Qbot 快速上手从源码克隆到启动 AI 智能量化投研平台的完整指南【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/Qbot本文基于 Qbot 仓库的 quick_start.md 展开完整覆盖「打开终端 → 克隆源码 → 安装依赖 → 启动程序」四步上手流程并结合仓库源码解释启动入口main.py到 wxPython 主框架MainFrame的实际调用链路、五大核心功能页与主窗口结构的对应关系以及官方文档中记录的常见环境问题排查方法。读完本文你可以独立完成 Qbot 的环境搭建与首次启动并知道每个功能面板背后对应的源码模块在哪里。一、环境前提与终端准备Qbot 是一个完全本地部署的 AI 量化投研平台官方明确说明项目仅在 Python 3.8 / 3.9 下测试过其他版本未测试见 README.md 与 docs/Install_guide.md 的醒目标注。因此第一步是确认本机 Python 版本推荐用 Anaconda/Conda 管理环境conda create -n qbot python3.9 conda activate qbot仓库提供的 env_setup.sh 脚本正是这一思路的自动化版本创建名为qbot的 Python 3.9 conda 环境执行pip install -r requirements.txt安装完成后在 macOS 上用pythonw main.py、Linux 上用python main.py启动脚本中明确标注 Windows 暂不支持 GUI 启动见 env_setup.sh。第一步打开系统终端各平台终端推荐对应 quick_start.md 步骤 1 与 docs/Install_guide.md 的终端说明macOS推荐使用 iTerm2下载安装即可或直接使用系统自带终端LinuxUbuntu 等直接打开系统终端Windows推荐使用 PowerShell。终端是所有后续操作的执行入口克隆代码、安装依赖、启动程序都在其中完成。二、克隆 Qbot 源码第二步下载源代码到本地quick_start.md原文给出的命令是cd ~/ git clone Qbot 仓库地址以本仓库为例克隆命令为cd ~/ git clone https://gitcode.com/GitHub_Trending/qbot/Qbot cd Qbot说明原文档中的git clone指向的是qbot_pro专业版仓库docs/Install_guide.md 中注明 qbot_pro 为付费版本。本文面向的是当前开源仓库public 开源版其定位是「提供整个框架的闭环搭建实现数据获取、策略开发、指标分析等功能」适合对量化交易感兴趣的开发者自行学习使用见 README.md 的版本说明表。Qbot 倡导「每个交易员都应搭建属于自己的交易系统」因此采用源代码交付而非二进制包这也解释了为什么上手流程要求你亲手克隆并安装依赖。三、安装依赖requirements 清单与两个需要手动处理的库第三步安装程序依赖原文档给出的命令是pip install -r dev/requirements.txt pythonw main.py # 运行起来缺少什么模块就安装什么模块。pip install wxpython这条「缺什么装什么」的策略是有依据的根目录 requirements.txt与 dev/requirements.txt 内容基本一致中wxPython 和 ta-lib 两行被刻意注释掉了注释直接指向dev/目录下的预编译 wheel# wxPython # use dev/wxPython-4.2.0-cp38-cp38-linux_x86_64.whl ... # ta-lib # use dev/TA_Lib-0.4.28-cp38-cp38-linux_x86_64.whl原因很简单这两个库依赖 C 扩展/系统 GUI 库直接pip install经常失败所以仓库在 dev/ 目录为 cp38/cp39 分别提供了 linux、win32、win_amd64、macOS 等平台对应的 wheel 文件。安装命令按平台区分摘自 docs/Install_guide.md# Linux python3.8 -m pip install dev/wxPython-4.2.0-cp38-cp38-linux_x86_64.whl python3.8 -m pip install dev/TA_Lib-0.4.28-cp38-cp38-linux_x86_64.whl # Windows python3.8 -m pip install dev/wxPython-4.2.1-cp38-cp38-win_amd64.whl python3.8 -m pip install dev/TA_Lib-0.4.21-cp38-cp38-win_amd64.whl # macOS brew install wxpython brew install ta-lib pip install ta-libmacOS 额外提示若需要安装tables库需先安装其 C 依赖docs/Install_guide.md 注记brew install hdf5 brew install c-blosc并设置HDF5_DIR/opt/homebrew/opt/hdf5、BLOSC_DIR/opt/homebrew/opt/c-blosc。依赖清单本身也值得看一眼它勾勒出 Qbot 的技术栈数据与指标侧有akshare、baostock、yfinance、efinance、tushare经 dev/environment.yaml 固定版本与 TA-Lib回测侧有backtrader、backtrader_plotting、pyfolio、quantstatsAI 策略侧有scikit-learn、tensortrade、tensorboard对应 TensorFlow/Kerasqbot_main.py 中直接from tensorflow.keras.models import load_model加载 LSTM 模型做价格预测GUI 侧则是wxPython。如果pip install -r requirements.txt报网络错误官方指南建议先配置国内镜像源再安装docs/Install_guide.mdpip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple pip install -r requirements.txt另外仓库提供了 Dockerfiledev/Dockerfile但 docs/Install_guide.md 中明确标注该方式「还在开发中」当前仍以 conda pip 方案为主。四、启动 Qbot 主程序启动命令与入口源码启动方式与平台相关python main.py # Linux pythonw main.py # macOSpythonw 不带控制台窗口入口 main.py 只有 12 行完整流程是import wx from qbot.gui.mainframe import MainFrame if __name__ __main__: app wx.App() frame MainFrame(None, titleAI智能量化投研平台) frame.Show() app.MainLoop()即创建 wxPython 应用实例实例化主框架MainFrame并进入事件循环。