# QuantMind

**Repository Path**: toms12/QuantMind

## Basic Information

- **Project Name**: QuantMind
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: AGPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-22
- **Last Updated**: 2026-04-22

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

<p align="center">
  <img src="docs/images/Dashboard.png" alt="QuantMind Dashboard" width="100%">
</p>

<h1 align="center">QuantMind</h1>

<p align="center">
  <strong>新一代智能量化交易架构</strong>
</p>

<p align="center">
  <strong>打通模型训练、回测、推理、实盘全流程闭环</strong>
</p>

<p align="center">
  <a href="#-核心特性">核心特性</a> •
  <a href="#-快速开始">快速开始</a> •
  <a href="#-功能演示">功能演示</a> •
  <a href="#-技术架构">技术架构</a> •
  <a href="#-部署指南">部署指南</a>
</p>

<p align="center">
  <img src="https://img.shields.io/badge/Python-3.10+-blue.svg" alt="Python">
  <img src="https://img.shields.io/badge/Node.js-20+-green.svg" alt="Node.js">
  <img src="https://img.shields.io/badge/License-AGPL%20v3-blue.svg" alt="License">
  <img src="https://img.shields.io/badge/Qlib-Powered-orange.svg" alt="Qlib">
</p>

---

## ✨ 核心特性

### 🧠 Qlib 内核驱动

基于微软 **Qlib** 量化框架深度集成，提供业界领先的量化研究能力：

- **LightGBM 模型** — 高性能梯度提升模型，专为金融时序预测优化
- **Alpha158 因子集** — 158 个经典量化因子，覆盖动量、估值、质量等多维度
- **自动化特征工程** — 48 维标准化特征，开箱即用

### 🎯 双引擎回测系统

独创 **Qlib + Pandas** 双引擎架构，灵活应对不同场景：

| 引擎 | 适用场景 | 性能 |
|------|----------|------|
| **Qlib Engine** | 复杂策略、多因子模型、机构级研究 | 极高性能 |
| **Pandas Engine** | 快速验证、简单策略、教学演示 | 轻量极快 |

### 🤖 AI 模型全生命周期管理

从训练到推理，完整闭环：

```mermaid
flowchart LR
    A[📊 数据准备] --> B[🧠 模型训练]
    B --> C[📈 效果评估]
    C --> D{通过验证?}
    D -->|是| E[🚀 模型部署]
    D -->|否| B
    E --> F[⚡ 实时推理]
    F --> G[📡 信号生成]
    G --> H[💹 执行交易]

    style A fill:#e3f2fd
    style B fill:#f3e5f5
    style C fill:#fff3e0
    style E fill:#e8f5e9
    style F fill:#fce4ec
    style G fill:#e1f5fe
    style H fill:#f1f8e9
```

- **一键训练** — 自动化特征提取、样本划分、超参优化
- **模型版本管理** — 多模型共存，一键切换
- **实时推理** — 每日自动生成交易信号

### 📈 实盘交易对接

支持多券商实盘交易：

- **QMT 券商** — 迅投 QMT 深度对接
- **模拟盘验证** — 实盘前完整模拟
- **风控系统** — 止损止盈、仓位控制、风险预警

---

## 🚀 快速开始

### 环境要求

| 组件 | 版本 | 说明 |
|------|------|------|
| 操作系统 | Ubuntu 22.04+ | 推荐 Ubuntu 24.04 LTS |

**硬件配置：**

| 功能模块 | 最低配置 | 推荐配置 |
|----------|----------|----------|
| 基础功能（智能策略、AI-IDE、回测中心、QuantBot） | 4核 8GB | 4核 16GB |
| 完整功能（含模型训练、模型推理） | 8核 32GB | 16核 64GB |

### 一键部署

在全新的 Ubuntu 服务器上执行：

```bash
curl -fsSL https://gitee.com/qusong0627/quantmind/raw/master/deploy/quick-deploy.sh | sudo bash -s -- --yes
```

