quant.ai

Investigación cuantitativa para acciones estadounidenses, diseñada para vivir dentro de tu asistente de IA. Conéctalo a Claude o Codex mediante MCP y pregunta por cualquier ticker: obtén calificaciones explicables, niveles clave y el razonamiento, luego discútelo en el mismo chat. También funciona como un comando CLI único.

English | 中文

quant.ai es un kit de herramientas de investigación cuantitativa por línea de comandos para acciones estadounidenses, creado para inversores cotidianos. Escribe un comando y obtén una calificación explicable, niveles clave de soporte/stop y el razonamiento detrás de ellos, todo derivado de precios históricos, completamente funcional sin conexión y sin vinculación con ningún bróker.

⚠️ Solo investigación — no es asesoramiento de inversión. Nunca realiza ni sugiere órdenes en vivo. La salida es en inglés por defecto; añade --lang zh (o elígelo en quant-ai init) para chino (中文).

Inicio rápido

pip install -e .          # or: pip install -r requirements.txt
quant-ai doctor           # environment self-check (deps + data connectivity)
quant-ai analyze AAPL     # rate one stock in seconds

¿Sin punto de entrada? python -m quant_agent analyze AAPL funciona igual.

Related MCP server: mcp-financex

Lo que obtienes

Salida real de quant-ai analyze AAPL — en inglés por defecto, --lang zh para chino. Las calificaciones van desde Compra Fuerte hasta Neutral y Venta Fuerte. Añade --output-dir para exportar Markdown + JSON, o --chart para un gráfico PNG.

Úsalo dentro de Claude o Codex

La función principal: expón quant.ai como un servidor MCP y deja que tu asistente de IA lo invoque:

claude mcp add quant-research -- python -m quant_agent.mcp_server

Luego solo pregunta, en el mismo chat donde trabajas:

"¿Qué opinas de NVDA?" · "Vigila TSLA por mí." · "Compré 15 AAPL a 182.5 — hazle seguimiento." · "¿Cómo van mis posiciones?" · "Genera el informe de mercado de hoy."

Claude (o Codex) accede a datos reales del proyecto, te muestra el análisis cuantitativo y lo discutes en línea — sin sitio web aparte, sin copiar y pegar. El informe diario comienza con tu P&L de tenencias y se renderiza como un artefacto HTML pulido. Consulta el manual (chino) para la configuración de Claude Desktop / Codex.

Deja que tu asistente de IA lo instale — pega esto en Claude Code (o cualquier CLI de IA) y podrá configurarlo todo:

Install https://github.com/TingdeLiu/quant.ai as an MCP server:
1. git clone https://github.com/TingdeLiu/quant.ai && cd quant.ai
2. pip install -e .
3. claude mcp add quant-research -- python -m quant_agent.mcp_server
4. Verify: `claude mcp list` should show quant-research ✓ connected

Destacados

• 🤖 Vive dentro de tu asistente de IA — la función principal. Conecta el servidor MCP integrado a Claude o Codex y pregunta "¿qué opinas de NVDA?". Obtiene análisis cuantitativo real de este proyecto, para que veas el análisis y lo discutas en una sola conversación. La mayoría de las herramientas de análisis de acciones son sitios web independientes — esta está integrada en la IA con la que ya conversas.

• 💼 Tu lista de seguimiento y tenencias, gestionadas por chat. Dile a Claude "vigila NVDA" o "compré 15 AAPL a 182.5" — se guardan localmente en data/portfolio.json, se incorporan automáticamente a cada análisis, y el informe diario comienza con tus posiciones y P&L no realizado (cotizaciones en vivo con el mejor esfuerzo, recurriendo al último cierre).

• 🖼️ Informe diario listo para artefactos — el resumen de mercado se entrega como un archivo HTML claro/oscuro autocontenido que Claude renderiza como un artefacto en línea; Markdown y JSON se escriben junto a él para todo lo demás.

• 🎯 Análisis de una sola acción sin configuración — analyze AAPL devuelve calificación, rendimientos, RSI, volatilidad, posiciones de medias móviles, niveles de soporte/stop y razones legibles.

• 🧩 Lista de seguimiento personalizada — quant-ai init construye un universo que es 2/3 de tus propias selecciones (empresas + sectores que te interesan) y 1/3 descubierto por el motor del mercado en general.

• 🔬 Backtests de investigación — señales transversales (momento 12-1, tendencia 20/50, reversión a 1 mes, baja volatilidad), búsqueda de pesos de señales, análisis de estabilidad walk-forward, más líneas base de SPY y ponderación equitativa para separar alfa de beta.

• 📊 Consola local — una página, cuatro pestañas (informe / mercados / diagnósticos de backtest / operaciones), servida localmente sin necesidad de clave API en ningún lugar del stack.

• 🛡️ Seguro por diseño — señales deterministas + capa de riesgo, degradación amigable en errores de red/datos, solo trading en papel — nunca envía órdenes reales.

