面向散户的 AI 量化辅助决策桌面应用，目前已支持（美股 / A股 / 港股 / Crypto ) [计划支持](台股 / 日股 / 韩股）
- QuantByQlib 是一个零 Mock 数据、复用开源生态、散户友好的量化交易辅助工具。
- 支持用户自定义的选股范围的数据更新、机器学习和选股，可实现轻数据范围和重度数据范围。
- 支持 美股 ｜ A股 ｜ Crypto 数据集打包初始化。
- 支持最近数据的动态更新，降低用户使用门槛。
- 它并非另一个回测框架，而是一个将学术论文级量化模型落地为可执行交易信号的端到端系统。
- 自动因子挖掘：集成 RD-Agent，通过 Docker 调用 DeepSeek LLM 自主生成因子假设。
- 双重 IC 验证：容器内初筛 + 宿主机 Qlib 实测截面 IC（Spearman），确保因子有效。
- 动态注入：通过验证的因子自动注入 LightGBM 选股策略，实现“发现 → 验证 → 实盘化”闭环。
- 双 LLM 降级：Claude 3.5（主力）+ DeepSeek（过载降级），生成流式个股 AI 报告。
- 五维分析：并行获取 Alpha158 技术信号 / K线 / 基本面 / 情绪 / 六维技术评分。
- 数据诚信：Prompt 强制约束 LLM 不得捏造数据，缺失字段如实标注“数据不足”。
- 5 种内置策略：LightGBM / LSTM / GRU / 市场自适应 / 全市场深度学习。
- 自定义因子注入：唯一支持将 RD-Agent 发现的 Alpha 因子动态拼接到 LightGBM 特征集。
- 24h 模型缓存：相同参数秒级出结果，大幅提升交互体验。
- 零 Mock 原则：任意数据源失败 → 显示「暂无数据」，杜绝虚假信息。
- 多源降级链：Alpha Vantage → yfinance → 本地计算，保障行情连续性。
- Qt 多线程：所有 IO / 模型推理放入 QRunnable，UI 永不卡顿。
| 层级 | 核心技术 |
|---|---|
| UI | PyQt6（暗色主题）+ QStackedWidget |
| 量化引擎 | Qlib 0.9.7（微软开源） |
| 数据源 | OpenBB Platform（FMP / Finnhub / Alpha Vantage）+ yfinance |
| AI 因子 | RD-Agent（Docker）+ DeepSeek API |
| NLP | VADER（快速）+ DistilBERT（精准）+ Claude / DeepSeek |
| 数据库 | SQLite（持仓 / 目标）+ JSON（因子会话 / 验证库） |
| 并行 | ThreadPoolExecutor + QThreadPool |
graph TB
subgraph UI层
UI[PyQt6界面]
end
subgraph 核心服务层
QS[量化选股模块]
FA[因子发现模块]
AI[AI投研报告模块]
DS[数据服务模块]
PF[持仓管理模块]
end
subgraph 外部依赖
QLIB[Qlib 0.9.7]
RD[RD-Agent Docker]
LLM[Claude/DeepSeek]
DATA[OpenBB/yfinance]
DB[(DuckDb/JSON)]
end
UI <--> QS
UI <--> FA
UI <--> AI
UI <--> PF
QS <--> QLIB
QS <--> DS
QS <--> DB
FA <--> RD
FA <--> DS
FA <--> DB
AI <--> LLM
AI <--> DS
AI <--> DB
DS <--> DATA
style UI fill:#ffe4c4,stroke:#333
style QLIB fill:#87ceeb,stroke:#333
style RD fill:#98fb98,stroke:#333
style LLM fill:#dda0dd,stroke:#333
style DATA fill:#ffd700,stroke:#333
git clone https://github.com/delon-xie/QuantByQlib.git
cd QuantByQlib
pip3 install -r requirements.txt# 必填
ANTHROPIC_API_KEY=sk-ant-xxxx # Claude AI 报告
DEEPSEEK_API_KEY=sk-xxxx # 因子发现 + 降级 LLM
# 可选（提升数据质量）
FMP_API_KEY=xxxx
FINNHUB_API_KEY=xxxx
ALPHA_VANTAGE_API_KEY=xxxxdocker pull msrarambler/rd-agent:latestpython3 main.py
# 进入「⚙️ 参数配置」→「数据管理」→「下载 US 数据」python3 main.py- 录入持仓 → 仪表盘实时展示市值 / 盈亏
- 运行量化选股（成长股 LightGBM 最快）
- 因子发现 → 启动 RD-Agent → 注入有效因子
- 查看选股结果 → 右侧个股详情面板
- 点击「🤖 AI 报告」 → 流式生成六章节投研报告
- 交易信号页 → 导出 BUY/SELL CSV
QuantByQlib/
├── main.py # 应用入口
├── ui/ # PyQt6 页面与组件
├── workers/ # Qt 后台线程（选股/分析/因子）
├── strategies/ # Qlib 策略 + 因子注入器
├── stock_analysis/ # 五维分析 + LLM 报告
├── rdagent_integration/ # RD-Agent Docker 桥接
├── data/ # OpenBB / Qlib 统一入口
├── portfolio/ # 持仓 & 风险分析
└── services/ # 报告写入 & 路径管理
graph TD
A[启动应用] --> B[配置API密钥]
B --> C[下载Qlib数据]
C --> D[录入持仓]
D --> E[运行量化选股策略]
E --> F{因子发现?}
F -- 是 --> G[启动RD-Agent因子发现]
G --> H[验证有效因子]
H --> I[注入LightGBM策略]
I --> E
F -- 否 --> J[查看选股结果]
J --> K[生成AI个股报告]
K --> L[导出交易信号CSV]
.
├── cn_data/
│ ├── calendars/
│ ├── features/
│ └── instruments/
│ ├── all.txt
│ ├── csi300.txt
│ ├── csi500.txt
│ ├── csi800.txt
│ ├── csi1000.txt
│ └── csiiall.txt
│ └── userdefine....txt
├── hk_data/
│ ├── calendars/
│ ├── features/
│ └── instruments/
│ ├── all.txt
│ ├── core.txt
│ ├── HSCEI.txt
│ ├── hsci.txt
│ ├── hsi.txt
│ └── tech100.txt
│ └── userdefine....txt
└── us_data/
├── calendars/
├── features/
└── instruments/
├── all.txt
├── nasdaq100.txt
└── sp500.txt
│ └── userdefine....txt
本项目仅供教育与研究使用，不构成投资建议。量化策略存在回撤风险，请理性决策。
📘 详细文档请参考 docs/ 目录
🐞 问题反馈欢迎提交 GitHub Issue