# QuantMInd

**Repository Path**: StarsJsm/quantmind

## Basic Information

- **Project Name**: QuantMInd
- **Description**: 基于微软 Qlib 框架构建的开源量化交易系统，集成 LightGBM 模型与 Alpha158因子集，提供从策略研究、回测优化到实盘交易的完整解决方案。支持双引擎回测、AI模型全生命周期管理、多券商实盘对接，一键部署即可开箱即用。
- **Primary Language**: Unknown
- **License**: AGPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 17
- **Created**: 2026-08-26
- **Last Updated**: 2026-08-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

<div align="center">

# QuantMind (量化大脑) OSS

<p align="center">
  <strong>AI 原生 · 13 种模型工场 · 因子自主进化 · QMT/通达信实盘 · 工业级多市场量化投研平台</strong>
</p>

<p align="center">
  <a href="#项目简介">项目简介</a> •
  <a href="#系统架构">系统架构</a> •
  <a href="#核心特性">核心特性</a> •
  <a href="#快速部署">快速部署</a> •
  <a href="#产品预览">产品预览</a> •
  <a href="#本地开发">本地开发</a> •
  <a href="#交流社区">交流社区</a>
</p>

<p align="center">
  <img src="https://img.shields.io/badge/Python-3.10+-3776AB?style=flat-square&logo=python&logoColor=white" alt="Python">
  <img src="https://img.shields.io/badge/TypeScript-5.x-3178C6?style=flat-square&logo=typescript&logoColor=white" alt="TypeScript">
  <img src="https://img.shields.io/badge/Qlib-Powered-FF6F00?style=flat-square&logo=microsoft&logoColor=white" alt="Qlib">
  <img src="https://img.shields.io/badge/PyTorch-2.x-EE4C2C?style=flat-square&logo=pytorch&logoColor=white" alt="PyTorch">
  <img src="https://img.shields.io/badge/Docker-Ready-2496ED?style=flat-square&logo=docker&logoColor=white" alt="Docker">
  <img src="https://img.shields.io/badge/License-AGPL%20v3-green?style=flat-square" alt="License">
</p>

</div>

---

## 项目简介

**QuantMind（量化大脑）** 是面向个人量化研究者、投研团队与专业机构的一体化 AI 原生量化交易平台。深度集成微软 **Qlib** 量化框架、**RD-Agent** 研发智能体与 **TradingAgents** 多 Agent 投研体系，全面打通量化全流程闭环：

```text
数据底座 -> 因子挖掘 -> 模型训练 -> 批量推理 -> 组合回测 -> QMT/通达信实盘 -> 生产监控
```

支持 **A 股、港股、美股、期货与区块链** 五大市场，帮助研究者摆脱繁琐的数据清洗与代码拼装，让模型自动从 300+ 维特征中挖掘 Alpha 规律。

---

## 系统架构

<p align="center">
  <img src="docs/images/architecture.svg" alt="QuantMind 系统架构图" width="100%">
</p>

---

## 核心特性

<table>
  <thead>
    <tr>
      <th width="24%" align="center">模块分类</th>
      <th width="76%" align="left">核心能力与技术亮点</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td align="center"><b>市场与数据</b></td>
      <td>
        • 接入 QuantDB 数据中枢，内置 <b>300+ 维预计算特征</b>（L1/L2 微观结构与资金流）<br>
        • 基于 <b>Parquet + DuckDB</b> 秒级列式存算，千万级行情秒级载入<br>
        • <b>7x24 RSS 舆情监控</b>：实时快讯流、事件实体自动匹配与利好/利空情绪量化
      </td>
    </tr>
    <tr>
      <td align="center"><b>因子自主进化</b></td>
      <td>
        • 集成微软 <b>RD-Agent (AutoAlpha 2.0)</b> 自动化因子进化体系<br>
        • <b>LLM 自主演化流水线</b>：自然语言假设 ➔ 因子公式合成 ➔ 遗传演化回测 ➔ 优选入库
      </td>
    </tr>
    <tr>
      <td align="center"><b>13 种模型工场</b></td>
      <td>
        • 覆盖经典树模型与深度学习：<b>LightGBM、XGBoost、CatBoost、GRU、LSTM、ALSTM、Transformer、TabNet、TCN、NativeTFT</b> 等<br>
        • 内置 <b>Optuna 自动化超参寻优</b> 与 <b>Stacking 多模型集成</b><br>
        • 算力无缝调度：支持本地 CPU/GPU 与一键推送到 <b>AutoDL 远程 GPU 集群</b>
      </td>
    </tr>
    <tr>
      <td align="center"><b>批量推理与信号</b></td>
      <td>
        • 全市场每日批量截面打分、Top-N 潜力标的智能推荐与多信号动态融合<br>
        • <b>生产质量闭环</b>：每日真实 Rank IC/ICIR 自动回填、SHAP 特征重要性与数据漂移告警
      </td>
    </tr>
    <tr>
      <td align="center"><b>微软 Qlib 回测</b></td>
      <td>
        • 高性能事件驱动回测引擎，支持 TopkDropout 等经典多因子选股策略<br>
        • 细粒度交易费率、滑点与涨跌停模拟，支持多维收益归因与风险指标全景展示
      </td>
    </tr>
    <tr>
      <td align="center"><b>QMT 实盘通道</b></td>
      <td>
        • 原生对接券商 <b>MiniQMT (xtquant)</b>，配备 Windows 独立 QMT Agent 桌面客户端<br>
        • 采用<b>加密 WebSocket Bridge</b> 双向通信，支持同步/异步买卖、保护限价单与撤单防饥饿队列<br>
        • 账户资产与持仓秒级同步落库，完整支持柜台异步成交回报与断线看门狗自动重连
      </td>
    </tr>
    <tr>
      <td align="center"><b>通达信深度联动</b></td>
      <td>
        • 模型截面选股结果<b>一键推入通达信自定义板块</b><br>
        • 盘中实时预警雷达弹窗 + <b>双击闪电下单</b>（支持模拟盘与实盘双模式）
      </td>
    </tr>
    <tr>
      <td align="center"><b>模拟实盘与风控</b></td>
      <td>
        • 本地 T+1 撮合机制、持仓与订单全生命周期管理<br>
        • 内置涨跌停限制、停牌过滤与开盘前实盘准备度预检（Preflight Check）
      </td>
    </tr>
  </tbody>
</table>

