QuantaAlpha

---

Coming Soon：QuantaAlpha-claw (Agent-Native Alpha Research)

我们正在推进 QuantaAlpha-claw，它是 QuantaAlpha 的下一代研究 Harness。

它会把当前自进化因子挖掘框架进一步推进到蜂群式、agent-native 的研究形态：Lead / Reviewer / Miner 多角色并行探索，通过 session 记忆协同，并用 Skill 化算子完成带血统追踪的因子进化与更严格的 Walk-Forward 验证链路。

蜂群式 Agent 协同进化 · Skill 驱动研究闭环 · 持久化因子记忆 · 血统可追踪因子进化

关注下一阶段工作：https://github.com/QuantaAlpha/QuantaAlpha-claw

---

概述

QuantaAlpha 将大语言模型（LLM）与进化策略结合，通过自进化轨迹自动完成量化 Alpha 因子的挖掘、进化与验证。你只需输入研究方向，其余流程将自动运行。

研究方向 → 多样化规划 → 轨迹进化 → ✅ 已验证的 Alpha 因子

系统演示：下方为 QuantaAlpha 本地UI从输入研究方向到因子挖掘与回测的完整流程演示，可点击观看。 观看演示视频

---

实验结果

1. 跨市场零样本迁移

2. CSI 300 主实验结果

3. 鲁棒性与挖掘效率

---

快速开始

1. 克隆与安装

git clone https://github.com/QuantaAlpha/QuantaAlpha.git
cd QuantaAlpha
conda create -n quantaalpha python=3.10
conda activate quantaalpha
# 以开发模式安装包
SETUPTOOLS_SCM_PRETEND_VERSION=0.1.0 pip install -e .

# 安装额外依赖
pip install -r requirements.txt

2. 配置环境变量

cp configs/.env.example .env

编辑 .env 文件：

# === 必填：数据路径 ===
QLIB_DATA_DIR=/path/to/your/qlib/cn_data      # Qlib 数据目录
DATA_RESULTS_DIR=/path/to/your/results         # 输出目录

# === 必填：LLM API ===
OPENAI_API_KEY=your-api-key
OPENAI_BASE_URL=https://your-llm-provider/v1   # 如: DashScope, OpenAI
CHAT_MODEL=deepseek-v3                         # 或 gpt-4, qwen-max 等
REASONING_MODEL=deepseek-v3

3. 准备数据

QuantaAlpha 需要两类数据：Qlib 行情数据（用于回测）和预计算的价量 HDF5 文件（用于因子挖掘）。我们已将所有数据上传至 HuggingFace，方便下载使用。

数据集地址：https://huggingface.co/datasets/QuantaAlpha/qlib_csi300

文件 说明 用途 cn_data.zip Qlib 原始行情数据（A 股，2016–2025） Qlib 初始化 & 回测必需 daily_pv.h5 预计算的完整价量数据 因子挖掘必需 daily_pv_debug.h5 预计算的调试子集（数据量较小） 因子挖掘（调试/验证）必需

为什么同时提供 HDF5 文件？ 系统可以在首次运行时从 Qlib 数据自动生成 daily_pv.h5，但该过程非常耗时。直接下载预计算好的 HDF5 文件可以大幅节省时间。

第一步：下载数据

# 方式 A：使用 huggingface-cli（推荐）
pip install huggingface_hub
huggingface-cli download QuantaAlpha/qlib_csi300 --repo-type dataset --local-dir ./hf_data

# 方式 B：使用 wget
mkdir -p hf_data
wget -P hf_data https://huggingface.co/datasets/QuantaAlpha/qlib_csi300/resolve/main/cn_data.zip
wget -P hf_data https://huggingface.co/datasets/QuantaAlpha/qlib_csi300/resolve/main/daily_pv.h5
wget -P hf_data https://huggingface.co/datasets/QuantaAlpha/qlib_csi300/resolve/main/daily_pv_debug.h5

第二步：解压并放置文件

# 1. 解压 Qlib 数据
unzip hf_data/cn_data.zip -d ./data/qlib

# 2. 将 HDF5 文件放置到默认数据目录
mkdir -p git_ignore_folder/factor_implementation_source_data
mkdir -p git_ignore_folder/factor_implementation_source_data_debug

cp hf_data/daily_pv.h5       git_ignore_folder/factor_implementation_source_data/daily_pv.h5
cp hf_data/daily_pv_debug.h5  git_ignore_folder/factor_implementation_source_data_debug/daily_pv.h5

