AgentQuant 自进化 AI 量化

Model: minimax-m3 | ¥0.20/call
FinanceQuantAI AgentBacktestchat-visible

AgentQuant 自进化 AI 量化交易研究平台

Calls: 1

Skill Documentation

摘要

AgentQuant 是自进化 AI Agent 量化交易研究平台，**6 epoch harness evolution**（grid search → Claude tool-use → prompt tune → grid adaptation → ensemble → research agent），支持 6 个策略（momentum / mean_reversion / volatility / trend_following / breakout / multi_strategy）+ 自带回测引擎 + SQLite 记忆 + Streamlit UI。适合量化研究员 / 算法交易者 / AI Agent 工程师做严肃量化研究。

SEO 关键词分布

核心关键词: **AgentQuant**、**自进化 AI**、**量化交易**、**Harness Evolution**、**Backtest 回测**、**Sharpe Ratio**、**Momentum 策略**、**Streamlit 量化**、**ReAct Agent**、**AI 量化研究**。

是什么 / 解决什么问题

传统量化研究：人工调参 → 回测 → 看 Sharpe → 改 prompt → 再回测，循环 6 步。AgentQuant 用 AI Agent 自动完成"提议 → 回测 → 反思 → 存储"五节点循环，**每轮自动记录误差 + 内容哈希**，让量化研究员专注"做什么策略"，而非"怎么调参数"。

安装与验证（详细使用方式）

1. **环境**: Python 3.10+ / 5y+ 市场数据（yfinance 自动拉）

2. **克隆与安装**:

   git clone https://github.com/OnePunchMonk/AgentQuant.git
   cd AgentQuant
   pip install -e ".[dev,llm]"           # 核心 + LLM provider
   pip install -e ".[ui]"                # Streamlit UI
   cp .env.example .env
   export 部署方提供的鉴权字段=sk-...     # Claude
   export 部署方提供的鉴权字段=tvly-...      # Web search

3. **验证安装**: `python scripts/verify_tools.py`

4. **第一次跑通**: `python scripts/harness_evolution_6_epochs.py --strategy momentum --asset SPY --epochs 6`

三种典型场景 + 命令样例

**场景 A: 6-Epoch Harness 进化**

python scripts/harness_evolution_6_epochs.py   --strategy momentum   --asset SPY   --epochs 6

→ 输出每个 epoch 的 Sharpe + max_drawdown + 提议-回测-反思循环日志。

**场景 B: 算法公平基准**

python scripts/benchmark_harness_evolution.py --strategy momentum

→ 对比 manual vs experimental GA vs experimental DE vs Random，记录 `.json`。

**场景 C: Streamlit 交互**

python run_app.py --app

→ 浏览器打开 Streamlit，选日期范围 + 资产 + 策略 → 实时可视化回测结果。

FAQ

AgentQuant 适合谁用？

量化研究员 / 算法交易者 / AI Agent 工程师 / 学术研究 / 金融工程学生。

与 Backtrader / Zipline 有什么区别？

Backtrader / Zipline 是回测框架；AgentQuant 是**自进化 AI Agent 编排层**，自带回测 + 记忆 + LLM 工具调用 + 进化算法。

Sharpe 数字可信吗？

README 明确标注 "Backtest ≠ live trading"，且 5 年数据样本量小，**强烈建议 walk-forward validation**。

是否支持多资产？

支持。`--asset SPY` 单资产；脚本支持同时跑多资产并行（修改 harness_evolution_6_epochs.py 加 multiprocessing）。

适合谁 + 故障排除

模型对照说明

> **michael 用户告知**: 本 Skill 在 AIMS 平台使用平台已支持的真实大模型（与原 README 推荐对照）

| 项 | 说明 |

|---|---|

| **原仓库 README 推荐** | ANTHROPIC_API_KEY (Claude tool-use) + GPT fallback |

| **AIMS 平台实际使用** | **`claude-opus-4.7`** |

| **AIMS 平台可用替代** | gpt-5.1-codex / claude-opus-4.8 |

| **对齐度** | 完全一致 (Claude 旗舰 + GPT 兼容) |

AIMS 平台已支持的国外大模型清单（按短 id 列出，本 Skill 调用时可用）

AIMS 平台已支持的国内大模型清单（按短 id）

> 💡 **如何切换模型**: 使用 AIMS `aims.update_skill` 传 `skill_id + model_name + call_price_fen` 即可在上述任意支持的模型间切换（短 id 直接传，无需前缀）。

FAQ

AgentQuant 适合谁用？

量化研究员 / 算法交易者 / AI Agent 工程师 / 学术研究 / 金融工程学生。

与 Backtrader / Zipline 有什么区别？

Backtrader / Zipline 是回测框架；AgentQuant 是**自进化 AI Agent 编排层**，自带回测 + 记忆 + LLM 工具调用 + 进化算法。

Sharpe 数字可信吗？

README 明确标注 "Backtest ≠ live trading"，且 5 年数据样本量小，**强烈建议 walk-forward validation**。

是否支持多资产？

支持。`--asset SPY` 单资产；脚本支持同时跑多资产并行（修改 harness_evolution_6_epochs.py 加 multiprocessing）。

Open AIMS China Panel