QuantCLI

QuantCLI 是一款专注于多因子选股的命令行工具，为个人量化研究者提供轻量、高效、可复现的研究环境。

AI Agent 友好: QuantCLI 专为 AI Agent 优化，支持结构化输出、幂等性设计和 Skill 集成。

核心功能

多因子筛选: 多阶段因子筛选、权重融合、条件过滤、加分项评分
因子计算: 40+ 内置函数，支持表达式解析
IC/IR 分析: 因子有效性评估，批量扫描高有效性因子
回测引擎: 基于 Backtrader，支持单股票/多因子回测
多数据源: AKShare、Baostock、MySQL
AI 友好: JSON 输出、Skill 集成、Claude Code 支持
内置因子库: 40 个 Alpha101 因子，即点即用

安装

pip install quantcli

快速开始

# 查看帮助
quantcli --help

# 多因子筛选 (推荐)
quantcli filter run -f examples/strategies/pe_roe_ma10.yaml --top 30

# 查看所有内置因子
quantcli factors list

# IC/IR 因子有效性分析
quantcli analyze ic -e "(close / delay(close, 20)) - 1" -n "20日动量" --json

# 批量分析因子库
quantcli analyze batch -d examples/alpha101/alpha/ --top 10

# 获取数据
quantcli data fetch 600519 --start 2020-01-01 --end 2024-01-01

# 运行因子
quantcli factor run -n momentum -e "(close / delay(close, 20)) - 1"

# 回测策略
quantcli backtest run -s ma_cross --start 2020-01-01

AI Agent 使用

JSON 输出模式

所有命令支持 --json 参数，以机器可解析的格式输出：

# IC/IR 分析
quantcli analyze ic -e "(close/delay(close,20))-1" --json
# {"status": "success", "ic_mean": 0.0285, "ir": 0.47, ...}

# 批量因子分析
quantcli analyze batch -d examples/alpha101/alpha/ --json

IC/IR 评估标准

指标	含义	阈值
IC	因子与未来收益的秩相关	\|IC\| > 0.05 有效
IR	IC 均值/标准差（年化）	IR > 0.5 稳定

Alpha101 内置因子库

内置 40 个 WorldQuant Alpha101 因子，可直接引用：

# 查看所有内置因子
quantcli factors list

# 运行 Alpha101 复合策略
quantcli filter run -f examples/alpha101/alpha101_composite.yaml --top 30

# 批量分析因子有效性
quantcli analyze batch -d examples/alpha101/alpha/ --top 10

使用内置因子：

factors:
  - alpha101/alpha_001   # 20日创新高后转跌
  - alpha101/alpha_008   # 资金流入
  - alpha101/alpha_029   # 5日动量

ranking:
  weights:
    alpha101/alpha_001: 0.4
    alpha101/alpha_008: 0.3
    alpha101/alpha_029: 0.3
  normalize: zscore

Claude Code Skill

QuantCLI 提供 Claude Code Skill，可在 Claude Code 中直接调用：

/skill https://github.com/wumu2013/quantcli/raw/main/.claude/skills/skill-multi-factor-strategy/skill.md

或访问 ClawHub 获取更多安装方式。

Skill 功能：引导创建多因子选股策略，生成 YAML 配置文件。

多因子筛选示例

创建策略文件 strategy.yaml:

name: PE-ROE-MA10 选股策略
version: 1.0.0

screening:
  fundamental_conditions:
    - "pe_ttm < 20"
    - "pe_ttm > 0"
    - "roe > 0.1"
  daily_conditions:
    - "close > ma10"

ranking:
  weights:
    pe_ttm: -0.3      # 负权重: 低估值
    roe: 0.5          # 正权重: 高ROE
    ma10_deviation: 0.2
  normalize: zscore

output:
  limit: 50

运行筛选:

quantcli filter run -f strategy.yaml --top 50

命令

命令	功能
`quantcli analyze`	IC/IR 因子有效性分析
`quantcli filter`	多因子筛选
`quantcli factor`	因子计算与评估
`quantcli factors`	内置因子管理
`quantcli data`	数据获取与管理
`quantcli backtest`	回测引擎
`quantcli config`	配置管理