注意：daily_pv_debug.h5 放入调试目录时需重命名为 daily_pv.h5。

第三步：在 .env 中配置路径

# 指向解压后的 Qlib 数据目录（需包含 calendars/、features/、instruments/ 子目录）
QLIB_DATA_DIR=./data/qlib/cn_data

# 实验结果输出目录
DATA_RESULTS_DIR=./data/results

HDF5 数据目录也可以通过环境变量自定义（如果你希望放在其他位置）：

# 可选：自定义 HDF5 数据路径
FACTOR_CoSTEER_DATA_FOLDER=/your/custom/path/factor_source_data
FACTOR_CoSTEER_DATA_FOLDER_DEBUG=/your/custom/path/factor_source_data_debug

4. 运行因子挖掘

./run.sh ""

# 示例：指定研究方向运行
./run.sh "价量因子挖掘"

# 示例：指定因子库后缀
./run.sh "微观结构因子" "exp_micro"

实验会自动挖掘、进化和验证 Alpha 因子，并将所有发现的因子保存到 all_factors_library*.json。

5. 独立回测

挖掘完成后，从因子库中组合因子进行全周期回测：

# 仅使用自定义因子回测
python -m quantaalpha.backtest.run_backtest \
  -c configs/backtest.yaml \
  --factor-source custom \
  --factor-json all_factors_library.json

# 结合 Alpha158(20) 基线因子
python -m quantaalpha.backtest.run_backtest \
  -c configs/backtest.yaml \
  --factor-source combined \
  --factor-json all_factors_library.json

# 仅加载因子，不执行回测（检查因子加载是否正常）
python -m quantaalpha.backtest.run_backtest \
  -c configs/backtest.yaml \
  --factor-source custom \
  --factor-json all_factors_library.json \
  --dry-run -v

结果保存在 configs/backtest.yaml 中 experiment.output_dir 指定的目录。

需要帮助？请查阅完整的 用户指南，了解高级配置、实验复现和详细使用示例。

---

️ Web 界面

QuantaAlpha 提供基于 Web 的可视化界面，你可以在界面中完成全部工作流——无需命令行操作。

conda activate quantaalpha
cd frontend-v2
bash start.sh
# 访问 http://localhost:3000

• ⚙️ 系统设置：在界面中直接配置 LLM API、数据路径和实验参数
• ⛏️ 因子挖掘：通过自然语言输入启动实验，实时监控进度
• ** 因子库**：浏览、搜索和筛选所有已挖掘因子，支持质量分级
• ** 独立回测**：选择因子库，运行全周期回测并查看可视化结果

---

用户社区

---

参与贡献

我们欢迎任何形式的贡献，让 QuantaAlpha 变得更好！以下是参与方式：

• ** Bug 反馈**：发现了 Bug？提交 Issue 帮助我们修复。
• ** 功能建议**：有好的想法？发起讨论 提出新功能建议。
• ** 文档与教程**：改进文档、添加使用示例或编写教程。
• ** 代码贡献**：提交 PR 修复 Bug、优化性能或添加新功能。
• ** 因子分享**：分享你在实验中发现的高质量因子，造福社区。

---

致谢

特别感谢：

• Qlib - 微软开源的量化投资平台
• RD-Agent - 微软的自动化研发框架 (NeurIPS 2025)
• AlphaAgent - 多智能体 Alpha 因子挖掘框架 (KDD 2025)

---

关于 QuantaAlpha

• QuantaAlpha 团队成立于 2025 年 4 月，由来自清华大学、北京大学、中国科学院、CMU、HKUST 等高校的教授、博士后、博士生和硕士生组成。

我们的使命是探索智能的 "量子 (Quantum)" 本质，开拓 Agent 研究的 "Alpha" 前沿——从 CodeAgent 到自进化智能，再到金融及跨领域专用 Agent，致力于重新定义 AI 的边界。

✨ 2026 年，我们将持续在以下方向产出高质量研究：

• CodeAgent：端到端自主执行真实世界任务
• DeepResearch：深度推理与检索增强智能
• Agentic Reasoning / Agentic RL：基于 Agent 的推理与强化学习
• 自进化与协作学习：多智能体系统的进化与协调

欢迎对以上方向感兴趣的同学和研究者加入我们！

团队主页：QuantaAlpha 邮箱：[email protected]

关于 AIFin Lab

• AIFin Lab 由上财张立文教授发起，深耕 AI + 金融 / 统计 / 数据科学 交叉领域，团队汇聚上财、复旦、东大、CMU、港中文等校前沿学者，打造数据、模型、评测、智能提示全链路体系。

我们诚挚欢迎全球优秀的本科、硕士、博士生以及前沿学者加入 AIFin Lab，共同探索金融人工智能的边界！

邮箱：[email protected]（主收件），同时抄送 (CC) 至 [email protected]

期待你的加入！

---

引用

如果 QuantaAlpha 对你的研究有帮助，请引用我们的工作：

…

---

⭐ Star 历史

---