主框架定义在 qbot/gui/mainframe.py窗口标题为「Qbot - AI智能量化投研平台」初始尺寸取屏幕的 75%×70%随后初始化状态栏含每秒刷新的系统时钟、菜单栏「设置 → 参数配置」打开ParamsConfigDialog「工具」菜单含蛋卷估值、集思录网页和后台监控以及核心的主 Tab 页。README 的 Quick Start 中还建议启动前导出PYTHONPATHexport PYTHONPATH${PYTHONPATH}:$(pwd) python main.py五、启动后你会看到什么五大功能页与源码的对应关系quick_start.md用「主要功能一览」列出了五个核心功能。结合 qbot/gui/mainframe.py 的init_main_tabs()源码这五个功能与主窗口的 Tab 页一一对应其中「可视化股票/基金回测系统」被设为默认选中页self.tabs.SetSelection(4)1. 回测功能 —— PanelBacktest对应 Tab「可视化股票/基金回测系统」实现于 qbot/gui/panels/panel_backtest.py底层基于 backtrader 事件驱动引擎pytrader/newbacktest.py、tests/test_backtest.py 等测试可直接验证回测流程。官方文档给出的回测结果示例仓库 docs/tutorials_code/ 下还配有完整的策略回测示例如 MACD 策略、KDJMACD 策略可与 GUI 回测互为参照。2. ChatGPT 策略编写 / 智能问答 —— WebPanel从源码结构看该 Tab 是一个内嵌WebPanelqbot/gui/widgets/widget_web.py的网页容器加载外置的 AI 策略编写服务页面qbot/gui/mainframe.py用于自然语言生成策略代码与智能问答。3. 智能选股、智能鉴股 —— WebPanel同样是内嵌网页面板qbot/gui/mainframe.py承载 AI 选股/鉴股服务。其算法基础可对照 qbot/strategies/ 策略库从传统指标策略boll_strategy.py、adx_strategy.py到机器学习策略lstm_strategy_bt.py、rl_strategy_bt.py再到多因子multi_strategy_bt.pyREADME 的策略池章节也按「选股/择时/风控」维度完整列出了这些入口。4. 基金策略分析、回测分析 —— WebPanel内嵌网页面板加载基金投研前端qbot/gui/mainframe.py。仓库中配套的基金侧实现包括 pyfunds/ 下的fund-strategies、funds等模块以及基金类经典策略文档 4433法则。5. 策略模拟交易掘金仿真与在线交易 —— TradePanel对应 Tab「在线交易(实盘/虚拟盘)」实现于 qbot/gui/panels/panel_trade.py。从源码结构看交易引擎层位于 qbot/engine/trade/包含实盘/模拟交易入口trade_real.py、trade_sim.py、easytrader 浏览器自动化券商对接、以及engine_apis下的多种柜台 SDK。官方支持的交易平台一览README 中对各平台的覆盖范围有明确列表股票中泰 XTP、华鑫奇点、同花顺、东方财富等、期货CTP/CTPMini/Femas 等对应仓库 pyfutures/ 与 CTP API 结构、虚拟货币OKEX、Binance、Huobi对应 qbot/engine/backtest/live_trade_binance.py仿真平台则包括掘金、WonderTrader、TradingView 等。启动后还可以在菜单栏「工具 → 后台监控」一键拉起股票监控后台进程源码中该动作执行的是nohup python qbot/plugins/auto_monitor.py monitoring.log qbot/gui/mainframe.py日志可用tail -f monitoring.log查看。六、启动失败时的常见问题排查quick_start.md给出的兜底策略是「运行起来缺少什么模块就安装什么模块」这与 docs/FQA.md 的结论一致——多数问题属于环境问题。FQA 中记录的典型故障与解法均附 docs/FQA.md 出处现象解法AttributeError: unexpected attribute plot_widthbacktrader 绘图报错pip install bokeh2.3.3No module named Cryptopip uninstall crypto pip uninstall pycryptodome pip install pycryptodomematplotlib 警告font ... SimHei not found按 FQA 指引安装/配置中文字体否则回测图表中文显示为方块Multi-dimensional indexing ... no longer supportedpip install --upgrade pandas另外 docs/Install_guide.md 还建议若 requirements 批量安装失败可直接pip install baostock tables -i 清华镜像源逐个补齐缺失库。启动前可先跑一个最小回测验证环境完整性env_setup.sh的默认动作即是cd pytrader python test_backtrade.py七、小结与后续路径回顾快速上手的完整链路确认 Python 3.8/3.9 环境 → 终端执行git clone→pip install -r dev/requirements.txt并从dev/手动安装 wxPython、TA-Lib wheel →python main.pymacOS 用pythonw→ 进入以回测系统为默认页的主界面。启动成功之后建议按仓库自带资源继续深入数据获取与清洗qbot/data/dump_bin 数据导出、utils/common/ 的 TuShare/AShareDailyData 数据服务策略开发qbot/strategies/ 策略库与 docs/tutorials_code/ 分步教程从 600519 单只股票到全市场批量回测回测与绩效分析pytrader/newbacktest.py、quantstats 报告插件 qbot/plugins/quantstats/系统参数与账号配置主界面「设置 → 参数配置」弹窗qbot/gui/elements/def_dialog.py配置文件位于 qbot/common/configs/。最后重申项目声明交易策略和自动化工具只是提供便利并不代表实际交易收益项目任何内容不构成投资建议市场有风险投资需谨慎README.md Disclaimer 章节。【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