myquant/README.md

cc-cursor — Mac Mini 单机量化研究平台

从数据获取 → 因子计算 → 回测 → 参数优化 → ML 模型 → 情绪因子 → Agent 系统，全链路量化研究平台。

架构

cc-cursor/
├── finance/              # 核心量化引擎
│   ├── config/           # 全局配置
│   ├── database/         # ORM 模型 + DAO
│   ├── data/             # DataManager 统一数据层
│   ├── factors/          # 因子引擎（34 因子 / 12 分类）
│   ├── backtest/         # 回测引擎（VectorBT + 5 策略）
│   ├── optimizer/        # Optuna 参数优化
│   ├── models/           # LightGBM / CatBoost ML 模型
│   ├── agents/           # Agent 系统（4 Agent + 编排器）
│   ├── cli/              # 命令行 & 验证脚本
│   └── reports/          # 日报输出目录
├── djapi/                # Django API 后端
├── shared/script/        # SSH 隧道脚本
└── docs/                 # 项目文档

数据流

Data → Factor → Model → Strategy → Backtest → Report

快速开始

# 环境 & SSH 隧道
conda activate quant
bash shared/script/autossh.sh

# 每日 Agent 运行
python finance/cli/agent_cli.py daily

CLI 命令

python finance/cli/agent_cli.py daily              # 5 步完整流程
python finance/cli/agent_cli.py picks 15           # 选股 Top 15
python finance/cli/agent_cli.py risk               # 风险评估
python finance/cli/agent_cli.py research           # 因子研究
python finance/cli/agent_cli.py report 20260603    # 生成日报
python finance/cli/agent_cli.py warmup 50          # 首次预热缓存

验证脚本

python finance/cli/demo_data_manager.py --ts_code 600519.SH
python finance/cli/demo_factor_engine.py --ts_code 300750.SZ
python finance/cli/demo_backtest.py --ts_code 000001.SZ
python finance/cli/demo_optimizer.py --ts_code 000001.SZ --trials 100
python finance/cli/demo_ml.py --ts_code 000001.SZ --lookahead 5
python finance/cli/demo_sentiment.py --ts_code 600519.SH
python finance/cli/demo_sentiment_detail.py --ts_code 600519.SH --date 20260603

技术栈

组件	技术
数据获取	AkShare + Tushare (双源)
数据库	MariaDB (SSH 隧道)
因子/特征	pandas / numpy / sklearn
回测引擎	VectorBT 1.0
参数优化	Optuna 4.9
ML 模型	LightGBM 4.6 + CatBoost 1.2
NLP 情绪	Qwen (DashScope / Ollama)
Agent 编排	自研编排器
API 后端	Django 5.2 + uWSGI

开发进度

Sprint	模块	状态
Sprint 0	基础设施（DataManager + MariaDB）	✅
Sprint 1	因子引擎（34 因子 / 12 分类）	✅
Sprint 2	VectorBT 回测（5 策略 + 截面）	✅
Sprint 3	Optuna 优化（+ Walk-Forward）	✅
Sprint 4	ML 模型（LightGBM + CatBoost）	✅
Sprint 5	Qwen 情绪因子（三源新闻）	✅
Sprint 6	Agent 系统（4 Agent + CLI）	✅
Sprint 7	djapi API（日报查询 ×2）	✅

全部 8 个 Sprint 已完成。

文档

文档	内容
使用指南	各模块使用方法和代码示例
架构说明	项目架构、数据流、设计原则
开发指南	环境搭建、开发约定、模块说明
部署说明	本地环境、服务器、uWSGI、rsync 部署
因子与表结构速查	34 因子注册表、DB 表结构
数据层详解	DataManager、数据库、缓存策略
因子引擎详解	因子计算、情绪引擎、新闻源
回测引擎详解	VectorBT、策略、信号工具、Optuna
ML 模型详解	特征工程、LightGBM/CatBoost
Agent 系统详解	Agent 架构、CLI、日报
DJAPI 接口	Django API 端点参考
日报查询 API	news/reports + news/events 接口
日报数据库	news_report / news_event 表结构

子项目

• djapi — Django API 后端：A 股数据 API（16 端点）+ 新闻联播处理 + 日报查询

设计原则

• 模块隔离：各引擎通过统一接口交互，可替换实现
• 接口标准化：因子 calculate(df)→Series / 策略 generate_signals(df)→Series / 模型 fit/predict/save/load
• 数据层统一：策略/模型不直连数据源，全部通过 DataManager
• Agent 不重建轮子：Agent 通过依赖注入复用已有引擎
• 防前视偏差：时间序列交叉验证、expanding window 统计量

数据库连接

bash shared/script/autossh.sh
# host: 127.0.0.1:13306  user: myquant  database: myquant  table_prefix: mac_