QuantLab OSS · 策略实验室（开源版）

🧪 一个 AI 驱动的量化分析平台 —— 因子分析、选股、回测、模型实验与自动因子挖掘。

⭐ 如果这个项目对你有帮助，欢迎点个 Star 支持一下！

⚠️ 本项目仅供学习与研究，所有输出不构成任何投资建议。

---

✨ 功能

• 因子分析 / 选股：基于 Qlib + Alpha158 的因子计算与股票筛选
• 多因子轮动回测：Alpha158 多因子排名选股 → TopK 持仓定期轮动（含涨跌停 / T+1 / 真实成本模型约束）；任务实时落盘、重启不丢，不同访客只看得到自己的任务
• 模型实验室：LightGBM 等模型训练与评估
• 自动因子挖掘：集成 RD-Agent（可选），一键发起因子挖掘任务
• 免登录：开源版无账号体系，开箱即用
• 深色极简界面：Vue3 + Element Plus 深色主题，单色系 + 细边框，无冗余装饰

🖼️ 截图 / 在线 Demo

个股分析	选股（多因子筛选）

模型实验室（策略回测 / 模型训练）	自动因子挖掘

以上截图基于真实行情生成（make fetch-data 拉取的近 1 年数据 · 300 只标的）。

🔗 在线 Demo：https://dennynanmac-mini.tail1971a3.ts.net:8444 （免登录 · 开箱即用 · 演示站 RD-Agent 为只读：历史记录可查看，但不支持发起挖掘，以免消耗付费 LLM 额度）

🚀 快速开始

环境要求：Python 3.12+、Node 20+。可选配置（LLM Key、行情库路径等）全部可留空，见 .env.example。 🧪 仓库不附带真实行情数据，开箱即用的是一套可复现的合成样例数据（40 只 × 300 日）。

方式一：本地开发（推荐）

git clone https://github.com/dennynan/quantlab-oss.git quantlab-oss && cd quantlab-oss
make sample-data     # 生成样例行情库 data/market.db（首次必跑）
make qlib-sample     # 由 data/market.db 构建 Qlib 数据集 qlib_data/（因子分析 / 回测需要）

# 后端
cd backend && pip install -r requirements.txt
uvicorn main:app --reload --port 5001

# 前端（另开终端）
cd frontend && npm install && npm run dev
# 前端 http://localhost:5173   后端 http://localhost:5001/docs

想用真实近 1 年行情？见下方「📈 换成真实行情」。

方式二：Docker（可选，未在 CI / 实机实测）

make sample-data
make qlib-sample
make up              # 构建并启动
# 前端 http://localhost:8080   后端 http://localhost:5001/docs

📈 换成真实行情（可选）

自带的是可复现的合成样例数据。想跑真实行情，一条命令：

make fetch-data      # 近 1 年 × 300 只（内置高流动性标的池）
make qlib-sample     # 重建 Qlib 数据集

scripts/fetch_real_data.py 为纯标准库实现（无需 pip 安装、无需 token），从公开接口拉取日 K（前复权，主源东方财富、被限流自动回退腾讯源），周/月 K 与 MA/RSI/KDJ/BOLL 均本地计算，产出与样例库逐列同构的 market.db（旧库自动备份为 market.db.bak）。

make fetch-data ARGS="--top 50"                        # 快速验证
make fetch-data ARGS="--symbols 600519,000001,300750"
make fetch-data ARGS="--start 2025-01-01 --end 2025-12-31"
python scripts/fetch_real_data.py --list               # 查看内置标的池

⚠️ 数据版权归原数据源所有，仅供本地研究学习，请勿再分发；也请勿高频请求。

📦 目录结构

quantlab-oss/
├── backend/        FastAPI 后端（routers/ services/）
├── frontend/       Vue3 + Vite 前端
├── examples/       样例数据生成脚本
├── scripts/        真实行情拉取 / Qlib 数据构建 / 标的池
├── docker/         Dockerfile 与 nginx 配置
├── docs/           架构说明与截图
├── patches/        RD-Agent「挖因子」升级补丁（见下）
└── docker-compose.yml

🤖 RD-Agent（可选）

「自动因子挖掘」由微软的第三方框架 RD-Agent 驱动—— 它不是本项目代码，需在你本机单独安装并配好（任何部署方式都如此，与本项目是否开源无关）； 未配置时该模块只给出清晰提示（含缺哪一项），不影响其余功能。

⬆️ 因子挖掘升级补丁（建议打上）

本项目在该框架挖因子这一环做了成体系的升级：入库前重选（贪心前向 + 显著性门槛）、相关性剪枝、 判重归一、同族窗口上限、入库前正交化、提案规整（最短窗口 / 去重 / 重试升温）、棘轮治理（基线改会话历史最优 + 硬闸 + 停滞重启）。

这些升级以补丁形式随本仓库提供：

• 目录：patches/rdagent-factor-upgrades/
• 一键应用：cd patches/rdagent-factor-upgrades && ./apply.sh --clone
• 补丁针对上游 v1.0.0，已验证可干净应用

不打补丁也能跑，只是跑的是原版 RD-Agent，没有上述升级。

工作目录隔离（重要）

RD-Agent 的 workspace / 日志 / pickle 缓存体积很大（单次挖掘可达 GB 级）， 本项目默认把它放在仓库内 <repo>/data/rdagent_demo，与机器上其他 RD-Agent 部署（例如 ~/rdagent_demo）互不干扰：

环境变量	默认值	说明
RDAGENT_HOME	<repo>/data/rdagent_demo	RD-Agent 工作目录（含 .env / workspace / 日志）
CONDA_ROOT	~/miniforge3	conda 根目录
RDAGENT_CONDA_ENV	取 <RDAGENT_HOME>/.env 的 CONDA_ENV_NAME，否则 rdagent	装了 rdagent 的 conda 环境名

配置步骤

1. 在一个独立 conda 环境里装好 rdagent：

   # 拉取上游 v1.0.0 并打上本项目的挖因子升级补丁
   cd patches/rdagent-factor-upgrades && ./apply.sh --clone && cd -
   conda create -n rdagent_oss python=3.11 -y && conda activate rdagent_oss
   pip install -e ./patches/rdagent-factor-upgrades/RD-Agent

   建议不要与其他项目的环境共用，避免版本互相干扰。
2. 在 <RDAGENT_HOME>/.env 写入 LLM 凭证等（参考 .env.example 的 RD-Agent 段）； 若环境名不是 rdagent，在该文件里设 CONDA_ENV_NAME=<你的环境名>。
3. 确认 <RDAGENT_HOME> 下已有 git_ignore_folder/factor_implementation_source_data（K 线源数据） 与空的 log/jobs、pickle_cache 目录。

启动挖掘时后端会先做环境预检，缺项会直接报错列出（不再出现「一直挖掘中」的假象）。

🙏 致谢

• Qlib（MIT）
• RD-Agent（MIT）
• FastAPI / Vue3 / Element Plus / ECharts

第三方依赖的许可证清单见 THIRD_PARTY_LICENSES.md。

📄 许可证

MIT © 2026 南叔 | AI实战派