Qbot量化交易框架3步本地部署保姆级跑通回测、AI策略与模拟交易附避坑清单【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是一款完全本地部署的AI量化交易框架把行情数据、策略回测、AI选股和实盘交易装进了同一个图形界面。如果你不想搭服务器只想在自己电脑上跑通第一个量化策略、亲眼看到回测曲线这篇3步教程带你从克隆仓库到启动程序文末附6条新手最常踩的坑。先认识一下它数据、策略、交易三块积木一句话先说清Qbot 智能交易策略 回测系统 自动化交易再加一层可视化分析全部跑在你自己的机器上。它的主体是一个 wxPython 写的桌面客户端回测部分建立在 backtrader 引擎上交易层则对接了多家加密货币交易所、期货 CTP 和券商客户端。你可以把仓库理解成三块积木策略库 qbot/strategies/、引擎 qbot/engine/、数据工具 pytrader/data/谁坏了动谁不用推倒重来。上图Qbot 系统架构数据管理、选股、择时、组合分析、人机交互、实盘机器人六大模块协同工作Qbot量化交易框架本地部署4步跑起来先说唯一的硬门槛Qbot 只在 Python 3.8 / 3.9 下测试过别拿系统默认的 3.11 硬装。第一步环境准备。装好 CondaAnaconda 也行创建一个 3.8 的独立环境。看到conda list能正常输出包列表说明环境没问题。第二步安装。克隆仓库并装依赖git clone https://gitcode.com/gh_mirrors/qbot/Qbot cd Qbot conda create -n Qbot python3.8 conda activate Qbot pip install -r dev/requirements.txt pip install dev/wxPython-4.2.1-cp38-cp38-win_amd64.whl dev/TA_Lib-0.4.28-cp38-cp38-linux_x86_64.whl python main.py注意最后一行 pip 装的是dev/目录里预编译好的 whl文件名要按你的系统选Windows 用win_amd64、Linux 用linux_x86_64、macOS 用macosx。这两个库没有 3.8 的现成在线包只能这么装。第三步最小配置。首次启动后点菜单栏「设置 → 参数配置」先只填数据源相关项本地跑回测可以全用默认值不用急着填交易所密钥。参数文件都在 qbot/common/configs/ 下改之前先看一眼结构。第四步看到成功标志。弹出标题为「Qbot - AI智能量化投研平台」的窗口状态栏出现欢迎使用AI智能量化投研平台字样下方有回测、模拟交易、实盘交易等标签页——到这一步就算部署成功了。装依赖时卡住直接按提示缺什么pip install什么官方文档 docs/Install_guide.md 里有各系统的详细处理。Qbot量化核心能力挑着讲能力一在线回测先验证策略再谈收益帮你解决策略到底行不行的问题——不用自己拼数据管道界面上选策略、选标的、点运行就行。背后是 backtrader 引擎加 pandas 数据源佣金、初始资金都能直接设置。装好之后建议先跑 docs/tutorials_code/02.easy_macd_strategy/macd.py 这个 MACD 示例它设了 0.001 的佣金你把佣金改成 0 再跑一遍看看曲线差多少比读十篇教程都直观。上图回测结果页净值曲线、年度收益对比和风险指标一屏看全能力二AI模型库300模型即插即用帮你解决传统指标表达力有限、又没时间自己搭深度学习的问题。仓库里 benchmarks 目录按 GBDT、RNN、强化学习、Transformer 分类放好了各类模型代码统一接口调用可以直接嵌进现有策略流程。装好之后可以先打开 qbot/strategies/挑一个 LSTM 或 LightGBM 的模型拿它的预测结果和简单均线策略对跑一次体会一下 AI 策略的信号长什么样。上图AI 模型库概览GBDT、RNN、强化学习、Transformer 等模型类型与适用场景一览能力三模拟与实盘交易从仿真到自动化帮你解决回测好看、实盘翻车的落差问题上线前可以近真实地验证信号与成交。背后是事件驱动的交易引擎对接币安、OKEx 等交易所接口、期货 CTP 和多家券商客户端模拟盘与实盘共用同一套策略代码。装好之后建议先在模拟交易标签页把策略跑满一个完整周期确认下单、成交和你预期一致再去看实盘标签页——顺序反了容易交学费。上图交易平台界面展示多交易所与多券商客户端的对接方式 避坑清单新手最常犯的6个错误区Python 什么版本都能装。正确做法只用 3.8/3.9 建独立 conda 环境和系统默认版本隔离开。误区pip install -r一把梭就完事。正确做法wxPython 和 TA-Lib 没有 3.8 现成在线包必须手动装dev/目录里的预编译 whl。误区回测收益等于实盘收益。正确做法先设佣金和滑点再谈曲线示例里的 0.001 佣金就是最便宜的提醒。误区模型越复杂策略越强。正确做法先用 MACD、双均线这类简单策略跑通数据流和信号逻辑再进模型库。误区回测达标直接上实盘。正确做法先在模拟交易里跑一段时间确认信号频率和成交行为符合预期。误区凭感觉改配置文件。正确做法改 qbot/common/configs/ 下的参数文件前先读一遍结构一次只动一项。Qbot把回测、AI策略到实盘的闭环装进了一个本地程序。下一步打开 docs/Install_guide.md 对照部署细节再跑通 docs/tutorials_code 里的第一个示例。【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