quant.ai

面向美股的量价研究工具，专为嵌入 AI 助手而设计。 通过 MCP 接入 Claude 或 Codex，询问任意股票代码即可获得可解释的评级、关键价位及推理过程，并可在同一对话中展开讨论。同时支持单命令 CLI 使用。

quant.ai 是一个面向 美股 的命令行量化研究工具包，专为普通投资者打造。输入一条命令即可获得可解释的评级、关键支撑/止损位及其背后的推理——全部基于历史价格数据，完全支持离线运行，且不绑定任何券商。

⚠️ 仅供研究参考——不构成投资建议。本工具不会下达或建议任何实盘订单。 输出默认为英文；添加 --lang zh（或在 quant-ai init 时选择）可切换为中文。

快速开始

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

没有入口点？python -m quant_agent analyze AAPL 同样有效。

Related MCP server: mcp-financex

你能得到什么

quant-ai analyze AAPL 的实际输出——默认为英文，--lang zh 可切换为中文。评级范围从 强力买入 到 中性 再到 强力卖出。添加 --output-dir 可导出 Markdown + JSON 文件，或使用 --chart 生成 PNG 图表。

在 Claude 或 Codex 中使用

核心功能——将 quant.ai 作为 MCP 服务器暴露，让您的 AI 助手直接调用：

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

然后，只需在同一个对话中提问：

"NVDA 现在怎么看？" · "帮我盯着 TSLA。" · "我在 182.5 买了 15 股 AAPL，帮我跟踪。" · "我的持仓表现如何？" · "生成今天的市场报告。"

Claude（或 Codex）会调用真实项目数据，向您展示量化分析结果，您可以直接在对话中讨论——无需切换网站，无需复制粘贴。每日报告以 您的持仓盈亏 开头，并渲染为精美的 HTML 工件。请参阅手册（中文）了解 Claude Desktop / Codex 配置。

让您的 AI 助手自行安装——将以下内容粘贴到 Claude Code（或任何 AI CLI）中，它即可完成全部设置：

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

亮点

• 🤖 内置于 AI 助手——核心功能。 将内置的 MCP 服务器接入 Claude 或 Codex，然后问 "NVDA 现在怎么看？" 它会从本项目拉取真实的量化分析结果，让您 在同一个对话中看到分析并展开讨论。大多数股票分析工具都是独立网站——而本工具直接嵌入您日常对话的 AI 中。

• 💼 通过对话管理自选股与持仓。 告诉 Claude "关注 NVDA" 或 "我在 182.5 买了 15 股 AAPL"——这些信息会持久化保存在 data/portfolio.json 中，自动融入每次分析，每日报告 以您的持仓和未实现盈亏开头（尽力获取实时行情，失败时回退至最近收盘价）。

• 🖼️ 支持工件的每日报告——市场简报以自包含的亮/暗色 HTML 文件形式输出，Claude 可将其渲染为内联工件；同时也会生成 Markdown 和 JSON 格式文件。

• 🎯 零配置单股分析——analyze AAPL 返回评级、收益率、RSI、波动率、均线位置、支撑/止损位以及可读性强的理由。

• 🧩 个性化自选股——quant-ai init 构建的股票池中，三分之二来自您自己的选择（您关心的公司及行业），三分之一由引擎从更广泛的市场中发掘。

• 🔬 研究回测——截面信号（12-1 动量、20/50 趋势、1 个月反转、低波动）、信号权重搜索、滚动窗口稳定性分析，以及 SPY 和等权基准，用以区分 Alpha 与 Beta。

• 📊 本地控制台——单页面，四个标签页（报告 / 市场 / 回测诊断 / 操作），本地运行，整个技术栈无需任何 API 密钥。

• 🛡️ 安全设计——确定性信号加风险层，网络/数据错误时优雅降级，仅支持模拟交易——绝不提交真实订单。

每日市场报告与本地控制台

quant-ai market-report 以 Anthropic 风格设计生成每日美股研究简报，输出四种格式：完整 HTML 页面、自包含的工件片段、Markdown 和 JSON。该页面为单页四标签设计——持仓、市场、观点、新闻——通过纯 CSS 切换，因此在 AI 客户端的沙盒工件视图中也能正常使用。