AI Skill

multi-factor-strategy skill 用于引导创建多因子选股策略，生成可独立运行的 YAML 配置文件。

目的: 将因子研究、回测验证、策略执行整合为标准化流程，通过 YAML 配置实现:

多阶段筛选 (基本面 → 技术面 → 因子评分)
权重融合与条件过滤
策略可复现、可版本控制
AI Agent 可直接调用

Moltbook 社区

QuantCLI 在 Moltbook 上有自己的 AI Agent 账号 @quantcli，欢迎其他 AI Agent 和人类互动！

如何互动

方式	说明
关注	在 Moltbook 上关注 `@quantcli` 获取最新动态
评论	在我的帖子下讨论量化策略、因子分析、风险管理等话题
提问	询问 QuantCLI 使用问题、策略设计建议
投票	在功能 roadmap 帖子下投票选择新功能优先级

Moltbook 上的我

Profile: https://moltbook.com/u/quantcli
Recent Posts: 分享量化知识、策略分析、工具更新
Topics: 多因子选股、IC/IR 分析、风险管理、市场状态检测

AI Agent 友好

QuantCLI 专为 AI Agent 优化：

JSON 输出: 所有命令支持 --json 参数
幂等性: 多次执行结果一致
Skill 集成: Claude Code Skill 支持
结构化 API: DataFrame 输入输出

文档

详见 docs/cli_guide.md

许可证

MIT License

Metadata

Release files for quantcli 0.2.6

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

Source distribution (sdist)

Source distribution for quantcli 0.2.6
File	Size	Uploaded	Provenance
quantcli-0.2.6.tar.gz	135.4 kB	Feb 15, 2026	Without provenance	Details

Built distribution (wheel)

Table of built distributions (wheels) for quantcli 0.2.6
File	Interpreter	ABI	Platform	Reset
quantcli-0.2.6-py3-none-any.whl 137.7 kB Feb 15, 2026 Without provenance	Python 3	none	any	Details

Total release size: 273.1 kB

Release files / quantcli-0.2.6.tar.gz

Download URL	quantcli-0.2.6.tar.gz
Size	135.4 kB
Tags	Source
SHA-256 checksum How to use checksums	`76f72c938d56616545d1950847f75de09fa704b28fac391d91c1ee95a3377403`
BLAKE2b-256 checksum How to use checksums	`cfe213826a1d89bc45c4dd79b7a0986898f962bb26e136e9f49c22a88012ff49`
Upload date	Feb 15, 2026
Uploaded using Trusted Publishing? What is trusted publishing?	No
Uploaded via	`twine/6.2.0 CPython/3.9.6`

Release files / quantcli-0.2.6-py3-none-any.whl

Download URL	quantcli-0.2.6-py3-none-any.whl
Size	137.7 kB
Tags	Python 3
SHA-256 checksum How to use checksums	`7212a216c5d450f9877aeaadb6c48063d9c2b059b5016c922c49ad674ff43343`
BLAKE2b-256 checksum How to use checksums	`65d4c5566d2c6e89f83a4c65e9f2dc421a56c6c9e19f8a1af45b3e92c8c3607f`
Upload date	Feb 15, 2026
Uploaded using Trusted Publishing? What is trusted publishing?	No
Uploaded via	`twine/6.2.0 CPython/3.9.6`

Security for quantcli 0.2.6

Report project as malware

Provenance

Provenance describes where a file came from. On PyPI, provenance is shared via attestations, which provide a verifiable record of the build or publishing details. View details, limitations and caveats.

No provenance found

None of the files in this release were uploaded with provenance metadata.

A note on package security

PyPI is a repository for distributing packages, not a service for auditing them. While third-party security researchers and our staff do their best to detect and remove malicious packages, PyPI cannot guarantee the quality, security or suitability of any given package.

To learn more about protecting yourself from malicious actors, visit our package security documentation.