ClawQuant

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：

下载并安装 QMT 客户端
安装 xtquant Python 包
配置 QMT 路径

详细配置请参考 QMT 配置文档

文档

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: clawquant@example.com

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

Release files for agent-quant 0.2.57

For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.

Source distribution (sdist)

Source distribution for agent-quant 0.2.57
File	Size	Uploaded
agent_quant-0.2.57.tar.gz	257.6 kB	May 11, 2026	Details

Built distribution (wheel)

Table of built distributions (wheels) for agent-quant 0.2.57
File	Interpreter	ABI	Platform	Reset
agent_quant-0.2.57-py3-none-any.whl 318.8 kB May 11, 2026	Python 3	none	any	Details

Total release size: 576.4 kB

Release files / agent_quant-0.2.57.tar.gz

Download URL	agent_quant-0.2.57.tar.gz
Size	257.6 kB
Tags	Source
SHA-256 checksum How to use checksums	`57c80409c17f88518a7b895a0e26f45a8b27b4d6052ccfe7c556238888868ee0`
BLAKE2b-256 checksum How to use checksums	`b742729cda31f952d02be56976b37e2a0daafd3fb478fe43e4b1f82f7e4617eb`
Upload date	May 11, 2026
Uploaded using Trusted Publishing? What is trusted publishing?	No
Uploaded via	`twine/6.2.0 CPython/3.12.3`

Release files / agent_quant-0.2.57-py3-none-any.whl

Download URL	agent_quant-0.2.57-py3-none-any.whl
Size	318.8 kB
Tags	Python 3
SHA-256 checksum How to use checksums	`bf0fe2350df17dc68e88899099f26a714f6b75e34f8b6454861dba8b9c9efadb`
BLAKE2b-256 checksum How to use checksums	`b9e96a6fadb6d358113e7ad1462d466a1ca962ef9d288519fb31050d702f3d6b`
Upload date	May 11, 2026
Uploaded using Trusted Publishing? What is trusted publishing?	No
Uploaded via	`twine/6.2.0 CPython/3.12.3`