quant.ai

Количественные исследования акций США, созданные для работы внутри вашего AI-ассистента. Подключите его к Claude или Codex через MCP и спрашивайте о любом тикере — получайте объяснимые рейтинги, ключевые уровни и обоснование, а затем обсуждайте это в том же чате. Также работает как однокомандный CLI.

English | 中文

quant.ai — это инструмент командной строки для количественных исследований акций США, созданный для обычных инвесторов. Введите одну команду и получите объяснимый рейтинг, ключевые уровни поддержки/стопа и обоснование — всё на основе исторических цен, полностью офлайн-дружелюбно и без привязки к брокеру.

⚠️ Только для исследований — не инвестиционная рекомендация. Он никогда не размещает и не предлагает реальные ордера. Вывод по умолчанию на английском; добавьте --lang zh (или выберите при quant-ai init) для китайского (中文).

Быстрый старт

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

Нет точки входа? python -m quant_agent analyze AAPL работает так же.

Related MCP server: mcp-financex

Что вы получаете

Реальный вывод от quant-ai analyze AAPL — по умолчанию на английском, --lang zh для китайского. Рейтинги варьируются от Strong Buy через Neutral до Strong Sell. Добавьте --output-dir для экспорта в Markdown + JSON, или --chart для PNG-графика.

Использование внутри Claude или Codex

Ключевая функция — предоставьте quant.ai в качестве MCP сервера и позвольте вашему AI-ассистенту вызывать его:

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

Затем просто спросите, в том же чате, где вы работаете:

"Что думаешь о NVDA?" · "Присмотри за TSLA." · "Я купил 15 AAPL по 182.5 — отслеживай." · "Как там мои позиции?" · "Создай сегодняшний рыночный отчет."

Claude (или Codex) обращается к реальным данным проекта, показывает вам количественный анализ, и вы обсуждаете его прямо здесь — без отдельного сайта, без копирования-вставки. Ежедневный отчет начинается с P&L ваших активов и отображается как отполированный HTML-артефакт. См. руководство (на китайском) для настройки Claude Desktop / Codex.

Позвольте вашему AI-ассистенту установить это — вставьте это в Claude Code (или любой AI CLI), и он сможет всё настроить:

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

Основные возможности

• 🤖 Живет внутри вашего AI-ассистента — ключевая функция. Подключите встроенный MCP-сервер к Claude или Codex и спросите "что думаешь о NVDA?" Он получает реальный количественный анализ из этого проекта, так что вы видите анализ и обсуждаете его в одном разговоре. Большинство инструментов анализа акций — это отдельные сайты; этот встроен в AI, с которым вы уже общаетесь.

• 💼 Ваш список наблюдения и активы, управляемые через чат. Скажите Claude "следи за NVDA" или "я купил 15 AAPL по 182.5" — они сохраняются локально в data/portfolio.json, автоматически учитываются в каждом анализе, а ежедневный отчет начинается с ваших позиций и нереализованной прибыли/убытка (котировки по возможности в реальном времени, с запасным вариантом на последнее закрытие).

• 🖼️ Ежедневный отчет, готовый к артефакту — рыночный обзор поставляется как самодостаточный HTML-файл со светлой/темной темой, который Claude отображает как встроенный артефакт; Markdown и JSON также записываются для всего остального.

• 🎯 Анализ одной акции без настройки — analyze AAPL возвращает рейтинг, доходность, RSI, волатильность, положение скользящих средних, уровни поддержки/стопа и понятные причины.

• 🧩 Персонализированный список наблюдения — quant-ai init строит вселенную, которая на 2/3 состоит из ваших собственных выборов (компании + сектора, которые вас интересуют) и на 1/3 обнаружена движком из более широкого рынка.

• 🔬 Исследовательские бэктесты — кросс-секционные сигналы (12-1 моментум, тренд 20/50, месячный разворот, низкая волатильность), поиск весов сигналов, walk-forward анализ стабильности, а также базовые линии SPY и равного веса для отделения альфы от беты.

• 📊 Локальная консоль — одна страница, четыре вкладки (отчет / рынки / диагностика бэктеста / операции), обслуживается локально без ключей API где-либо в стеке.

• 🛡️ Безопасно по дизайну — детерминированные сигналы + уровень риска, корректная деградация при сетевых/ошибках данных, только бумажная торговля — никогда не отправляет реальные ордера.

Ежедневный рыночный отчет и локальная консоль

quant-ai market-report создает ежедневный обзор исследований акций США в дизайне Anthropic, записанный четырьмя способами: полная HTML-страница, самодостаточный фрагмент артефакта, Markdown и JSON. Это одна страница с четырьмя вкладками — Активы, Рынок, Идеи, Новости — переключаемыми чистым CSS, так что они работают даже в изолированном представлении артефакта AI-клиента.