---

## 快速部署

系统基于 Docker 容器化编排，推荐使用 **Ubuntu 22.04 / 24.04** 运行环境。

### 1. 完整离线部署（推荐 · 生产就绪）

离线包内含完整预构建镜像、业务数据、预训练模型、Qlib 数据与 PostgreSQL 初始化备份：

```bash
curl -fsSL https://gitee.com/qusong0627/QuantMind/raw/master/deploy/offline-deploy.sh | sudo bash
```

部署完成后即可访问：
- **Web 控制台**: `http://<服务器 IP>:3000`
- **API 接口网关**: `http://<服务器 IP>:8000`
- **Swagger API 文档**: `http://<服务器 IP>:8000/docs`
- **默认管理员账号**: `admin` / `admin123`

```bash
# 可选：指定自定义离线包下载源或代码分支
sudo QUANTMIND_OFFLINE_BASE_URL='https://example.com/quantmind-offline' \
  QUANTMIND_REF='master' \
  bash deploy/offline-deploy.sh
```

### 2. 在线部署与平滑更新

```bash
# 在线部署
curl -fsSL https://gitee.com/qusong0627/QuantMind/raw/master/deploy/deploy.sh | sudo bash

# 已部署服务器一键更新（不清除数据库与模型资产）
sudo bash deploy/update.sh
```

### 3. 数据准备与 QuantDB 同步

系统正常运行（行情查询、模型训练、因子挖掘、回测）需要底层量化历史数据支持。安装后请选择以下任一方式准备数据：

> **方式一：QuantDB 在线下载及日常增量更新（推荐 · 最便捷）**
> - 登录系统后，在 **【个人中心】➔【数据平台】** 填入 QuantDB API Key 即可一键绑定与在线同步；
> - 或在服务器终端执行增量同步指令：
>   ```bash
>   docker exec quantmind python backend/scripts/quantdb_daily_sync.py
>   ```

> **方式二：百度网盘离线数据包（备选 · 全量离线导入）**
> - 包含完整的 A 股量化历史行情、Qlib 二进制特征与预计算因子数据；
> - 下载链接：[https://pan.baidu.com/s/5IT4p5nFlglZ7zu_0H_fA8Q](https://pan.baidu.com/s/5IT4p5nFlglZ7zu_0H_fA8Q)
> - 下载后解压覆盖到项目根目录的 `data/` 与 `db/qlib_data/` 目录即可。

---

## 产品预览

QuantMind 将日常量化研究工作流整合在同一套现代化、响应灵敏的交互界面中：

### 1. 市场监控与资产看板
提供全市场行情大屏、资金流向、大盘指数热度与自选股盯盘。
<p align="center">
  <img src="docs/images/Dashboard.png" alt="市场看板" width="92%">
</p>

### 2. AI-IDE 策略开发工作区
内置代码编辑器与量化 AI Copilot 助手，支持策略编写、语法检查、一键回测与云端发布。
<p align="center">
  <img src="docs/images/AI-IDE.png" alt="AI-IDE 策略工作区" width="92%">
</p>

### 3. QuantaAlpha 智能因子挖掘平台
基于 LLM 驱动自主量化因子演化平台（AutoAlpha 2.0），用自然语言描述量化假设，AI 自动生成表达式与进化回测。
<p align="center">
  <img src="docs/images/FactorMining.png" alt="智能因子挖掘" width="92%">
</p>

