如何 5 分钟跑通 Qbot 量化回测新手上手指南【免费下载链接】Qbot[updating ...] AI 自动量化交易机器人(完全本地部署) AI-powered Quantitative Investment Research Platform. online docs: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant项目地址: https://gitcode.com/GitHub_Trending/qbot/QbotQbot 是一个完全本地部署的 AI 自动量化交易机器人把数据获取、策略编写、量化回测、模拟到实盘串成闭环解决策略想法无法低成本验证的问题。你不需要服务器一台笔记本就能跑。三步装好 Qbot5 分钟看到第一张回测曲线整个流程只用一条 conda 命令加两条启动命令全部在本地完成。创建 Python 环境。Qbot 只在 Python 3.8 / 3.9 下测试过装其他版本大概率踩坑conda create -n Qbot python3.8 conda activate Qbot预期终端提示符前出现(Qbot)。克隆仓库并安装依赖git clone https://gitcode.com/GitHub_Trending/qbot/Qbot cd Qbotpip install -r dev/requirements.txt预期依赖全部安装完成。wxPython 和 Ta-Lib 装不上时dev/目录下已按平台linux / win / mac放好对应的 .whl 文件直接pip install dev/xxx.whl即可详细步骤见 docs/Install_guide.md。启动图形界面python main.py预期弹出AI智能量化投研平台窗口左侧能看到回测、模拟盘、实盘等面板。看到窗口就说明项目可用先不用急着交易。拆开看 Qbot 的四个核心模块回测面板把策略参数变成一张收益曲线场景你写了一个均线策略想知道它在过去 3 年的表现。做法在 GUI 的回测面板填入股票代码、时间区间和策略参数点运行结果包含净值曲线、最大回撤、夏普比率等指标。关键路径qbot/gui/panels/panel_backtest.py 是面板实现底层回测引擎在 qbot/engine/backtest/基于 backtrader 框架backtest_main.py演示了取行情 → 跑策略 → 画图的最小调用。策略库从经典指标到强化学习场景你不确定用什么策略起步或想复现某个已知模型。做法仓库自带两套策略样本——qbot/strategies/下有 BOLL、ADX、RSRS 等可直接改参数跑的版本pytrader/strategies/benchmarks/下按模型分了 LightGBM、XGBoost、LSTM、Transformer 等目录每个目录里都有配置文件和脚本。关键路径pytrader/strategies/benchmarks/ 下的 README 说明各模型的训练与推理入口教学脚本集中在 docs/tutorials_code/从 MACD 到强化学习按难度编号。模拟与实盘引擎同一份策略代码两种运行模式场景回测达标后你想在不花真钱的前提下验证下单流程。做法TradeEngine根据配置里的class字段自动路由——虚拟盘走SimTradeEngine实盘走RealTradeEngine登录、查资金、启动交易都是同一组接口。关键路径qbot/engine/trade/trade_engine.py模拟盘对接掘金仿真环境支持股票、期货、数字货币多个市场。智能策略用价格拐点自动生成买卖信号场景你不想手动盯 K 线找买卖点。做法拐点交易策略按基准价 跌幅比例算出阈值最新价跌破阈值后再按回调比例二次确认连续两次突破才挂单过滤掉单次假突破。买入、卖出各有独立参数组。关键路径docs/03-智能策略/拐点交易.md 有完整参数说明GUI 里填写参数点添加条件即可挂上策略。一条完整链路从 CSV 行情到 MACD 回测报告以最短的实战链路为例展示数据、策略、回测三个环节怎么衔接输入行情是本地 CSV 文件如603186.csv含日期、开高低收、成交量列不需要额外数据接口。策略docs/tutorials_code/02.easy_macd_strategy/macd.py 定义了 MACD 金叉买入、涨跌幅超 10% 止损卖出的TestStrategy参数是 12/26/5 的三组 EMA。回测脚本把 CSV 用 backtrader 的GenericCSVData读入设置初始资金 10000 元和 0.5% 手续费后调用cerebro.run()结尾直接print出期初、期末资产并绘图。运行python docs/tutorials_code/02.easy_macd_strategy/macd.py你看到的就是下面这张带买卖点标记的 K 线图以及终端里Starting Portfolio Value到Final Portfolio Value两个数字——这就是一次完整的数据 → 信号 → 成交 → 估值闭环。验证、调优与收尾判断一个策略值不值得进模拟盘重点看三组数字最大回撤最坏情况亏多少、夏普比率风险调整后收益、期末资产 / 期初资产总收益。三个都不难看再考虑加仓位任何一个异常就先回参数。调优顺序建议固定为先调指标周期如 MACD 的 12/26/5再调仓位与止损比例最后才动数据区间。每次只改一个参数、跑一遍记下指标避免把参数组合空间跑爆。 提醒回测收益不等于未来收益手续费和滑点设置尽量贴近实盘否则回测曲线会偏乐观。Qbot 的入口就是python main.py这一个窗口回测、模拟、实盘都在同一个进程里切换。想深入某一块建议先看下面两份文档docs/Install_guide.md安装与依赖排错docs/DEVELOPMENT.md目录结构与二次开发说明git clone https://gitcode.com/GitHub_Trending/qbot/Qbot【免费下载链接】Qbot[updating ...] AI 自动量化交易机器人(完全本地部署) AI-powered Quantitative Investment Research Platform. online docs: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant项目地址: https://gitcode.com/GitHub_Trending/qbot/Qbot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考