Активы — ваши позиции на первом месте

Обзор начинается с вашего P&L: рыночная стоимость, нереализованная прибыль, дневной P&L и мини-график по каждой позиции (котировки по возможности в реальном времени, с запасным вариантом на последнее закрытие). Сразу под ним, Активы с первого взгляда дает каждой позиции свою карточку — вес в портфеле, состояние тренда, доходность за 5Д/1М/3М, годовая волатильность, максимальная просадка за 1 год, расстояние от 52-недельного максимума, сила относительно бенчмарка, диапазон аналитиков sell-side, позиция в количественных списках, последние заголовки и раскрывающийся график закрытия за 1Н–5Л.

Этот раздел намеренно останавливается на фактах. Он не содержит рекомендаций по покупке/продаже и ценовых прогнозов — тест проверяет, что формулировки никогда не отклоняются. Это исследовательский инструмент, а не лицензированный советник: он представляет доказательства и оставляет решение вам.

Новостные анонсы по каждому активу написаны вручную и читаются из data/news_digest.json ({as_of, digests: {SYMBOL: "одна строка"}}) — проект никогда не вызывает для них LLM API. Когда as_of этого файла старше даты данных отчета, каждая карточка помечается "дайджест от …", чтобы устаревшая сводка не могла выдать себя за сегодняшнюю.

Рынок — что на самом деле делает лента

Вместо простого цитирования индекса: доходность бенчмарка за день/5Д/1М/3М рядом с расстоянием от 52-недельного максимума, просадка и волатильность; индикатор риска VIX с его процентилем за последний год; измерители широты — доля растущих имен за 5Д/1М и доля удерживающихся выше своих 20Д/50Д скользящих средних, подсчитанные только по вашим отдельным акциям, чтобы дюжина индексных ETF не могла приукрасить показания; ротация секторов по одиннадцати SPDR секторным ETF, отсортированная по 1-месячному движению с их превышением над бенчмарком; и трекер фондов, сгруппированный по широким индексам, темам (полупроводники, AI) и кросс-активам (VIX, долгосрочные казначейские облигации, золото, доллар, нефть), чтобы видеть, куда уходят деньги за пределами акций.

Идеи — количественные выборы, потенциальные и высокорисковые

Исследовательские выборы, разделенные по горизонту удержания (долгосрочный / среднесрочный / краткосрочный), каждый с полосой аналитического диапазона оценки, дневным изменением, тегами риска и уверенности — позиции, которые вы уже держите, закреплены вверху и выделены. Под ними таблицы потенциальных выборов и высокого риска объясняют статистическую причину, по которой каждое имя квалифицировалось. Индексные и секторные ETF исключены из обоих списков.

Локальная консоль

quant-ai serve-dashboard обслуживает одну локальную страницу с четырьмя вкладками — отчет, рынки, диагностика бэктеста и операции — используя собственный стиль отчета вместо второго дизайна. write-dashboard записывает страницу диагностики бэктеста отдельно, рядом с выводами запуска. Язык страницы следует language: в вашей конфигурации.

Распространенные команды

Как это работает

1. Данные — дневные OHLCV из Yahoo Finance (yfinance) по умолчанию, или локальный CSV/Parquet. Кэшируются и проверяются.

2. Сигналы — кросс-секционные, point-in-time-запаздывающие факторы, z-оцененные по дням.

3. Портфель и риск — детерминированные целевые веса при ограничениях на позицию/оборот/ликвидность.

4. Оценка — разделение на обучение / валидацию / тест, walk-forward окна и метрики относительно бенчмарка (Sharpe, Sortino, Calmar, максимальная просадка, альфа/бета).

5. AI — проект не вызывает никакой LLM API самостоятельно. Он предоставляет проверяемые факты: количественную статистику, рейтинги на основе правил и сторонний консенсус. Синтез и обсуждение происходят в том AI-клиенте, в который встроен MCP-сервер, поэтому нет ключа API, дополнительных затрат и второй модели между вами и данными.

Документация

• Полное руководство (на китайском): docs/manual_zh.md — подробная конфигурация, бэктест/walk-forward, API панели управления, интеграция MCP, выходные файлы.

• Журнал изменений: CHANGELOG.md · Участие: CONTRIBUTING.md · Дорожная карта: roadmap.md

Тесты

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

Отказ от ответственности

Этот проект предназначен только для количественных исследований и образования. Он анализирует исторические цены и генерирует исследовательские сигналы — не инвестиционная рекомендация и не разрешение на торговлю. Рынки несут риски; вы несете ответственность за свои собственные решения.

Лицензия

MIT