部署完成后访问：`http://<服务器IP>`

**默认账号：** `admin` / `admin123`

### 离线数据包

部署完成后，需要下载离线数据包以启用完整功能（回测、模型训练、模型推理）：

**下载地址：** [https://oss.quantmindai.cn/data-download.html](https://oss.quantmindai.cn/data-download.html)

数据包包含：
- Qlib 股票特征数据（6000+ 股票）
- 模型特征快照（2016-2026 年）
- 预训练模型文件

安装方法详见：[docs/数据包安装指南.md](docs/数据包安装指南.md)

### 部署选项

```bash
# 完整部署
sudo ./deploy/deploy.sh

# 仅部署后端
sudo ./deploy/deploy.sh --backend-only

# 仅部署前端
sudo ./deploy/deploy.sh --frontend-only

# 断点续传（中断后继续）
sudo ./deploy/deploy.sh --resume

# 重置进度重新部署
sudo ./deploy/deploy.sh --reset
```

### 手动部署

```bash
# 克隆项目
git clone https://gitee.com/qusong0627/quantmind.git
cd quantmind

# 执行部署脚本
sudo ./deploy/deploy.sh
```

**部署内容：**
- Docker & Docker Compose
- PostgreSQL 15 + Redis 7
- Node.js 20 + PM2 + Nginx
- QuantMind 后端服务（4 个微服务）
- QuantMind 前端应用

---

## 📸 功能演示

### 📊 智能仪表盘

<p align="center">
  <img src="docs/images/Dashboard.png" alt="Dashboard" width="80%">
</p>

实时监控账户状态、持仓盈亏、策略表现，一目了然。

### 🔬 快速回测

<p align="center">
  <img src="docs/images/QuickBacktest.png" alt="Quick Backtest" width="80%">
</p>

分钟级完成策略回测，支持自定义参数、多标的组合、详细绩效报告。

### 🧠 模型训练

<p align="center">
  <img src="docs/images/ModelTraining.png" alt="Model Training" width="80%">
</p>

可视化配置训练参数，自动完成特征工程、样本划分、模型训练与评估。

### 🎯 模型管理

<p align="center">
  <img src="docs/images/ModelManagement.png" alt="Model Management" width="80%">
</p>

多版本模型管理，一键切换生产模型，查看训练日志与性能指标。

### 📈 模型推理

<p align="center">
  <img src="docs/images/ModelInference.png" alt="Model Inference" width="80%">
</p>

每日自动推理生成交易信号，支持手动触发、信号导出、历史回溯。

### 💹 实盘交易

<p align="center">
  <img src="docs/images/LiveTrading.png" alt="Live Trading" width="80%">
</p>

对接券商实盘，支持自动下单、持仓同步、风险控制。

### 🛡️ 风险管理

<p align="center">
  <img src="docs/images/BasicRisk.png" alt="Risk Management" width="80%">
</p>

完善的风控体系：止损止盈、仓位限制、黑名单管理、异常预警。

### 📊 高级分析

<p align="center">
  <img src="docs/images/AdvancedAnalysis.png" alt="Advanced Analysis" width="80%">
</p>