### 4. AI 模型训练工场 (Model Training)
可视化配置训练参数，支持 13 种 ML/DL 算法，内置 Optuna 自动调参、WFA 滚动切分与本地/AutoDL 算力调度。
<p align="center">
  <img src="docs/images/ModelTraining.png" alt="模型训练工场" width="92%">
</p>

### 5. 批量推理与选股信号中心 (Inference Hub)
支持全市场批量截面排序、Top N 标的推荐、信号动态融合与历史回溯。
<p align="center">
  <img src="docs/images/ModelInference.png" alt="批量推理与选股" width="92%">
</p>

### 6. 微软 Qlib 回测中心 (Backtest Center)
基于微软 Qlib 引擎的高性能事件驱动回测，全面评估策略收益与最大回撤风险。
<p align="center">
  <img src="docs/images/QuickBacktest.png" alt="Qlib 回测中心" width="92%">
</p>

### 7. 实时舆情与 RSS 资讯监控 (News & RSS Stream)
汇聚主流财经媒体 7x24 实时快讯、事件标签识别、利好/利空情绪分类与正文实体关联分析。
<p align="center">
  <img src="docs/images/RSS.png" alt="RSS 资讯流" width="92%">
</p>

---

## 本地开发

```bash
# 1. 后端单元测试
python backend/run_tests.py unit

# 2. 前端开发环境
cd electron
npm install
npm run dev          # 桌面端 (Electron)
npm run dev:web      # Web 模式
npm run typecheck    # TypeScript 类型检查
```

后端服务统一由 `backend/main_oss.py` 单入口编排启动：
- **API 服务** (`:8000`)：用户认证、策略管理、数据平台、模型管理、新闻代理
- **Engine 服务** (`:8001`)：Qlib 回测、AI 训练/推理、Alpha 因子挖掘、投研编排
- **Trade 服务** (`:8002`)：订单管理、持仓监控、模拟撮合、风控系统
- **Stream 服务** (`:8003`)：实时行情接收、WebSocket 推送网关

---

## 项目结构

```text
quantmind/
├── backend/                  # FastAPI 后端微服务与 Qlib 引擎
│   ├── main_oss.py           # 统一服务入口
│   ├── services/             # api / engine / trade / stream 四大服务
│   ├── shared/               # 跨服务共享模块 (DB/Redis/代码规范/日历)
│   └── scripts/              # 数据同步与特征计算脚本
├── electron/                 # Electron + React + TypeScript 桌面/Web 前端
├── tools/qmt_agent/          # Windows 独立 QMT Agent 桌面客户端与交易桥接
├── deploy/                   # 在线/离线部署与一键更新脚本
├── docs/                     # 部署、架构与外部集成说明
├── scripts/                  # 按用途归档的开发、校验、数据与历史脚本
├── db/qlib_data/             # 本地 Qlib 格式二进制与 Parquet 数据
├── docker/                   # Dockerfile 镜像构建配置
└── docker-compose.yml        # 容器服务编排定义
```

> 详细文档参考：[架构说明](docs/development/architecture.md) • [源码包部署](docs/deployment/source-bundle.md) • [通达信桥接](docs/integrations/tdx-bridge.md)

---

## 规范与贡献

- **代码规范**：Python 遵循 PEP8（使用 ruff 检查与格式化）；前端提交前请执行 `npm run typecheck`。
- **股票代码标准化**：所有内部 Redis 键、数据库字段及 API 参数**强制采用前缀格式**（如 `SH600036`、`SZ000001`、`BJ832000`）。

欢迎提交 Issue 与 Pull Request 共同建设！

---

## 免责声明

> **本项目仅供学习研究与技术演示，不构成任何投资建议。**
>
> - 本系统产出的所有分析报告和交易信号均由 AI 算法自动生成，可能存在误差或失效风险；
> - 实际投资决策请结合自身风险承受能力或咨询合规专业机构；
> - 作者与贡献者不对使用本开源软件产生的任何投资损失承担责任；
> - **股市有风险，入市需谨慎。**

---

## 致谢

- [Microsoft Qlib](https://github.com/microsoft/qlib) — 微软开源 AI 量化投资平台
- [Microsoft RD-Agent](https://github.com/microsoft/RD-Agent) — 微软研发智能体框架
- [TradingAgents-Astock](https://github.com/simonlin1212/TradingAgents-astock) — 多 Agent A 股投研框架
- [LightGBM](https://github.com/microsoft/LightGBM) / [CatBoost](https://github.com/catboost/catboost) / [XGBoost](https://github.com/dmlc/xgboost) — 经典梯度提升树算法
- [FastAPI](https://fastapi.tiangolo.com/) & [PyTorch](https://pytorch.org/) — 现代高性能后端与深度学习底座

---

## 交流社区

<p align="center">
  <img src="docs/images/1097406397.png" alt="QuantMind 交流群二维码" width="220">
  <br/>
  <b>QQ 交流群号：1097406397</b>
  <br/>
  <i>欢迎加入社群交流量化算法、模型调优与部署心得！</i>
</p>