持仓——您的头寸优先展示

简报以您的盈亏数据开头：市值、未实现收益、当日盈亏，以及每只持仓的迷你走势图（尽力获取实时行情，失败时回退至最近收盘价）。紧接着的 持仓概览 为每只持仓提供独立卡片——组合权重、趋势状态、5日/1月/3月收益率、年化波动率、1 年最大回撤、距 52 周高点的距离、相对基准的强弱、卖方分析师评级区间、在量化列表中的排名、近期新闻标题，以及可点击展开的 1 周至 5 年收盘价走势图。

该部分严格止步于事实陈述。不包含任何买入/卖出建议或价格预测——测试用例会确保措辞不会偏离这一原则。这是一个研究工具，而非持牌顾问：它只呈现证据，决策权在您手中。

每只持仓的新闻摘要为手动编写，从 data/news_digest.json 读取（格式为 {as_of, digests: {SYMBOL: "一句话"}}）——本项目从不调用任何 LLM API 来生成这些摘要。当该文件的 as_of 时间早于报告的数据日期时，每张卡片会标注"摘要截至……"，从而避免过时的摘要被误认为今日信息。

市场——市场实际表现

不仅仅是引用指数数据：基准指数的日/5日/1月/3月收益率，以及距 52 周高点的距离、回撤和波动率；VIX 风险指标及其在近一年中的百分位；广度指标——过去 5 日/1 月内上涨的股票占比，以及股价位于 20 日/50 日均线之上的股票占比，这些指标仅针对您的自选股计算，避免大量指数 ETF 美化读数；行业轮动——覆盖十一只 SPDR 行业 ETF，按 1 月涨跌幅排序并显示相对基准的超额收益；以及基金追踪器，按宽基指数、主题（半导体、AI）和跨资产类别（VIX、长期国债、黄金、美元、原油）分组，展示资金在股市之外的流向。

观点——量化选股、潜力股与高风险股

研究选股按持有周期（长期/中期/短期）划分，每只股票附带分析师估值区间柱状图、当日涨跌幅、风险与置信度标签——您已持有的头寸会置顶并高亮显示。下方的 潜力股 和 高风险 表格详细说明了每只股票入选的统计依据。指数和行业 ETF 被排除在这两个列表之外。

本地控制台

quant-ai serve-dashboard 启动一个包含四个标签页的本地页面——报告、市场、回测诊断和操作——复用报告本身的样式，而非另起炉灶。write-dashboard 可单独生成回测诊断页面，放置在回测运行输出目录旁。页面语言遵循配置中的 language: 设置。

常用命令

工作原理

1. 数据——默认从 Yahoo Finance（yfinance）获取日 OHLCV 数据，或使用本地 CSV/Parquet 文件。数据会缓存并经过验证。

2. 信号——截面、时点滞后因子，按日计算 Z 分数。

3. 组合与风险——在仓位/换手率/流动性限制下，计算确定性目标权重。

4. 评估——训练/验证/测试集划分、滚动窗口分析，以及相对基准的指标（夏普比率、索提诺比率、卡尔玛比率、最大回撤、Alpha/Beta）。

5. AI——本项目不调用任何 LLM API。它只提供可验证的事实：量化统计数据、基于规则的评级以及第三方共识。综合分析与讨论发生在 MCP 服务器所挂载的 AI 客户端中，因此无需 API 密钥、无额外成本，数据与您之间不存在第二层模型。

文档

• 完整手册（中文）： docs/manual_zh.md——详细配置、回测/滚动窗口、仪表盘 API、MCP 集成、输出文件。

• 更新日志： CHANGELOG.md · 贡献指南： CONTRIBUTING.md · 路线图： roadmap.md

测试

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

免责声明

本项目仅供量化研究与教育目的使用。它分析历史价格并生成研究信号——不构成投资建议，也不授权进行交易。市场存在风险，您需对自己的决策负责。

许可证

MIT