额 20.18% / 18.63% / 24.15%。


✨ 核心能力一览

功能对比表


🛠️ 快速上手:5 分钟跑通示例

安装与启动

QuantGPT 同时支持 Agent 自治模式(Claude Code / Desktop)和 表达式快速模式(curl/Python 直调):

# 1. 克隆并安装
git clone https://github.com/Miasyster/QuantGPT.git && cd QuantGPT
make setup   # 自动创建 venv + 安装依赖 + 生成 .env

# 2. 配置 .env(必填:市场数据路径 + LLM API Key)
cp configs/.env.example .env
# 编辑 .env:填入 baostock/akshare 数据路径、DeepSeek/OpenAI/Qwen 等 LLM 凭据

# 3. 启动服务(默认 http://localhost:8003)
make run

MCP 配置(让 Agent 接管研究循环)

把以下 JSON 加到 Claude Desktop 配置文件中(claude_desktop_config.json):

{
  "mcpServers": {
    "quantgpt": {
      "command": "python",
      "args": ["-m", "quantgpt"]
    }
  }
}

⚠️ MCP 启用后,Agent 会自动调用 8 个工具完成整个研究循环:run_backtest / score_factor / diagnose_factor / run_anti_overfit / run_rolling_validation / validate_expression / list_operators / list_universes。

不需要 LLM,直接用 DSL 回测

curl -X POST http://localhost:8003/api/v1/auto_backtest \
  -H "Content-Type: application/json" \
  -d '{"expression": "rank(close / ts_mean(close, 20))", "universe": "hs300"}'

返回示例(截取):

{
  "sharpe": 1.42,
  "fitness": 1.05,
  "turnover": 0.34,
  "returns": 0.156,
  "drawdown": 0.082,
  "margin": 0.078
}

📊 与竞品对比

竞品对比表

关键差异:QuantGPT 是当前唯一同时具备"WQ BRAIN 算子对齐 + Agent 自治研究 + 反过拟合 + 双 LLM 评审 + 知识库"五件套的开源工具,填补了"高质量因子可投产"的全链路空白。


💡 实战战绩:已提交 BRAIN 的 3 个因子

QuantGPT 的真实威力在于它不仅能生成因子,还能直接投产到 WorldQuant BRAIN 平台。以下是作者用 QuantGPT 端到端跑出来、已正式提交并通过 IS 检测的 3 个因子:

实战因子 ① — Debt-Momentum Composite(债务-动量复合)

公式:

-1 * rank(ts_av_diff(close, 10)) + rank(debt / enterprise_value)

实测业绩(WorldQuant 平台 IS 5 年回测均值):

指标 数值
Sharpe 1.77
Fitness 1.26
Returns 20.18%
Drawdown 11.29%
Margin 10.11‰

实战因子① PnL 曲线

实战因子① IS Summary 详情

逻辑解读:用 10 日 close 加速差捕捉动量反转,叠加 debt/enterprise_value 比率做估值过滤。两条信号合成后 sharpe 拉升到 1.77,并通过 BRAIN 的 IS 检测(self-correlation/turnover/sharpe 子样本全部 PASS)。


实战因子 ② — VWAP Decay Reversal(VWAP 衰减反转)

公式:

-1 * rank(ts_decay_linear(close / vwap, 10))

实测业绩(WorldQuant 平台 IS 5 年回测均值):

指标 数值
Sharpe 1.69
Fitness 1.07
Returns 18.63%
Drawdown 13.13%
Margin 8.07‰

实战因子② PnL 曲线

实战因子② IS Summary 详情

逻辑解读:用 10 日 VWAP 衰减线性回归 close/vwap 偏离度,识别短期被市场情绪过度反应的股票。2020 年 sharpe 高达 3.43,是这个因子的爆发年份。


实战因子 ③ — Returns-Volume Momentum(量价动量)

公式:

-1 * rank(ts_decay_linear(returns * volume / adv20, 5))

实测业绩(WorldQuant 平台 IS 5 年回测均值):

指标 数值
Sharpe 1.60
Fitness 1.03
Returns 24.15%
Drawdown 11.79%
Margin 8.34‰

实战因子③ PnL 曲线

实战因子③ IS Summary 详情

逻辑解读:用 20 日均量(adv20)归一化的 returns × volume 取 5 日衰减加权,反向 rank 取量价共振反转信号。


项目成长轨迹(29 天从 0 到 290+ Star)

项目 Star 历史

从 2026-04-22 项目首推,到 2026-05-21 的 30 天内累积 290+ Star,社区对该框架的"研究可投产 + Agent 自治"方向反馈积极。


