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