深度策略分析：收益归因、风险分解、因子暴露、Benchmark 对比。

---

## 🏗️ 技术架构

### 微服务架构

```mermaid
flowchart TB
    subgraph Client["🖥️ 客户端"]
        Web["Web Browser"]
        Desktop["Electron Desktop"]
    end

    subgraph Gateway["🚪 API Gateway :8000"]
        Auth["用户认证"]
        Strategy["策略管理"]
    end

    subgraph Engine["🧠 Engine Service :8001"]
        Qlib["Qlib 回测引擎"]
        Training["模型训练"]
        Inference["AI 推理"]
    end

    subgraph Trade["💹 Trade Service :8002"]
        Order["订单管理"]
        Position["持仓管理"]
        Risk["风控系统"]
    end

    subgraph Stream["📡 Stream Service :8003"]
        Quote["实时行情"]
        WS["WebSocket 推送"]
    end

    subgraph Storage["💾 数据层"]
        PG[("PostgreSQL<br/>数据库")]
        Redis[("Redis<br/>缓存")]
        Local[("本地存储<br/>/data")]
    end

    subgraph External["🌐 外部服务"]
        Broker["券商接口"]
        Market["行情源"]
    end

    Client --> Gateway
    Gateway --> Engine
    Gateway --> Trade
    Gateway --> Stream

    Engine --> PG
    Engine --> Redis
    Engine --> Local

    Trade --> PG
    Trade --> Redis
    Trade --> Broker

    Stream --> Redis
    Stream --> Market
    Stream --> Client

    style Client fill:#e1f5fe
    style Gateway fill:#fff3e0
    style Engine fill:#f3e5f5
    style Trade fill:#e8f5e9
    style Stream fill:#fce4ec
    style Storage fill:#f5f5f5
    style External fill:#fff8e1
```

### 技术栈

| 层级 | 技术选型 |
|------|----------|
| **前端** | Electron + React + TypeScript + Ant Design |
| **后端** | Python 3.10 + FastAPI + SQLAlchemy |
| **回测引擎** | Qlib + Pandas 双引擎 |
| **AI 模型** | LightGBM + Qlib Model Framework |
| **数据库** | PostgreSQL 15 + Redis 7 |
| **消息队列** | Celery + Redis |
| **容器化** | Docker + Docker Compose |

---

## 📖 部署指南

### 开发环境

```bash
# 后端开发
source .venv/bin/activate
pip install -r requirements.txt
python backend/main_oss.py

# 前端开发
npm install
npm run dev
```

### 生产部署

快速部署命令与选项请参考上方「🚀 快速开始」章节。  
完整参数说明与排障请参考 [deploy/README.md](deploy/README.md)。

### 数据目录

| 目录 | 用途 | 说明 |
|------|------|------|
| `db/qlib_data/` | Qlib 回测数据 | 交易日历、标的列表、特征数据 |
| `db/feature_snapshots/` | 模型训练数据 | Parquet 格式特征快照 |
| `models/` | AI 模型文件 | 训练好的模型权重 |
| `data/postgres/` | PostgreSQL 数据 | 持久化存储 |
| `data/redis/` | Redis 数据 | 缓存与会话 |

---

## 🧪 测试

```bash
# 单元测试
python backend/run_tests.py unit

# 集成测试
python backend/run_tests.py integration

# 全量测试
python backend/run_tests.py all
```

---

## 📁 项目结构

```
quantmind/
├── backend/
│   ├── main_oss.py              # 统一入口
│   ├── services/
│   │   ├── api/                 # API 服务
│   │   ├── engine/              # 回测引擎
│   │   ├── trade/               # 交易服务
│   │   └── stream/              # 行情服务
│   └── shared/                  # 共享模块
├── electron/
│   └── src/                     # 前端源码
├── models/                      # 模型文件
├── db/                          # 数据文件
├── deploy/
│   └── deploy.sh                # 一键部署脚本
├── docker/
│   └── Dockerfile.oss           # 镜像构建
├── docs/                        # 文档
└── docker-compose.yml           # 服务编排
```

---

## 🤝 贡献

欢迎提交 Issue 和 Pull Request！

---

## 📄 License

[GNU Affero General Public License v3.0](LICENSE)

---

## 🙏 致谢

- [Qlib](https://github.com/microsoft/qlib) — 微软量化投资平台
- [LightGBM](https://github.com/microsoft/LightGBM) — 微软梯度提升框架
- [FastAPI](https://fastapi.tiangolo.com/) — 现代高性能 Web 框架

---

## 💬 QQ 群

<p align="center">
  <img src="docs/images/1097406397.png" alt="QuantMind QQ 群二维码" width="260">
</p>

---

<p align="center">
  <strong>QuantMind</strong> — 让量化交易更简单
</p>