Informe de mercado diario y consola local

quant-ai market-report genera un resumen diario de investigación de acciones estadounidenses con diseño estilo Anthropic, escrito de cuatro maneras: una página HTML completa, un fragmento de artefacto autocontenido, Markdown y JSON. Es una sola página con cuatro pestañas — Tenencias, Mercado, Ideas, Noticias — cambiadas con CSS puro, por lo que funcionan incluso dentro de la vista de artefacto limitada de un cliente de IA.

Tenencias — tus posiciones primero

El informe comienza con tu P&L: valor de mercado, ganancia no realizada, P&L del día y un minigráfico por posición (cotizaciones en vivo con el mejor esfuerzo, recurriendo al último cierre). Justo debajo, Tenencias de un vistazo da a cada posición su propia tarjeta — peso en la cartera, estado de tendencia, rendimientos a 5D/1M/3M, volatilidad anualizada, drawdown máximo a 1 año, distancia del máximo de 52 semanas, fortaleza frente al índice de referencia, rango de analistas del lado vendedor, su posición en las listas cuantitativas, sus titulares recientes y un gráfico de cierre expandible de 1S a 5A.

Esa sección se detiene deliberadamente en los hechos. No contiene ninguna recomendación de compra/venta ni pronóstico de precio — una prueba verifica que el texto nunca se desvía. Esta es una herramienta de investigación, no un asesor autorizado: presenta la evidencia y te deja la decisión a ti.

Los resúmenes de noticias por tenencia están escritos a mano y se leen de data/news_digest.json ({as_of, digests: {SYMBOL: "una línea"}}) — el proyecto nunca llama a una API de LLM para obtenerlos. Cuando el as_of de ese archivo es anterior a la fecha de los datos del informe, cada tarjeta se marca como "resumen al …", para que un resumen desactualizado no pueda hacerse pasar por el de hoy.

Mercado — lo que realmente está haciendo la cinta

En lugar de solo citar el índice: rendimientos del día/5D/1M/3M del índice de referencia junto a su distancia del máximo de 52 semanas, drawdown y volatilidad; un indicador de riesgo VIX con su percentil del último año; métricas de amplitud — proporción de nombres que avanzan en 5D/1M y proporción que se mantiene por encima de sus medias móviles de 20D/50D, contadas solo sobre tus acciones individuales, para que una docena de ETFs de índices no pueda halagar la lectura; rotación sectorial entre los once ETFs sectoriales SPDR, clasificados por movimiento a 1 mes con su exceso sobre el índice de referencia; y un rastreador de fondos agrupado en índices amplios, temáticas (semiconductores, IA) y activos cruzados (VIX, bonos del Tesoro a largo plazo, oro, dólar, crudo) para ver hacia dónde va el dinero fuera de las acciones.

Ideas — selecciones cuantitativas, potenciales y de alto riesgo

Selecciones de investigación divididas por horizonte de tenencia (largo / medio / corto), cada una con la barra de rango de valoración del analista, cambio del día, etiquetas de riesgo y confianza — las posiciones que ya tienes se fijan arriba y se resaltan. Debajo, las tablas de selecciones potenciales y alto riesgo explican la razón estadística por la que cada nombre calificó. Los ETFs de índices y sectores se excluyen de ambas listas.

Consola local

quant-ai serve-dashboard sirve una página local con cuatro pestañas — informe, mercados, diagnósticos de backtest y operaciones — reutilizando el estilo del informe en lugar de un diseño separado. write-dashboard escribe la página de diagnósticos de backtest por sí sola, junto a las salidas de una ejecución. El idioma de la página sigue language: en tu configuración.

Comandos comunes

Cómo funciona

1. Datos — OHLCV diario de Yahoo Finance (yfinance) por defecto, o CSV/Parquet local. Almacenado en caché y validado.

2. Señales — factores transversales, desfasados punto en el tiempo, con puntuación z por día.

3. Cartera y riesgo — pesos objetivo deterministas bajo límites de posición/rotación/liquidez.

4. Evaluación — división entrenamiento / validación / prueba, ventanas walk-forward y métricas relativas al índice de referencia (Sharpe, Sortino, Calmar, drawdown máximo, alfa/beta).

5. IA — el proyecto no llama a ninguna API de LLM por sí mismo. Entrega hechos que puedes verificar: estadísticas cuantitativas, calificaciones basadas en reglas y consenso de terceros. La síntesis y discusión ocurren en el cliente de IA donde esté montado el servidor MCP, por lo que no hay clave API, ni costo adicional, ni un segundo modelo entre tú y los datos.

Documentación

• Manual completo (chino): docs/manual_zh.md — configuración detallada, backtest/walk-forward, API del panel, integración MCP, archivos de salida.

• Registro de cambios: CHANGELOG.md · Contribuciones: CONTRIBUTING.md · Hoja de ruta: roadmap.md

Pruebas

python -m pytest      # 106 tests, network-free
python -m ruff check quant_agent tests conftest.py

Aviso legal

Este proyecto es solo para investigación cuantitativa y educación. Analiza precios históricos y produce señales de investigación — no es asesoramiento de inversión, ni autorización para operar. Los mercados conllevan riesgo; eres responsable de tus propias decisiones.

Licencia

MIT