agent-quant 0.2.44

A quantitative trading system development framework for A-share stock market

ClawQuant

中文 | English

注意: ClawQuant 是专门为 OpenClaw 定制的量化交易 Skill 框架，推荐通过 OpenClaw 自动安装使用。

ClawQuant 是一个基于 Python 的开源量化交易系统开发框架，专注于 A 股市场。它提供了从数据获取、因子计算、策略回测到交易执行的完整量化交易解决方案。

安装方式

方式一：通过 OpenClaw 自动安装（推荐）

在 OpenClaw 中添加 Skill 即可自动完成安装：

# OpenClaw 会自动完成以下操作：
# 1. pip install agent-quant
# 2. 安装依赖
# 3. 配置环境

方式二：手动 pip 安装

pip install agent-quant

方式三：从源码安装

git clone https://github.com/clawquant/agentquant.git
cd agentquant
pip install -e .

快速开始

1. 启动数据库服务

Windows:

# 前台运行
start_db_server.bat

# 后台运行
start_db_server.bat --bg

Linux/Mac:

# 添加执行权限
chmod +x start_db_server.sh

# 前台运行
./start_db_server.sh

# 后台运行
./start_db_server.sh --bg

2. 使用 CLI 工具

# 查看帮助
python -m agentquant.cli --help

# 更新数据
python -m agentquant.cli update --codes 000001.SZ --date 2024-06-01

# 查询数据
python -m agentquant.cli query --code 000001.SZ --start 2024-01-01 --end 2024-06-01

# 查看可用因子
python -m agentquant.cli factor list

# 策略回测
python -m agentquant.cli strategy backtest CROSS_STRATEGY --codes 000001.SZ --start 2024-01-01 --end 2024-06-01

3. 使用 Python API

from agentquant.database.api import StockAPI

# 创建 API 实例
api = StockAPI()

# 获取日线数据
df = api.get_daily('000001.SZ', '2024-01-01', '2024-06-01')
print(df)

# 获取股票列表
stocks = api.get_all_stocks()
print(stocks)

功能特性

📊 数据管理

• 多数据源支持：通过 QMT (XtQuant) 获取实时行情数据
• 本地数据存储：基于 DuckDB 的高性能本地数据存储
• HTTP API 服务：提供标准化的数据访问接口
• 自动数据更新：支持定时任务自动更新数据

🔬 因子分析

• 内置因子库：包含技术指标、情绪指标、质量因子等 20+ 常用因子
• 自定义因子：支持用户自定义因子计算
• 因子回测：支持 IC 测试、分层收益测试等

📈 策略回测

• 多引擎支持：
  • Local：本地轻量级回测引擎
  • CSKhQuant：基于 CSKhQuant 框架的回测
  • JQData：聚宽数据回测引擎
  • VNPY：基于 VNPY 框架的回测
• 统一接口：所有引擎使用统一的输入输出格式
• 策略库：内置均线交叉、MACD 等经典策略

🖥️ 图形界面

• 数据查看器：可视化查看股票数据和因子数据
• 回测界面：图形化策略回测和结果展示
• 批量下载：支持批量数据下载和管理

🤖 AI 支持

• Skill 接口：提供标准化的 AI Agent 调用接口
• CLI 工具：命令行工具支持自动化操作

项目结构

agentquant/
├── database/          # 数据管理模块
│   ├── api.py         # 数据访问接口
│   ├── storage/       # 数据存储（DuckDB）
│   ├── updater/       # 数据更新
│   └── source/        # 数据源（QMT）
├── backtest/          # 回测引擎
├── factor/            # 因子库
├── strategy/          # 策略库
├── gui/               # 图形界面
├── utils/             # 工具函数
├── scripts/           # 脚本工具
├── skills/            # AI Skill 接口
├── tests/             # 测试代码
├── cli.py             # 命令行工具
├── examples/          # 示例代码
└── docs/              # 文档

依赖说明

核心依赖

• Python >= 3.8
• DuckDB >= 0.9.0
• Pandas >= 2.0.0
• NumPy >= 1.24.0
• PyQt5 >= 5.15.0

可选依赖

• 数据接口：xtquant (QMT 数据接口)
• 回测引擎：
  • CSKhQuant：需要单独安装
  • JQData：需要聚宽账号
  • VNPY：需要安装 vnpy 包

关于 QMT

QMT (迅投) 是本项目的主要数据源，用于获取 A 股实时行情数据。由于 QMT 不在开源社区，需要用户自行安装：

1. 下载并安装 QMT 客户端
2. 安装 xtquant Python 包
3. 配置 QMT 路径

详细配置请参考 QMT 配置文档

文档

• 快速开始指南
• API 文档
• 因子使用说明
• 策略开发指南
• QMT 配置说明
• OpenClaw 集成指南

贡献指南

我们欢迎所有形式的贡献，包括但不限于：

• 提交 Bug 报告
• 提交功能建议
• 提交代码改进
• 完善文档

请参考 CONTRIBUTING.md 了解详细贡献流程。

社区与支持

• GitHub Issues: 提交问题
• 讨论区: GitHub Discussions
• 邮箱: [e-mail]

许可证

本项目采用 MIT 许可证 开源。

免责声明

本项目仅供学习和研究使用，不构成任何投资建议。使用本项目进行实盘交易的风险由用户自行承担。

致谢

感谢以下开源项目的贡献：

• DuckDB - 高性能嵌入式数据库
• Pandas - 数据分析库
• VNPY - 量化交易框架
• CSKhQuant - 量化回测框架
• OpenClaw - AI Agent 框架