# QuantAll-mcp 技能
**让 AI 从“数据搬运工”升级为“数据分析师”——用代码算出客观结果。**
QuantAll (全A解析)是一个通过 MCP（Model Context Protocol）协议提供服务的**本地 股市全市场向量化计算引擎**。它基于 DuckDB，支持任意市场（A股/港股/美股等）股票的因子计算、策略回测、因子 IC 分析及 GPU 多维可视化，完全免费且独立运行（不依赖外部 API）——只要本地准备好对应市场的数据并配置好数据库即可。
---
## ✨ 功能特性
- **全市场向量化计算**：将本地数据库中的全市场（任意市场）股票、150+ 维度的数据抽象为统一矩阵，AI 编写向量化代码即可快速运算。
- **策略回测**：支持自定义持仓矩阵，一键获取收益、夏普、回撤、胜率等绩效指标。
- **因子分析**：单因子 IC 分析、批量因子横向对比，支持 IC 时序稳定性和散点分布可视化。
- **可视化探索**：通过图层标记、坐标平移、权重控制、热力图统计，直观挖掘数据规律。
- **交互式分析**：用户可在 GUI 端框选散点，AI 获取选中内容并深入分析，形成“展示 → 观察 → 提问 → 验证”的闭环。
- **完全本地化**：所有数据存储在本地 DuckDB 中，无需联网（除数据更新外），保护隐私且免费。
---
## 🚀 快速开始
### 1. 安装 QuantAll 包
本技能的核心计算引擎已发布至 PyPI，推荐使用虚拟环境隔离依赖。
\# 克隆或下载技能包（假设已从 SkillHub 获取）
cd \~/.workbuddy/skills/quantall
\# 创建虚拟环境（以 Windows 为例）
python -m venv scripts/.venv
\# 激活虚拟环境并安装 QuantAll（务必使用清华镜像源）
scripts/.venv/Scripts/python.exe -m pip install quantall -i https://pypi.tuna.tsinghua.edu.cn/simple
**注意**：QuantAll 依赖约 45 个包（含 PySide6 等大型库），总大小约 300MB，强烈建议使用国内镜像源加速。
### 2. 配置 MCP 客户端
在 MCP 客户端的配置文件（如 \~/.workbuddy/mcp.json）中添加以下条目：
{
  "mcpServers": {
  "全A解析": {
  "url": "http://127.0.0.1:8686/mcp",
  "disabled": false
  }
  }
}
如果已有其他 MCP 配置，请合并到
mcpServers中，不要覆盖已有条目。
### 3. 启动 QuantAll 服务
进入 scripts/ 目录，运行启动脚本：
scripts/.venv/Scripts/python.exe scripts/Start\_QuantAll.py
服务将在 http://127.0.0.1:8686 启动，提供 HTTP MCP 接口。
**推荐做法**：创建桌面快捷方式，方便一键启动。具体方法参见技能包中的
SKILL.md。
### 4. 信任 MCP 连接（WorkBuddy 用户）
由于 QuantAll 是 HTTP MCP（非 stdio），WorkBuddy 不会自动发现新服务。请在 **连接器管理** 页面中找到 **全A解析**，点击 **信任** 按钮授权，或直接重启 WorkBuddy。
---
## 🧰 可用工具一览
| 工具 | 功能 |
|------|------|
| ping | 健康检查 |
| available\_data | 查看当前数据库中可用的数据字段 |
| strategy\_backtest | 策略回测（支持 summary/detail/segments/timeline 视图） |
| factor\_analysis | 单因子 IC 分析（summary/daily/scatter 模式） |
| batch\_factor\_analysis | 批量因子 IC 分析（一次传入多个因子） |
| save\_factor\_result | 保存因子分析结果到数据库 |
| new\_layer\_from\_code | 创建自定义图层（标记感兴趣的事件/条件） |
| move\_by\_code | 将数据维度映射到 X/Y 轴（坐标平移） |
| weight\_by\_code | 设置统计权重 |
| select\_by\_code | 筛选子集（支持 6 种集合运算） |
| heat\_map | 获取二维热力图统计矩阵（支持自定义范围） |
| get\_user\_selection | 获取用户在 GUI 端框选的散点信息 |
| MCP\_Close | 关闭服务（谨慎使用） |
详细参数说明和使用示例请参考技能包中的 SKILL.md。
---
## 📊 典型工作流
### 策略回测
1. ping 确认服务就绪
2. available\_data 确认所需字段
3. strategy\_backtest（先 view=summary 快速评估，再根据需要深入 detail/segments/timeline）
### 因子分析
1. factor\_analysis（mode=summary）判断因子有效性（|IC_IR|>0.3）
2. 若有效，切换 mode=daily 或 scatter 查看时序和分布
3. 使用 batch\_factor\_analysis 横向对比多个因子
4. 将有效因子用于策略回测验证
### 可视化探索
1. new\_layer\_from\_code 标记感兴趣的事件（如买入信号、全市场点）
2. move\_by\_code 将因子映射到 X/Y 轴
3. weight\_by\_code 设置权重（可选）
4. heat\_map 获取分布矩阵
5. select\_by\_code 筛选子集，迭代分析
6. 用户框选感兴趣的散点 → get\_user\_selection → AI 深入分析
---
## 📁 数据管理
QuantAll 本身不生产数据，而是读取用户本地 DuckDB 数据库。技能包内置了一个测试数据库（仅含沪深 300 近两年基础行情，A 股示例），仅供功能验证。QuantAll 不限定市场：只要你的 DuckDB 按引擎约定表结构组织好任意市场（A股/港股/美股/期货等）的行情数据，即可统一计算。
- **使用自有数据库**：修改 scripts/DB\_setting.json 中的 db\_path 指向您的 DuckDB 文件，并确保表结构符合要求（详见 SKILL.md）。
- **使用 UpdateStock 辅助工具**：如果需要通过 AI 自动创建和更新数据库，可以额外配置 UpdateStock MCP（需 tushare API key，具体见技能包中的说明）。
---
##
- 所有需要 code 参数的工具均运行在 **Python Exec 环境**，代码必须**向量化**，禁止使用 import、循环、lambda、df.apply() 等。
- 每股类因子必须除以 d\['close']（非复权价）以消除量纲。
- 回测中持仓矩阵使用内置函数 hold\_until(buy, sell) 生成。
- **不支持并行工具调用**——所有 MCP 工具必须串行执行。
- 🪟 平台要求：当前技能仅支持 Windows。安装脚本、
.venv路径（Scripts/python.exe）、桌面.lnk快捷方式均为 Windows 形态，macOS / Linux 暂不支持。
---
## 🔄 更新技能
当技能包版本更新时，请同步升级 Python 库：
scripts/.venv/Scripts/python.exe -m pip install --upgrade quantall -i https://pypi.tuna.tsinghua.edu.cn/simple
然后重启 QuantAll 服务，并在客户端中重连 MCP。
---
## 📄 许可证
本技能遵循 [MIT License](LICENSE)或具体参见技能包中的许可证文件。
备注：仅本技能，非python包quantall
---
## 📖 更多文档
详细的使用模式、代码模板、实战案例和踩坑记录，请参阅技能包中的 SKILL.md 和 references/quantall\_playbook.md。
---
**享受用代码探索市场的乐趣！** 🚀