myQuant是一个基于机器学习的全自动量化投资系统，使用Qlib框架进行股票数据分析和策略回测。
- 🤖 机器学习模型: 自动生成买卖信号
- 📈 全自动回测: 历史数据模拟投资
- 🎨 可视化界面: Streamlit Web应用
- 📊 实时分析: 股票技术指标分析
- 📋 详细报告: 回测结果和交易记录
myQuant/
├── 📁 src/ # 源代码
│ ├── 📁 core/ # 核心功能
│ ├── 📁 strategies/ # 交易策略
│ ├── 📁 models/ # 机器学习模型
│ ├── 📁 backtest/ # 回测系统
│ └── 📁 utils/ # 工具函数
├── 📁 config/ # 配置文件
├── 📁 data/ # 数据相关
├── 📁 models/ # 训练好的模型
├── 📁 results/ # 回测结果和报告
├── 📁 scripts/ # 运行脚本
├── 📁 docs/ # 文档
├── 📁 tests/ # 测试文件
└── 📁 examples/ # 示例代码
# 激活conda环境
conda activate qlib-mcp
# 或创建新环境
conda env create -f config/environment-mcp.yml# 运行全自动回测
python scripts/run_backtest.py# 启动Streamlit应用
python scripts/run_streamlit.py
# 或直接使用streamlit
streamlit run src/core/streamlit_app.py- 初始资金: 1,000,000 元
- 最终价值: 1,235,603 元
- 总收益率: 23.56%
- 交易次数: 176次
- 回测期间: 2020年1月-9月
主要配置在 config/project_config.py 中：
- 数据配置: 股票池、时间范围
- 模型配置: 算法参数、特征选择
- 回测配置: 资金管理、信号阈值
src/backtest/auto_backtest_system.py- 全自动回测系统src/core/streamlit_app.py- Web可视化应用src/models/simple_ml_training.py- 机器学习模型训练
scripts/run_backtest.py- 回测运行脚本scripts/run_streamlit.py- Web应用启动脚本
config/project_config.py- 项目主配置config/environment-mcp.yml- Conda环境配置
- 个人投资者: 策略回测和优化
- 量化研究员: 模型开发和测试
- 投资机构: 策略验证和展示
- 学习研究: 量化投资入门
- 完全自动化: 无需人工干预
- 机器学习驱动: 基于历史数据训练
- 实时信号: 每日生成买卖建议
- 风险控制: 智能仓位管理
- 可视化展示: 直观的结果展示
欢迎提交Issue和Pull Request！
MIT License
如有问题，请提交Issue或联系开发团队。