🏗️ 技术架构详解

三大子系统

子系统 关键能力
MCP 工具集(8 个) Agent 的工具箱:run_backtest / score_factor / diagnose_factor / run_anti_overfit / run_rolling_validation / validate_expression / list_operators / list_universes
进化引擎 MutationEngine(8 方向定向突变)+ CrossoverEngine(高分因子交叉)+ MetaEvolutionSelector(自适应策略)+ TrajectoryAnalyzer(轨迹分析)
WQ BRAIN 集成 Dollar-neutral 模拟、IS 检测对齐、Fitness 评分、一键正式提交

自主因子挖掘核心循环(Agent 自治研究)

Phase 0 上下文加载  ──▶  Phase 1 因子设计  ──▶  Phase 2 批量回测
(读 KB 规则/发现/失败)   (假设→DSL 表达式     (10-20 因子并发)
                          1-3 个候选/轮)
                                                   │
                                                   ▼
                              ┌────────────────────────────────┐
                              │  Phase 3 四步分析法            │
                              │  ① 事实收集(metrics)        │
                              │  ② Agent 独立判断           │
                              │  ③ DeepSeek Reasoner 交叉评审 │
                              │  ④ 共识/分歧处理             │
                              └──────────┬─────────────────────┘
                                         ▼
                                  Phase 4-6 更新 KB / 报告

研究纪律(铁律):每次实验只改一个变量;提交前检查是否已做过(笔记 + KB);分析结论标注"仅为假设";失败实验同样记录原因;表达式 > 4 层嵌套需额外论证;简单清晰 > 复杂精巧。**

反过拟合三层防护

层级 方法
统计检验 IC 稳定性 + 子样本压力测试(牛/熊/震荡)+ 安慰剂检验 + 半衰期估计
Walk-Forward 滚动 train/valid/test 窗口,评估样本外 IC 衰减
WQ BRAIN 真实模拟 Dollar-neutral 多空模拟,对齐 BRAIN 的 Sharpe/Turnover/Fitness

🔍 技术栈与依赖

层级 技术选型
Agent Claude Code (skill loop) / Claude Desktop (MCP)
后端 Python 3.10+, FastAPI, uvicorn, SQLAlchemy 2.0 async
数据库 SQLite(默认,零配置)/ PostgreSQL(可选)
AI/LLM DeepSeek(因子生成 + 交叉评审)
市场数据 baostock + akshare(免费)→ Parquet 缓存
前端 React 18 + TypeScript + Tailwind CSS 4
MCP FastMCP(stdio / SSE / streamable-http)
报告 QuantStats HTML
性能加速 Rust(算子 eval.rs)
代码质量 ruff + mypy(pre-commit)

⚠️ 局限性

  • 仅日频:不支持日内回测
  • 仅 A 股 / 美股 TOP3000:中国内地 + 美国市场,不覆盖港股/欧股/外汇
  • 依赖 LLM 质量:更好的模型产出更好的因子(作者用 DeepSeek V3 + R1)
  • 无实盘交易:仅因子研究,不提供券商接入

💰 定价方案

完全开源免费:MIT License,2026 Miasyster。

💡 部署成本:单台 RTX 4070 + 64GB DDR5 即可本地部署;自带 React 监控面板 + MCP 服务(端口 8003)。

开源协议: MIT


🎯 总结

QuantGPT 把因子研究带到了 "Agent 自治研究 + WQ BRAIN 对齐 + 反过拟合防护" 的工程化新阶段。它不只是回测库的 LLM 包装,而是具备自主研究能力、能跟 WorldQuant 平台无缝对接的"数字因子研究员"。从 3 个已提交 BRAIN 平台的实测因子回测指标(Sharpe 1.60-1.77、Fitness 1.03-1.26)来看,QuantGPT 已经不只是 demo,而是可投产的工业级工具。

推荐指数: ⭐⭐⭐⭐⭐(满分5星,AI Quant 工具的 Agent-Native 标杆)

适合人群:

  • ✅ 量化研究员:从手工写公式升级到 Agent 自治研究
  • ✅ 因子工程团队:构建可复用的因子研究 KB,跨会话沉淀经验
  • ✅ AI Quant 创业者:用 BRAIN 对齐框架快速验证想法并真实投产
  • ✅ 学术研究者:将因子研究工程化,降低复现成本
  • ❌ 不适合:想要日内回测 / 港股欧股 / 实时实盘自动交易的用户

立即体验: QuantGPT GitHub

MCP 集成: Claude Desktop 配置指南

核心文档:


数据截至 2026-07-14,最新信息请以官网为准。本文仅作技术交流,不构成投资建议。股市有风险,投资需谨慎。